Pembelajaran mesin 101

Pembelajaran mesin adalah bidang ilmu komputer yang berfokus pada pengembangan algoritme dan model statistik yang memungkinkan komputer belajar dari dan membuat prediksi atau keputusan berdasarkan data tanpa diprogram secara eksplisit. Dengan kata lain, pembelajaran mesin adalah cara komputer untuk secara otomatis meningkatkan kinerjanya pada tugas tertentu dengan belajar dari contoh atau data.

Kedengarannya menarik, apakah ada teknik?

Ini melibatkan beberapa teknik seperti pembelajaran yang diawasi, pembelajaran yang tidak diawasi, dan pembelajaran penguatan. Pembelajaran terawasi melibatkan pelatihan model dengan data berlabel, sedangkan pembelajaran tanpa pengawasan melibatkan pelatihan model dengan data tidak berlabel untuk mengidentifikasi pola atau hubungan. Pembelajaran penguatan melibatkan pelatihan model untuk membuat keputusan dengan memberi penghargaan atau menghukumnya berdasarkan tindakannya.

Apa aplikasinya?

Pembelajaran mesin memiliki berbagai aplikasi di berbagai bidang seperti pengenalan gambar, pemrosesan bahasa alami, pengenalan ucapan, analitik prediktif, dan sistem rekomendasi, antara lain.

Bagaimana dengan contohnya?

Mari kita ambil kasus pengenalan gambar. Misalkan Anda ingin membangun sebuah sistem yang dapat mengenali apakah gambar yang diberikan mengandung kucing atau tidak.

Untuk melatih sistem seperti itu, pertama-tama Anda memerlukan kumpulan data besar gambar berlabel yang menyertakan gambar kucing serta gambar yang tidak berisi kucing. Anda kemudian akan menggunakan algoritme pembelajaran terawasi, seperti convolutional neural network (CNN), untuk melatih model pada kumpulan data ini.

Selama pelatihan, model belajar mengidentifikasi pola pada gambar yang terkait dengan ada tidaknya kucing. Setelah model dilatih, Anda dapat mengujinya pada kumpulan gambar baru yang belum pernah dilihat sebelumnya. Model akan membuat prediksi apakah setiap gambar mengandung kucing atau tidak berdasarkan pola yang telah dipelajari dari data pelatihan.

Jika model bekerja dengan baik pada set pengujian, model tersebut dapat digunakan untuk membuat prediksi pada gambar baru yang belum pernah dilihat sebelumnya. Jenis pengenalan gambar ini digunakan dalam berbagai aplikasi, seperti mengidentifikasi objek dalam foto atau video, mendeteksi wajah dalam gambar, dan mengidentifikasi gambar medis.

Saya harap Anda menyukai pengantar ini, nantikan terus untuk pembelajaran mesin yang lebih disederhanakan!

Silakan temukan saya di LinkedIn , dan Github .