DQLab Super Giveaway! Belajar Data Science 6 Bulan hanya Rp.99.000! DAFTAR

Pakai Kode: KUPON99K. Berakhir 0 Days 21 Jam : 5 Menit : 37 Detik

Tipe Machine Learning : Yuk, Kenalan dengan Reinforcement Learning!

Belajar Data Science di Rumah 12-Desember-2020
https://dqlab.id/files/dqlab/cache/f094ef8e7cb7e97cbb47aac0330edeb2_x_Thumbnail800.jpg

Tipe Machine Learning yang lebih sering ditemui adalah Supervised Learning dan Unsupervised Learning. Tapi ternyata, ada satu lagi tipe Machine Learning yang gak begitu banyak dibicarakan dibandingkan dua tipe lainnya, yaitu Reinforcement Learning. Wah, apa lagi tuh? Jadi singkatnya, tipe Machine Learning ini melakukan proses pembelajaran atau training dengan proses testing atau proses pengambilan keputusan secara bersamaan. Berbeda dengan dua tipe lainnya yang harus training terlebih dahulu.

Penganalogian tipe Reinforcement Learning ini sendiri seperti yang dianalogikan oleh Nam Do-San di K-Drama “Start-Up”. Ketika Tarzan memberikan Jane batu, Jane tidak suka tetapi ketika diberikan bunga, Jane suka, sehingga Tarzan dapat mengetahui apa yang disukai oleh Jane. Nah, proses pemberian barang ini merupakan proses training dan testing secara bersamaan karena Tarzan belajar dengan cara melakukan berbagai percobaan.

Berikut ini akan dibahas lebih lanjut mengenai tipe Machine Learning Reinforcement Learning. Yuk, simak ulasan berikut ini!

1. Pengertian Reinforcement Learning

Reinforcement Learning merupakan salah satu tipe Machine Learning yang cukup berbeda dengan dua algoritma lainnya, yaitu Supervised Learning dan Unsupervised Learning. Pada algoritma ini, komputer akan dibuat mampu untuk belajar sendiri dari lingkungan yang ada dari sebuah agent (entitas yang diasumsikan melakukan action di lingkungan tertentu). Sehingga kita tidak perlu lagi melakukan proses training yang berbeda. Atau singkatnya, Reinforcement Learning ini membuat software dapat melakukan action tertentu berdasarkan hasil belajarnya dari lingkungan. Tipe Machine Learning ini termasuk ke bagian Deep Learning.

Baca juga : 3 Jenis Algoritma Machine Learning yang Dapat Digunakan di Dunia Perbankan

2. Kapan Harus Menggunakan Reinforcement Learning

Tentunya ketika kita ingin menggunakan sebuah algoritma, kita harus mengetahui hal apa saja yang menjadi pertimbangan untuk menggunakannya. Algoritma Reinforcement Learning ini sangat cocok digunakan jika data yang kita miliki tidak cukup untuk menyelesaikan masalah atau tidak cukup untuk dilakukan proses training di algoritma Supervised Learning. Namun jika kita memiliki data yang cukup, maka lebih baik untuk tidak menggunakan algoritma ini karena pada dasarnya Machine Learning tipe ini lebih banyak menggunakan komputasi dan memakan waktu yang lebih lama.

3. Penerapan Reinforcement Learning

Contoh penerapan dari tipe Machine Learning ini adalah pada sistem Google’s Active Query Answering (AQA). Setiap pertanyaan yang diajukan oleh pengguna akan dilakukan formulasi ulang. Proses reformulasii ini menggunakan model sequence to sequence, namun Google telah mengintegrasikan Reinforcement Learning agar dapat membuat chatbot mereka berinteraksi dengan baik kepada pengguna. Beberapa contoh penerapan lainnya adalah dalam perencanaan strategi bisnis, kontrol pesawat dan control gerak robot, robotika untuk otomasi industri, dll.

Baca juga : Belajar Data Science: Pahami Penggunaan Machine Learning pada Python

4. Mulai Terapkan Ilmunya dengan Belajar Data Science bersama DQLab!

Tidak memiliki background IT? Jangan khawatir, kamu tetap bisa menguasai Ilmu Data Science untuk siap berkarir di revolusi industri 4.0. Bangun proyek dan portofolio datamu bersama DQLab untuk mulai berkarir di industi masa kini! Sign up sekarang untuk #MulaiBelajarData di DQLab!

Simak informasi di bawah ini untuk mengakses gratis module ‘Introduction to Data Science’:

1. Buat Akun Gratis dengan Signup di DQLab.id/signup

2. Akses module Introduction to Data Science

3. Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab

4. Subscribe DQLab.id untuk Akses Semua Module Premium!


Penulis : Gifa Delyani Nursyafitri

Editor : Annissa Widya Davita

Share

Postingan Terkait

Mulai Bangun Karirmu Bersama DQLab!