ayo kita mengenal lebih dalam apasih yang di maksud machine learning, Machine Learning (ML) adalah subbidang kecerdasan buatan (AI). Perbedaan utama antara mesin dan manusia adalah kecerdasan, manusia dapat belajar dari pengalaman sebelumnya dengan menganalisis data dan membuat keputusan berdasarkan pengetahuan masa lalu. Namun, kecerdasan buatan (AI) membawa mesin lebih dekat ke manusia.
machine Learning merupakan salah satu cabang dari ilmu Kecerdasan Buatan, khususnya yang mempelajari tentang bagaimana komputer mampu belajar dari data untuk meningkatkan kecerdasannya. Berikut ini adalah pengertian Machine Learning menurut beberapa ahli.
Menurut Arthur (1959)
Kemampuan komputer untuk melakukan pembelajaran tanpa harus menjelaskan atau terprogram secara eksplisit kepada komputer.
Menurut Tom Mitchel (1997)
Komputer yang memiliki kemampuan melakukan belajar dari pengalaman terhadap tugas-tugasnya dan mengalami peningkatan kinerja.
Menurut Budiharto (2016)
Tipe dari kecerdasan buatan yang menyediakan komputer dengan kemampuan untuk beajar dari data, tanpa secara eksplisit harus mengikuti instruksi terprogram. Dengan melihat berbagai definisi di atas, Machine learning memiliki fokus pada pengembangan sebuah sistem yang mampu belajar sendiri untuk memutuskan sesuatu, tanpa harus berulang kali diprogram oleh manusia.
Dengan metode tersebut, mesin tidak hanya bisa menemukan aturan untuk perilaku optimal dalam pengambilan keputusan, namun juga bisa beradaptasi dengan perubahan yang terjadi. Dalam pembelajaran mesin, Anda menganalisis kumpulan data yang besar untuk menemukan pola Melalui algoritma pembelajaran mesin, kita perlu melatih komputer sedemikian rupa sehingga bisa memahami model objek yang dikenali manusia. Lalu apa perbedaan pemrograman tradisional dengan pemrograman menggunakan machine learning?
Pada pemrograman tradisional, data dan program dijalankan pada komputer untuk menghasilkan output, sedangkan pada pemrograman menggunakan machine learning, data dan output dijalankan pada komputer untuk membuat program, dan kemudian program tersebut bisa digunakan dalam pemrograman tradisional.
Ilmu ini berfokus untuk membuat sistem atau algoritma yang terus belajar dari data dan meningkatkan akurasinya dari waktu ke waktu tanpa pemograman tertentu, Dalam aplikasi machine learning, algoritma atau urutan proses statistik dilatih untuk menemukan pola dan fitur tertentu dalam jumlah data yang besar. Hal imi bertujuan untuk membuat suatu keputusan maupun prediksi berdasarkan data data tersebut. Semakin bagus algoritmanya akurasi keputusan dan prediksi sistem akan semakin baik.
Machine Learning sendiri terdiri dari beberapa tipe, yang dimana setiap tipe dari machine learning ini memiliki fungsi dan tujuan penggunaannya masing-masing. berikut ini adalah tipe-tipe machine learning:
Supervised Learning
Supervised learning adalah algoritma machine learning menggunakan data terlabel, contohnya input di mana output-nya diketahui. Algoritma supervised learning menerima sekumpulan dengan output yang tepat. Setelah itu, algoritma ini belajar dengan membandingkan output yang didapat dengan output yang benar untuk menemukan error dan kesalahan. Biasanya, supervised learning di gunakan pada aplikasi yang memprediksi kejadian di masa mendatang berdasarkan data historis.
baca juga tentang AI : https://iyra-indonesia.id/2022/07/07/projek-ai-kombinasi-racero-dan-ai/
SEMI-SUPERVISED LEARNING
Metode ini tidak begitu berbeda di bandingkan supervised learning akan tetapi, semi-supervised learning menggunakan data berlabel dan tidak untuk melatih algoritma. Biasanya, digunakan data berlabel dalam jumlah besar. Metode machine learning ini dapat digunakan dengan metode lainnya seperti klasifikaksi, regresi, dan prediksi. Contoh penggunaan semi-supervised learning adalah untuk identifikasi wajah seseorang pada webcam dan kamera smartphone.
UNSUPERVISED LEARNING
Unsupervised learning adalah kebalikan dari supervised learning. Pada metode machine learning ini, data yang diolah tidak memiliki label dan sistem tidak mengetahui jawaban atau output yang benar. Tujuan dari machine learning dengan metode ini adalah untuk mengekploraso data dam menemukan struktur di dalamnya. Contohnya, unsupervised learning dapat digunakan untuk mengidentifikasi segemen konsumen dengan atribut yang serupa dan mengelompokannya agar dapat ditangani atau diperlakukan sama dalam sebuah kampanye digital marketing.
baca juga:https://iyra-indonesia.id/2022/06/27/wow-ternyata-belajar-robot-itu-seru/
REINFORCEMENT LEARNING
Reinfocement learning biasanya digunakan untuk robotik, pembuatan game, dan navigasi. Dengan metode learning ini,algoritma akan mampu menemukan aksi atau perlakuan yang output terbaik dari hasil uji coba berulang kali(trial and error). Ada tiga komponen utama untuk reinforcement learning, yaitu agent (pembuat keputusan), Lingkungan (apa saja yang berinteraksi dengan agent), dan aksi (apa yang agent bisa lakukan).
kunjungi juga : racer-robot.id