Pendahuluan:
Manusia selalu mencari cara untuk meningkatkan produktivitas dengan mempekerjakan lebih sedikit tenaga kerja manusia. Hari ini adalah era mesin. Ada berbagai jenis mesin yang kita gunakan dalam kehidupan sehari-hari untuk membantu kita menyelesaikan tugas dengan lebih efisien. Anggaplah Anda telah menyimpan semua catatan perusahaan sebelumnya di PC Anda. Komputer Anda dapat belajar dan beradaptasi dengan menggunakan pola dan algoritma dari catatan sebelumnya. Tanpa perintah eksplisit, komputer Anda memeriksa dan menarik kesimpulan dari data sebelumnya, memprediksi hasil di masa depan berdasarkan dasar catatan yang ada. Semua ini dimungkinkan oleh machine learning.
Apa itu machine learning?
Ini adalah penggunaan kecerdasan buatan yang memungkinkan sistem belajar dan meningkat melalui pengalaman tanpa diprogram secara eksplisit. Pada dasarnya, ini adalah sistem yang dapat belajar dari data, mengidentifikasi pola, dan membuat keputusan dengan sedikit atau tanpa kolaborasi manusia.
Bagaimana kisah di balik layar machine learning?
Alan Turing menciptakan tes Turing pada tahun 1950. Alan Turing adalah seorang matematikawan dan ilmuwan komputer Inggris yang cerdas dan berpengaruh. Tes ini dibuat untuk menentukan apakah sebuah mesin memiliki kecerdasan seperti manusia.
Siapa yang menciptakan machine learning?
Banyak orang telah berkontribusi pada kemajuan machine learning, tetapi Arthur Samuel, seorang ilmuwan komputer di IBM, menciptakan istilah "machine learning" pada tahun 1952.
Apa tujuan machine learning?
Tujuan machine learning adalah menangkap atau menemukan pola dalam data Anda, lalu membuat perkiraan berdasarkan pola tersebut, yang umumnya kompleks, untuk menjawab masalah bisnis. Menentukan dan menganalisis pola serta desain yang membantu penyelesaian masalah.
Dalam bisnis dan sektor lainnya, machine learning pada dasarnya adalah teknologi analisis data yang bekerja dengan mengotomatiskan proses pembuatan model data.
Bagaimana cara kerja machine learning?
Ada berapa jenis machine learning?
Ada empat jenis machine learning.
Supervised Learning:
Pada jenis machine learning ini, data scientist memberikan data pelatihan berlabel kepada algoritma dan menentukan variabel yang ingin dicari hubungannya oleh programmer. Input dan output algoritma sama-sama disediakan.[1]
Unsupervised learning:
Algoritma yang dilatih pada data tanpa label digunakan dalam jenis machine learning ini. Programmer mencari hubungan yang relevan dalam kumpulan data. Data yang digunakan untuk melatih algoritma, serta prediksi atau rekomendasi yang dihasilkannya, sudah ditentukan sebelumnya.[1]
Semi-supervised:
Metode machine learning ini menggabungkan dua metode sebelumnya. Meskipun data scientist dapat memberikan algoritma sebagian besar "data pelatihan", model dibiarkan menjelajahi data sendiri dan membangun pemahamannya sendiri tentang kumpulan data.[1]
Reinforcement learning:
Reinforcement learning umumnya digunakan oleh data scientist untuk mengajari mesin menjalankan prosedur multilangkah dengan kriteria yang jelas. Data scientist melatih algoritma untuk menyelesaikan suatu tugas dan memberinya isyarat positif atau negatif saat ia menentukan cara menyelesaikan tugas tersebut. Namun, sebagian besar algoritma sendiri yang memilih tindakan apa yang akan diambil di sepanjang jalan.[1]
Apa keuntungan yang diberikan machine learning?
- Otomatisasi Segalanya
- Identifikasi tren dan pola
- Beragam Aplikasi
- Ruang untuk Peningkatan
- Penanganan Data yang Efisien
- Terbaik untuk Pendidikan dan Belanja Online
Apa kekurangan machine learning?
- Kemungkinan Kesalahan Tinggi
- Pemilihan Algoritma
- Akuisisi Data
- Waktu dan Ruang
Kesimpulan:
Machine learning adalah subbidang kecerdasan buatan. Ini adalah sistem di mana komputer memanfaatkan data dalam jumlah besar dan menggunakan algoritma untuk "melatih" diri sendiri serta menghasilkan prediksi tanpa bergantung pada pemrograman eksplisit. Machine learning pada dasarnya adalah teknik analisis data yang bekerja dengan mengotomatiskan proses pengembangan model data di bisnis dan bidang lainnya.
- Burns, E.machine learning. Available from: https://www.techtarget.com/searchenterpriseai/definition/machine-learning-ML.
Jenis-jenis machine learning
| Jenis | Belajar dari | Contoh |
|---|---|---|
| Supervised | Contoh berlabel | Deteksi spam, prediksi harga |
| Unsupervised | Data tanpa label | Segmentasi pelanggan |
| Semi-supervised | Sedikit label + banyak data tanpa label | Klasifikasi gambar dengan label terbatas |
| Reinforcement | Imbalan dari tindakan | Bermain game, robotika |
Machine learning yang sudah Anda gunakan
Filter spam email, prediksi lalu lintas peta, rekomendasi video dan belanja, pengetikan suara, dan buka kunci wajah semuanya mengandalkan machine learning.
Machine learning vs AI vs deep learning
AI adalah tujuan luas dari mesin cerdas; machine learning adalah pendekatan belajar dari data; deep learning menggunakan jaringan saraf dengan banyak lapisan. Lihat apa itu kecerdasan buatan.
