Apa itu Machine Learning? Machine Learning (ML) adalah jenis kecerdasan
buatan (AI) yang memungkinkan aplikasi perangkat lunak menjadi lebih akurat
dalam memprediksi hasil tanpa diprogram secara eksplisit untuk melakukannya.
Algoritma pembelajaran mesin menggunakan data historis sebagai input untuk
memprediksi nilai output baru. Penggunaan populer dari machine learning
termasuk deteksi penipuan, penyaringan spam, deteksi ancaman malware,
otomatisasi proses bisnis (BPA) dan pemeliharaan prediktif. Mengapa machine learning itu penting? Machine learning penting karena memberi perusahaan
pandangan tentang tren perilaku pelanggan dan pola operasional bisnis, serta mendukung
pengembangan produk baru. Banyak perusahaan terkemuka saat ini, seperti
Facebook, Google, dan Uber, menjadikan machine learning sebagai bagian utama
dari operasi mereka. Machine learning telah menjadi pembeda kompetitif yang
signifikan bagi banyak perusahaan. Apa saja jenis Machine learning? Machine
learning klasik sering dikategorikan bagaimana suatu algoritma belajar menjadi
lebih akurat dalam prediksinya. Ada empat pendekatan dasar supervised
learning, unsupervised learning, semi-supervised learning
and reinforcement learning. Jenis algoritme yang dipilih oleh para ilmuwan
bergantung pada jenis data yang ingin mereka prediksi. · Supervised Learning: Dalam
jenis machine learning ini, data scientists menyediakan algoritme dengan data
pelatihan yang berlabel dan menentukan variabel yang mereka ingin algoritme
untuk menilai korelasinya. Baik input dan output dari algoritma ditentukan. · unsupervised learning: Jenis machine learning ini melibatkan algoritme
yang melatih data yang tidak berlabel. Algoritme memindai melalui kumpulan data
untuk mencari koneksi yang berarti. Data yang dilatih oleh algoritme serta
prediksi atau rekomendasi yang dihasilkannya telah ditentukan sebelumnya. · Semi-supervised learning: Pendekatan
machine learning ini melibatkan campuran dari dua jenis sebelumnya. Data scientists
dapat memberikan algoritme yang sebagian besar berlabel data pelatihan, tetapi
modelnya bebas menjelajahi datanya sendiri dan mengembangkan pemahamannya
sendiri tentang kumpulan data. · Reinforcement learning:
Data
scientists biasanya menggunakan pembelajaran penguatan untuk mengajarkan mesin
untuk menyelesaikan proses multi-langkah yang aturannya ditetapkan dengan
jelas. Data scientists memprogram suatu algoritme untuk menyelesaikan tugas dan
memberikannya isyarat positif atau negatif saat berhasil menyelesaikan tugas.
Tetapi sebagian besar, algoritme memutuskan sendiri langkah apa yang harus
diambil di sepanjang jalan. |