Bagus tidaknya suatu data tergantung dari bagaimana dan apa yang Anda lakukan dengan data tersebut. Dalam konsep machine learning, data digunakan untuk melakukan eksperimen atau membuat suatu prediksi.
Machine learning digunakan untuk membangun model prediksi dengan mendeteksi pola dari dataset yang besar. Kemudian model ini digunakan untuk keperluan analisis seperti prediksi harga, prediksi perilaku pelanggan, klasifikasi dokumen, dan lain-lain.
Dengan banjir data yang terus-menerus, model machine learning memastikan bahwa solusi yang diberikan akan terus diperbarui. Dengan sumber data yang sesuai dan terus berubah ada peluang untuk memprediksi masa depan.
Jadi apa saja jenis Teknik yang digunakan dalam machine learning?
1. Supervised Learning
Supervised Learning seperti namanya, teknik ini bekerja dengan diawasi oleh seseorang. Dalam teknik ini, mesin sebelumnya sudah diajarin menggunakan data yang sudah diberi label. Kemudian, algoritma menganalisis data training dan menghasilkan model prediksi yang benar dari data berlabel.
Misalnya jika kita mengambil keranjang buah, pertama mesin akan mengklasifikasikan buah berdasarkan bentuk dan warnanya kemudian akan mengkonfirmasi nama buah tersebut. Dalam hal ini label bentuk dan warna buah akan memprediksi jenis / nama buah yang sesuai. Jika seseorang mencari anggur, maka machine learning akan menggunakan pengetahuan yang sudah diklasifikasi sebelumnya kemudian memberi Anda hasilnya.
Jadi, dalam supervised learning, kita mulai dengan dataset percobaan dimana masing-masing sample memiliki label terkait yang mengidentifikasinya.
2. Unsupervised Learning
Sebaliknya, dalam unsupervised learning, pelatihan mesin dilakukan dengan menggunakan informasi yang tidak diklasifikasikan atau tidak diberi label. Karena tidak ada pelajaran yang diberikan kepada mesin, mesin itu sendirilah yang menemukan struktur tersembunyi dalam data yang tidak berlabel dan menafsirkannya.
Jadi, misalkan jika mesin sebelumnya sudah dilengkapi dengan gambar pena dan pensil dan kemudian diberikan data yang informasinya tidak tersedia maka mesin mengkategorikannya sesuai dengan persamaan dan perbedaan dari polanya. Mesin dapat memperkirakan kelompok seperti apa yang dapat dibentuk berdasarkan perbedaanya.
Misalnya data yang diinputkan adalah gambar tongkat kayu dengan penutup pulpen seperti gambar di bawah. Mesin bisa jadi memprediksinya menjadi pena dan tutup pensil. Tentu saja karena, tanpa belajar dan tanpa pelatihan, mesin mencoba menafsirkan dirinya sendiri. Sehingga diperlukan sebanyak mungkin data dan percobaan untuk menghasilkan prediksi yang akurat.
3. Reinforcement Learning
Reinforcement learning adalah jenis pembelajaran yang sangat menarik. Karena dalam teknik ini, tidak ada kunci jawaban yang dapat mengatakan apa yang benar. Namun, agen reinforcement learning akan melakukan tugasnya dengan menghasilkan hasil yang paling baik. Teknik machine learing ini adalah tentang mengambil tindakan yang sesuai dan memaksimalkan rewards dalam situasi tertentu. Mesin akan menerima rewards dan punishments berdasarkan keputusan yang diambilnya. Untuk itu mesin akan mempertingkangkan keputusannya sebaik mungkin.
Misalnya dalam skenario yang diberikan, rewards bisa berupa utilitas dan agen bisa diberitahu agar menerima utilitas sebanyak mungkin untuk "menang".
Pada dasarnya, agen memutuskan apa yang harus dilakukan untuk melakukan tugas yang diberikan. Sekarang, karena set data pelatihan tidak ada, agen harus belajar dari pengalamannya.
Ringkasan
Ini hanyalah dasar-dasar dari machine learning, masih banyak materi machine learning yang di bahas disini. Tapi setidaknya, anda sudah mengetahui secara konseptual tentang jenis Teknik yang digunkan dalam machine learning. Untuk pembahasan lebih lanjut, silahkan kunjungi artikel berikutnya.
Terima Kasih.
sdfsdf
ReplyDelete