Konsep Dasar Teknologi Machine Learning
February 20, 2020
Konsep Dasar Teknologi Machine Learning. Machine learning ini merupakan kecerdasan buatan yang mempelajari bagaimana membuat data. Machine learning ini biasa disingkat dengan ML. Ini dibutuhkan untuk menerapkan teknik yang cepat dan kuat dalam menemukan masalah baru.
Machine learning ini merupakan kecerdasan buatan yang mempelajari bagaimana membuat data. Machine learning ini biasa disingkat dengan ML. Ini dibutuhkan untuk menerapkan teknik yang cepat dan kuat dalam menemukan masalah baru.
Konsep Dasar Machine Learning
Konsep tersebut meliputi kemampuan suatu individu dalam meningkatkan kecerdasan tersebut untuk belajar tanpa terkecuali pada sebuah mesin. Mesin yang mampu belajar, akan meningkatkan produktivitas manusia. Maka ia juga akan memiliki kekuatan yang mungkin tidak dimiliki mesin lainnya.
Manfaat pembelajaran mesin dalam memprediksi
Jika Anda hanya mengenal wajah teman Anda dalam gambar, berarti Anda tidak memakai modelpembelajaran mesin. Inti pembelajaran mesin adalah meramalkan hal-hal berdasarkan pola dan faktor lain yang telah dilatih. Apa yang menjadikan sesuatu itu jadi lebih mudah untuk di kuasai. Pengenalan dilakukan dengan cara yang simple tanpa menghabiskan banyak waktu.
Pembelajaran mesin membutuhkan pelatihan
Anda harus memberi tahu model pembelajaran mesin apa yang akan diprediksikannya. Pikirkan bagaimana anak manusia belajar. Ini adalah penyederhanaan yang berlebihan sedikit karena saya meninggalkan bagian dimana Anda juga harus mengatakannya bahwa itu bukan pisang dan tunjukkan berbagai jenis pisang, warna yang berbeda, gambar dari perspektif dan sudut yang berbeda, dll.
Ketepatan 80% dianggap sukses
Teknologi ini tidak mengetahui dimana platform pembelajaran mesi akan mencapai akurasi 100% dengan mengidentifikasi pisang dalam gambar. Tapi tidak apa-apa, ternyata manusia juga tidak 100% akurat. Aturan yang dikatakan dalam indutri ini adalah bahwa model dengan akurasi 80% adalah sebuah kesuksesan.
Manfaat pembelajaran mesin dalam memprediksi
Jika Anda hanya mengenal wajah teman Anda dalam gambar, berarti Anda tidak memakai modelpembelajaran mesin. Inti pembelajaran mesin adalah meramalkan hal-hal berdasarkan pola dan faktor lain yang telah dilatih. Apa yang menjadikan sesuatu itu jadi lebih mudah untuk di kuasai. Pengenalan dilakukan dengan cara yang simple tanpa menghabiskan banyak waktu.
Pembelajaran mesin membutuhkan pelatihan
Anda harus memberi tahu model pembelajaran mesin apa yang akan diprediksikannya. Pikirkan bagaimana anak manusia belajar. Ini adalah penyederhanaan yang berlebihan sedikit karena saya meninggalkan bagian dimana Anda juga harus mengatakannya bahwa itu bukan pisang dan tunjukkan berbagai jenis pisang, warna yang berbeda, gambar dari perspektif dan sudut yang berbeda, dll.
Ketepatan 80% dianggap sukses
Teknologi ini tidak mengetahui dimana platform pembelajaran mesi akan mencapai akurasi 100% dengan mengidentifikasi pisang dalam gambar. Tapi tidak apa-apa, ternyata manusia juga tidak 100% akurat. Aturan yang dikatakan dalam indutri ini adalah bahwa model dengan akurasi 80% adalah sebuah kesuksesan.
Jika Anda memikirkan betapa bergunanya untuk mengidentifikasi 800.000 gambar dengan benar di koleksi Anda, sementara MUNGKIN TIDAK mendapatkan 200.000 yang benar, Anda masih menyimpan 80% dari waktu Anda.
Itu merupakan perspektif nilai yang sangat besar. Jika saya bisa melambaikan tongkat sihir dan meningkatkan produktivitas Anda sebanyak itu, Anda akan memberi saya banyak uang. Nah, ternyata saya bisa melakukannya dengan mesin pembelajaran.
Itu merupakan perspektif nilai yang sangat besar. Jika saya bisa melambaikan tongkat sihir dan meningkatkan produktivitas Anda sebanyak itu, Anda akan memberi saya banyak uang. Nah, ternyata saya bisa melakukannya dengan mesin pembelajaran.
Pembelajaran mesin berbeda dengan AI
Kebanyakan orang mengatakan hal ini sama dan sangat sederhana. Namun, kenyataan yang di dapat dari para ahli, ini memiliki perbedaan. Perbedaannya sebagai berikut:
AI – Artificial Intelligence : Yang berarti komputer lebih baik dari manusia untuk melakukan tugas tertentu. Seperti robot yang bisa membuat keputusan berdasarkan banyaknya masukan, tidak seperti Terminator atau C3PO. Sebenarnya istilah yang sangat luas itu tidak terlalu berguna.
ML – Mesin belajar adalah metode untuk mencapai AI. Ini berarti membuat prediksi tentang sesuatu berdasarkan pelatihan dari kumpulan data parsing. Ada banyak cara yang berbeda di platform ML yang dapat menerapkan perangkat pelatihan untuk memprediksi sesuatu.
