Memahami Mechine Learning
Teknologi Mechine Learning(ML) adalah mesin yang dirancang untuk belajar sendiri tanpa instruksi dari penggunanya. Machine learning dikembangkan berdasarkan disiplin ilmu lain seperti statistik, matematika, dan data mining sehingga mesin dapat belajar dengan menganalisis data tanpa harus diprogram ulang atau diinstruksikan.
Dalam hal ini, Mechine Learning memiliki opsi untuk mengambil data yang ada dengan perintahnya sendiri. ML juga dapat memeriksa data yang ada dan data yang diterima untuk menyelesaikan tugas tertentu. Tugas yang dapat dilakukan ML juga bervariasi, tergantung pada apa yang dipelajari.
Istilah machine learning pertama kali dirumuskan pada tahun 1920-an oleh sejumlah matematikawan seperti Adrien Marie Legendre, Thomas Bayes, dan Andrey Markov dengan memberikan dasar fundamental untuk machine learning dan konsep-konsepnya. Sejak itu, ML telah berkembang pesat. Ada juga salah satu contoh aplikasi ML yang populer adalah Deep Blue,yang dibuat oleh IBM pada tahun 1996.
Deep Blue adalah pembelajaran mesin yang dirancang untuk memungkinkan Anda belajar dan bermain catur. Deep Blue juga diuji dalam permainan catur melawan master catur profesional dan Deep Blue menang dalam permainan catur.
Peran pembelajaran mesin membantu mereka di banyak bidang. Bahkan sekarang, mudah untuk menemukan aplikasi ML setiap hari. Misalnya, saat menggunakan fitur Face Unlock untuk membuka kunci smartphone, atau saat menjelajah internet atau media sosial, Anda akan sering melihat beberapa iklan. Iklan yang ditampilkan juga merupakan hasil dari proses ML yang mengirimkan iklan sesuai dengan kepribadian Anda.
Padahal, masih banyak contoh aplikasi machine learning yang akan sering ditemui. Lalu ada pertanyaan, bagaimana ML bisa belajar? ML juga dapat mempelajari & juga menganalisis data berdasarkan data yang diberikan pada awal pengembangan & data setelah ML digunakan. ML dapat digunakan sesuai dengan teknik atau metode yang digunakan selama pengembangan. Teknik apa saja yang ada? Mari kita lihat bersama.
Teknik Mechine Learning
Ada beberapa jenis teknik yang termasuk ke dalam machine learning, namun secara umum ML hanya memiliki dua teknik dasar pembelajaran, yaitu monitoring & non-monitoring.
Supervised Learning
Teknik pembelajaran terawasi adalah teknik yang dapat digunakan dalam pembelajaran mesin yang dapat menerima informasi yang sudah ada dalam data dengan menerapkan label tertentu. Semoga teknik ini dapat menyasar hasil yang diperoleh dengan membandingkan pengalaman penelitian sebelumnya.
Katakanlah Anda memiliki beberapa film yang ditandai dengan kategori tertentu. Dia juga memiliki film dalam kategori komedi termasuk 21 film Jump Street dan Jumanji. Ada juga kategori lain, seperti kategori film horor seperti The Conjuring dan It. Jika Anda membeli film baru, kenali jenis dan konten film tersebut. Setelah film diketahui, simpan film dalam kategori yang sesuai.
Unsupervised Learnig
Teknik pembelajaran tanpa pengawasan adalah teknik yang berlaku untuk pembelajaran mesin yang menggunakan data yang tidak mengandung informasi yang dapat diterapkan secara langsung. Semoga teknik ini dapat membantu Anda menemukan struktur atau pola tersembunyi dalam data yang tidak ditandai.
Sedikit berbeda dengan pembelajaran terawasi, Anda tidak memiliki data yang sebelumnya digunakan sebagai referensi. Misalnya, Anda belum pernah membeli film, tetapi telah membeli beberapa film dan ingin dikelompokkan ke dalam beberapa kategori agar mudah ditemukan.
Tentu saja, Anda akan melihat film yang sama. Dalam hal ini, misalnya Anda mengidentifikasi diri Anda sesuai dengan jenis filmnya. Misalnya, jika Anda memiliki Film Conjuring, simpan Film Conjuring di kategori Film Horor.
