Machine Learning: Yuk Kenali Tipe Machine Learning yang Sering Digunakan di Era Big Data
Machine learning merupakan salah satu cabang dari kecerdasan buatan yang lebih dikenal dengan artificial intelligence (AI). Machine learning merupakan suatu teknologi yang sangat menarik karena teknologi ini bisa belajar layaknya manusia. Istilah Machine learning pertama kali ditemukan oleh beberapa ilmuan di bidang matematika, yaitu Adrien Marie Legendre, Thomas Bayes dan Andrey Markov sekitar tahun 1920. Salah satu penerapan machine learning adalah Deep Blue. Deep Blue merupakan machine learning yang dikembangkan agar bisa belajar dan bermain catur. Contoh lain penerapan Machine Learning adalah fitur face unlock di smartphone.
Cara kerja Machine Learning berbeda-beda tergantung tujuan penggunaannya. Namun prinsip kerjanya masih sama yaitu pengumpulan data, eksplorasi data, pemilihan model atau teknik, memberikan pelatihan terhadap model yang dipilih dan mengevaluasi hasil dari machine learning. Pada artikel kali ini, DQLab akan menjelaskan teknik belajar Machine Learning. Jika kamu masih penasaran mengenai pengertian Machine Learning, DQLab sudah pernah membahasnya dan kamu bisa membacanya disini. Oke, sudah siap belajar lebih jauh tentang Machine Learning? Baca artikelnya sampai selesai ya!
1. Supervised Learning
Supervised learning adalah teknik belajar machine learning yang paling populer. Teknik ini paling mudah dipahami dan diterapkan. Supervised learning digunakan pada machine learning yang bisa menerima informasi yang sudah ada pada data sebelumnya dengan memberikan label tertentu.
Salah satu fungsi supervised learning adalah mengklasifikasi suatu email sebagai kategori spam. Filter spam pada sebuah email merupakan salah satu contoh supervised learning. Ketika ada suatu email masuk, sistem akan secara otomatis memberi label apakah email tersebut termasuk ke dalam kategori email spam atau tidak. Sistem ini mempelajari cara memfilter email berbahaya berdasarkan email yang sebelumnya pernah dikategorikan berbahaya oleh pengguna (user). Dengan adanya sistem ini membantu pengguna email tidak merasa terganggu karena email yang memiliki karakteristik spam akan langsung masuk ke kolom spam.
Baca Juga: Intip 3 Penerapan Algoritma Machine Learning
2. Unsupervised Learning
Teknik unsupervised learning diharapkan mampu menemukan pola tersembunyi dari sebuah data. Teknik ini dapat digunakan pada machine learning yang datanya tidak memiliki informasi yang bisa diterapkan secara langsung.
Salah satu fungsi unsupervised learning adalah fitur rekomendasi video pada YouTube. Sistem pada YouTube dapat mengenali dan mencatat semua karakteristik video yang pernah kita tonton seperti lama durasi, genre, dan lain sebagainya. Dengan data tersebut dan ditambah dengan riwayat pengguna lain yang menonton video serupa dengan kita, YouTube dapat memberi rekomendasi video serupa yang belum kita tonton.
3. Reinforcement Learning
Reinforcement learning sedikit berbeda jika dibandingkan dengan supervised dan unsupervised learning. Reinforcement learning melakukan suatu aksi berkali-kali pada sebuah permasalahan untuk mendapatkan hasil atau reward yang paling maksimal.
Salah satu contoh penerapan reinforcement learning adalah program AlphaGo. AlphaGo adalah program komputer yang berhasil memenangkan pertandingan dari sebuah permainan papan strategis yang biasa dimainkan oleh dua pemain. Program ini dikembangkan oleh Google Deepmind di London. AlphaGo akan melawan dirinya sendiri secara berulang-ulang dan mempelajari aksi yang dilakukan oleh dirinya sendiri untuk melatih dirinya sendiri. Data hasil pertandingan akan digunakan untuk mengembangkan kepintarannya dalam mengambil langkah di pertandingan selanjutnya. Proses ini dilakukan secara terus menerus sampai AlphaGo dapat mengalahkan pemain profesional.
Baca Juga: Pahami Beberapa Konsep Statistik Berikut Sebelum Membuat Model Machine Learning
4. Ingin Belajar Machine Learning? Yuk, Gunakan Voucher BELAJARGRATIS untuk Akses DQLab GRATIS Selama 1 Bulan!
Terapkan ilmunya sekarang dengan bergabung bersama platform belajar online DQLab! Selain bisa meningkatkan ilmu data yang dimiliki, kamu juga bisa membangun portofolio datamu di DQLab guna mempersiapkan dirimu berkarir di industri data.
Sign Up untuk nikmati module GRATIS "Introduction to Data Science" dengan pengalaman belajar yang seru menyenangkan serta aplikatif pada industri nyata! Untuk kamu yang ingin mulai belajar Data Science atau siap berkarir jadi Data Analyst, Data Scientist, dan Data Engineer, persiapkan diri kamu dengan tepat sekarang. Tidak ada kata terlambat untuk belajar. Yuk #MulaiBelajarData di DQLab.
Dengan belajar di DQLab, kamu bisa:
Menerapkan teknik mengolah data kotor, hasilkan visualisasi data dan model prediksi dengan studi kasus Retail dan Finansial
Dapatkan sesi konsultasi langsung dengan praktisi data lewat data mentoring
Bangun portofolio data langsung dari praktisi data Industri
Akses Forum DQLab untuk berdiskusi.
Simak informasi di bawah ini untuk belajar GRATIS selama 1 Bulan dengan redeem kode voucher BELAJARGRATIS sekarang!
Daftarkan akun email pada DQLab.id
Aktifkan akunmu melalui email, check juga di folder SPAM
Log in pada academy.dqlab.id
Klik ke menu redeem voucher dan masukkan kode voucher
Bisa belajar GRATIS selama 1 Bulan!
Penulis: Galuh Nurvinda Kurniawati
Editor: Annissa Widya Davita