Buat Akun DQLab & Akses Kelas Data Science Python, R, SQL, Excel GRATIS!

4 Pengelompokan Tipe Machine Learning

Belajar Data Science di Rumah 10-Mei-2023
https://dqlab.id/files/dqlab/cache/c8aeeb987eb4b85cd443321096c15a82_x_Thumbnail800.jpeg

Di era sekarang hampir semua sektor sudah menggunakan teknologi di dalamnya, salah satu teknologi yang sering dipakai adalah machine learning. Nah selain itu, Machine learning ini adalah salah satu cabang artificial intelligence (AI) atau kecerdasan buatan yang bisa membantu aktivitas manusia setiap harinya. Sebenarnya machine learning ini memiliki potensi besar dalam kemajuan teknologi manusia, karena dengan adanya machine learning aktivitas manusia bisa dengan mudah dilakukan.


Ada banyak jenis sekali perkembangan machine learning di era sekarang seperti chatbot pada marketplace, penyaring spam pada email, dan lain sebagainya. Dibalik perkembangan ini machine learning juga diikuti dengan berbagai macam dan juga tipe. Tentunya tipe machine learning ini juga memiliki sebuah karakteristiknya masing-masing. Maka dari itu sebagai calon data scientist, kalian perlu memahami dan juga mengetahui tipe machine learning tersebut. Nah, pada artikel kali ini kita akan membahas tipe-tipe apa saja yang ada dalam machine learning, jadi simak terus artikel di bawah ini ya!


1. Supervised Learning

Tipe yang pertama ada supervised learning. Supervised learning ini adalah sebuah algoritma yang cukup sering digunakan di dalam dunia data science. Algoritma jenis ini memiliki ciri khas yang membedakannya dengan algoritma lainnya yaitu algoritma ini belajar untuk bisa membuat sebuah prediksi ataupun klasifikasi. Di dalam supervised learning ini, algoritma akan seakan-akan dilatih dahulu agar bisa melakukan sebuah prediksi atau klasifikasi. Algoritma ini juga sudah ada beberapa macam penerapannya seperti vector machine, random forest, neural network, dan lain sebagainya.


Baca juga : Yuk Kenali Macam-Macam Algoritma Machine Learning!


2. Semi-supervised Learning

Jenis yang kedua ada semi-supervised learning. Jadi tipe algoritma ini hampir tidak memiliki perbedaan dengan supervised learning. Perbedaannya adalah semi supervised learning ini menggunakan data berlabel dan tidak untuk melatih algoritmanya. Nah biasanya, yang data berlabel yang digunakan dalam jumlah kecil dan data yang tidak dilabeli lah yang memiliki jumlah yang besar. Dengan menggunakan metode ini machine learning akan bisa digunakan dengan metode-metode lainnya seperti klasifikasi, regresi, dan juga prediksi. Untuk contoh penggunaannya adalah proses identifikasi wajah seseorang pada webcam ataupun dengan kamera smartphone.


3. Unsupervised Learning

Tipe ketiga ada unsupervised learning. Berbeda dengan algoritma sebelumnya yaitu supervised learning, untuk tipe algoritma ini program atau mesin tidak dilatih sebelumnya untuk melakukan prediksi atau klasifikasi. Jadi algoritma jenis ini tidak memiliki target variabel, sehingga membuat tujuan dari algoritma ini adalah hanyalah untuk mengelompokkan suatu objek yang memiliki kesamaan di dalam sebuah area tertentu. Salah satu contoh penerapannya adalah ketika seorang data analyst ingin mengelompokkan konsumen dengan berdasarkan demografis yang ada. Untuk mengelompokkannya machine learning tidak perlu melalui data training. Dengan menggunakan data yang sudah ada, mesin bisa langsung mengelompokkan konsumen-konsumen itu pada suatu kelompok tertentu. Untuk contoh algoritma unsupervised learning ini adalah K-Means, Hierarchical Clustering, dan lain sebagainya.


Baca juga : Kenali Algoritma Klasifikasi Machine Learning Terpopuler di Tahun 2021


4.   Reinforcement Learning

Keempat ada tipe algoritma dengan nama reinforcement learning. Jadi algoritma ini membuat mesin bisa belajar dengan sendirinya dengan melalui lingkungan yang ada dengan melalui sebuah agent. Dengan kata lain, algoritma ini bisa memungkinkan mesin untuk melakukan pencarian dirinya sendiri dengan berinteraksi dengan sekitarnya. Jadi mesin akan menentukan interaksi seperti apa yang akan komputer lakukan dengan lingkungan tersebut.


Gimana sahabat DQ? Ngga perlu khawatir jika kamu belum memiliki pengalaman tentang machine learning sebelumnya, kamu tetap bisa mengasah pemahaman mendasar kamu tentang machine learning, kamu bisa bergabung dalam modul DQLab yang berjudul “Basic Feature Discovering for Machine Learning” Caranya gimana? Mudah banget kok cukup signup sekarang ke DQLab.id lalu pilih menu learn.


Setelah itu kamu sudah bisa menikmati pembelajaran yang praktis dan aplikatif dan jago machine learning bersama DQLab! Tunggu apa lagi? Yuk, signup sekarang dan mulai belajar Module Premium di DQLab!


Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login