CT is the ability to think to solve problems whose solution is computing. CT abilities cannot possibly grow in an instant, CT knowledge and skills need time to grow and develop so that they produce as expected. CT training for kindergarten and elementary school teachers at Gaussian Kamil School will be carried out in several stages, starting with an introduction to the CT concept, practice questions, practicing CT using digital methods, and Unplugged. It is hoped that this training can improve teachers' CT abilities, so that teachers will infuse it with students. Students who receive CT from an early age are expected to be able to be independent and behave better because they are used to solving problems in the correct, fast and efficient way.

Penelitian ini merupakan studi eksperimen untuk melakukan penyelidikan inhibitor korosi oleh senyawa Benzimidazole dengan melakukan pendekatan machine learning (ML). Karena korosi menyebabkan banyak kerugian yang timbul karena kehilangan material konstruksi, keselamatan kerja dan pencemaran lingkungan akibat produk korosi dalam bentuk senyawa yang mencemarkan lingkungan. Melakukan pendekatan ML adalah untuk mendapatkan model akurasi yang terbaik sehingga dapat digunakan untuk memprediksi dengan relevan dan akurat terhadap suatu material. Dalam penelitian ini, kami mengevaluasi algoritma ML dengan metode linear dan nonlinear dengan menggunakan metode k-fold cross-validation untuk membantu dalam mengukur performa model ML. Mengacu pada metrik coefficient of determination (R2) dan root mean square error (RMSE), kami menyimpulkan bahwa model AdaBoost regressor (ADA) merupakan model dengan performa prediksi terbaik dari eksperimen yang kami lakukan dari literatur untuk dataset senyawa benzimidazole. Keberhasilan model penelitian ini menawarkan perspektif baru tentang kemampuan model ML untuk memprediksi penghambat korosi yang efektif.