machine learning icon

Pendahuluan Machine Learning

Seiring jalannya tahun, Machine Learning semakin banyak dilirik oleh mata umum. Semakin banyak industri menggunakan Machine Learning untuk mengatasi masalah yang bersifat heuristik.

Apa itu Machine Learning ?

Machine Learning adalah cabang kecerdasan buatan (AI) yang berfokus pada penggunaan data dan algoritma untuk meniru cara manusia belajar, yang secara bertahap meningkatkan akurasinya.

Selama beberapa tahun terakhir, kemajuan teknologi dalam penyimpanan dan kekuatan pemrosesan telah memungkinkan beberapa produk inovatif berdasarkan Machine Learning, seperti sistem rekomendasi Netflix, Youtube dan otomasi pengendaraan mobil Tesla, Waymo (autopilot).

Machine Learning adalah komponen penting dari bidang Data Science  yang sedang berkembang saat ini. Melalui penggunaan metode statistik, algoritma belajar untuk melakukan klasifikasi atau prediksi sesuai dengan data yang diberikan, sering juga digunakan untuk mengidentifikasi wawasan didalam proyek data mining yang sering dilakukan praktisi Machine Learning.

Wawasan ini selanjutnya mendorong pengambilan keputusan dalam aplikasi dan bisnis, idealnya memengaruhi metrik pertumbuhan utama. Karena data besar terus berkembang dan tumbuh, permintaan pasar untuk Data Scientist akan meningkat.

Mereka akan diminta untuk membantu mengidentifikasi pertanyaan bisnis yang paling relevan dan data untuk menjawabnya.

Machine Learning biasanya dibuat menggunakan framework yang mempercepat solusi pengembangan, seperti TensorFlow, PyTorch dan JAX.

tensorflow machine learning pytorch machine learning jax machine learning

Machine Learning vs. Deep Learning vs. Neural Network

machine learning

Karena Deep Learning dan Machine Learning cenderung digunakan secara bergantian, perlu diperhatikan perbedaan di antara keduanya. Machine Learning, Deep Learning, dan Neural Networks merupakan subset Artificial Intelligence (Kecerdasan Buatan).

Namun, Neural Network sebenarnya adalah subset Machine Learning, dan Deep Learning adalah subset Neural Network.

Perbedaan Deep Learning dan Machine Learning terletak pada cara masing-masing algoritma.

Machine Learning dapat menggunakan kumpulan data berlabel, juga dikenal sebagai supervised learning, untuk menginformasikan algoritmanya, tetapi tidak selalu memerlukan kumpulan data berlabel.

Deep Learning dapat menerima data tidak terstruktur dalam bentuk mentahnya (misalnya, teks atau gambar), dan dapat secara otomatis menentukan serangkaian fitur yang membedakan kategori data yang berbeda satu sama lain.

Ini menghilangkan beberapa intervensi manusia yang diperlukan dan memungkinkan penggunaan kumpulan data yang lebih besar.

Classical Machine Learning, atau “Machine Learning dalam ukuran kecil”, lebih bergantung pada intervensi manusia untuk belajar.

Orang yang ahli di bidang tersebut menentukan serangkaian fitur untuk memahami perbedaan antara input data, biasanya membutuhkan data yang lebih terstruktur untuk dipelajari.

Neural Networks, atau Artificial Neural Networks (ANN), terdiri dari lapisan node, yang berisi lapisan input, satu atau lebih lapisan tersembunyi, dan lapisan output.

Setiap node, atau neuron buatan, terhubung ke yang lain dan memiliki weights dan threshold yang terkait.

Jika output dari setiap individu dari node berada di atas nilai threshold batas yang ditentukan, node tersebut diaktifkan, mengirimkan data ke hidden layer berikutnya.

Jika tidak, maka tidak ada data yang diteruskan ke hidden layer berikutnya oleh node itu.

Definisi “deep” di Deep Learning hanya mengacu pada jumlah hidden layer neural network.

Neural Networks yang terdiri dari lebih dari tiga lapisan yang mencakup input dan output dapat dianggap sebagai algoritma deep learning atau deep neural networks. Neural network yang hanya memiliki tiga lapisan hanyalah neural network sederhana.

Deep Learning dan Neural Networks dikreditkan dengan percepatan kemajuan di berbagai bidang seperti Computer Vision, NLP (Natural Language Processing), dan Speech Recognition.

Contoh Aplikasi Machine Learning

Machine Learning untuk saat ini sangat banyak digunakan di berbagai industri.

  • NMT (Neural Machine Translation) : Memungkinkan suatu komputer atau mesin untuk meng-translasi satu bahasa ke bahasa lain, seperti :
    • Mesin Translasi Bahasa Google (Google Translate)
  • Recommendation System : Memberikan dan menyediakan saran untuk user atau pengguna sesuai dengan aplikasi tersebut, seperti :
    • Rekomendasi musik spotify
    • Sistem rekomendasi film Netflix
    • Video anjuran Youtube
    • Search Engine Google
  • Speech-to-Text : Mengkonversikan arti dari suara/bahasa yang diucapkan seseorang menjadi teks, seperti :
    • Sistem Subtitle dan Closed-Caption Youtube.

Frequently Asked Question ( FAQ )

Apa saja jenis-jenis Machine Learning ?

Machine Learning terdiri dari beberapa jenis : supervised learning, semi-supervised learning, unsupervised learning, dan reinforcement learning.

Baca juga : Jenis Jenis Machine Learning yang harus Kamu Tahu di 2022

Apa bahasa pemrograman yang tercocok untuk Machine Learning ?

Bahasa pemrograman yang paling populer saat ini paling banyak digunakan di dunia Machine Learning antara lain adalah Python dan R. (Additional : SQL juga banyak digunakan di dunia Machine Learning untuk query, analisis, pengumpulan, aggregasi data, dan lain-lain.)

Bidang apa saja yang perlu dikuasai dalam mempelajari Machine Learning ?

Untuk menguasai Machine Learning, perlu menguasai 3 topik, yakni :

  • Matematika (meliputi topik-topik seperti Probabilitas, Statistik, Geometri, Linear Aljabar, Calculus,  dan lain-lain).
  • Programming (bahasa pemrograman seperti Python, R, dan SQL)
  • Domain Expertise (Keahlian dalam suatu domain, sektor atau bagian)

Apakah Machine Learning susah untuk dikuasai ?

Machine Learning bisa susah maupun gampang untuk dikuasai bergantung dari diri masing-masing. Beberapa penyebab mengapa Machine Learning bisa susah :

  • Kualifikasi skill yang tinggi
  • Diperlukan banyak skill untuk menguasai dunia Machine Learning

Tinggalkan Komentar

Alamat email Anda tidak akan dipublikasikan.