NL – Jaringan syaraf tiruan adalah salah satu cara model pembelajaran mesin untuk memprediksi sesuatu. Jaringan saraf bekerja sedikit seperti otak Anda, dengan menyesuaikan diri dan banyak berlatih untuk memahaminya. Anda akan menciptakan lapisan simpul yang sangat dalam.
Memberikan struktur yang jelas terhadap AI
Sebagian besar model Machine learning bergantung pada manusia untuk melakukan apa yang akan dikerjakan mesin pembelajaran. Inilah yang membuat anda selalu bergantung dengan teknologi tersebut, karena sesuatu yang ingin anda kerjakan. Dan bahkan saat Anda memberikan instruksi yang jelas, biasanya itu masih saja salah. Anda harus begitu eksplisit dengan sistem ini sehingga kesempatan itu tiba-tiba menjadi lebih mudah.
Bahkan halaman web sederhana yang menunjukkan sebuah kotak dengan sebuah kata di dalamnya mengharuskan Anda untuk memberi tahu persis di mana kotak itu muncul, seperti apa bentuknya, warna apa itu, bagaimana cara bekerja pada peramban yang berbeda, bagaimana ditampilkan dengan benar pada perangkat yang berbeda. dll.
Ada banyak cara menghalangi jaringan syaraf yang sangat dalam untuk mengambil alih dunia dan mengubah kita agar terlihat lebih kuat, terutama karena semua yang akan kita lakukan tidak segampang dan semudah yang kita pikirkand.
Aplikasi Teknologi Machine Learning
Data bisa saja sama, namun untuk pendekatan terhadap algoritmanya berbeda-beda dalam hal mendapatkan hasil yang optimal. Berikut merupakan contoh aplikasi pembelajaran mesin:
- Penelusuran web: Laman peringkat berdasarkan apa yang anda klik
- Biologi komputasional: Obat desain rasional di komputer berdasarkan eksperimen masa lalu.
- Keuangan: tetapkan siapa yang akan mengirim kartu kredit yang ditawarkan. Evaluasi risiko pada penawaran kredit dan bagaimana cara memutuskan dimana menginvestasikan uangnya.
- E-commerce: Memprediksi customer churn. Apakah transaksi itu salah atau tidak.
- Eksplorasi ruang angkasa: Menyelidiki ruang angkasa dan astronomi radio.
- Robotika: Bagaimana menangani ketidakpastian di lingkungan baru. Seperti otonom dan Mobil self-driving.
- Pengambilan informasi: Ajukan pertanyaan melalui database di seluruh web.
- Jaringan sosial: Data tentang hubungan dan preferensi. Mesin belajar mengekstrak nilai dari data.
- Debugging: Ini didunakan dalam masalah ilmu komputer seperti debugging.
Dari model yang didapatkan, kita dapat melakukan prediksi yang dibedakan menjadi dua macam, tergantung tipe keluarannya. Jika hasil prediksi bersifat diskrit, maka ini dinamakan proses klasifikasi. Salah satu teknik pengaplikasian machine learning adalah supervised learning. Seperti yang dibahas sebelumnya, machine learning tanpa data ini tidak akan bisa bekerja.
Oleh karena itu hal yang pertama kali disiapkan adalah data. Data biasanya akan dibagi menjadi 2 kelompok, yaitu data training dan data testing.
Dampak Machine Learning di Masyarakat
Dalam penerapan teknologi machine learning ini, kebanyakan orang mungkin telah merasakan dampaknya sekarang. Dalam pengembangan teknologi machine learning ada dampak yang saling bertolak belakang yaitu dampak negatif dan dampak positif. Ini yang akan memberikan masukan yang berdampak buruk dan baiknya, tergantung terhadap orang yang menilainya. Akan tetapi semua ini tidak selalu berjalan dengan mulus.
Dampak positif dari machine learning adalah mendapat kesempatan bagi para wirausahawan dan praktisi teknologi untuk terus berkreasi dalam mengembangkan machine learning. Tentunya untuk membantu aktivitas manusia sebagi sesuatu yang menguntungkan. Itulah salah satu dampak positif dari machine learning. Contohnya adalah untuk pengecekan ejaan untuk tiap bahasa yang ada dalam microsoft Word.
Pengecekan manual akan menghabiskan waktu untuk beberapa hari, juga memerlukan banyak tenaga untuk mendapatkan penulis yang sempurna. Namun, dengan bantuan fitur pengecekan tersebut, maka secara real-time kesalahan yang terjadi saat pengetikan kita bisa langsung melihatnya.
Dampak negatifnya kita harus waspada. Yang takut di khawatirkan yaitu adanya pengurangan tenaga kerja. Kenapa? Karena pekerjaan yang seharusnya di kerjakan oleh banyak orang, sekarang telah digantikan oleh alat teknologi yang disebut sebagai machine learning.
Hal tersebut merupakan suatu permasalahan yang akan kita hadapi. Ditambah dengan ketergantungan terhadap teknologi yang semakin banyak dan berkembang di kehidupan kita. Kadang manusia lebih nyaman dengan perkembangan teknologi sekarang ini seperti gadget.
Sekian artikel seputar teknologi komputer dengan topik pembahasan mengenai Konsep Dasar Teknologi Machine Learning. Semoga bisa memberikan informasi yang berguna bagi Anda yang membutuhkan.