Beberapa hal yang perlu diketahui dengan Machine Learning

Machine Learning merupakan sistem yang secara otomatis akan mempelajari dirinya sendiri melalui data yang telah diperoleh. Machine Learning dapat aplikasikan pada mesin pencari website, spam filter, recommender system, credit scoring, fraud detection, stock trading, drug design, dan banyak lagi aplikasi yang lainnya. Menurut penelitian yang dilakukan oleh the McKinsey Global Institute Asserts bahwa machine learning pada era yang akan datang akan menjadi sebuah teknologi inovatif yang berkembang pesat. Pada saat ini sudah banyak tersedia referensi mengenai machine learning baik berupa textbook atau paper yang telah di publish oleh sumber yang dapat dipercaya.

Misalkan, jika anda akan membuat sebuah aplikasi yang dapat menyelesaikan masalahnya sendiri, maka hal pertama yang harus dilakukan adalah bagaimana membuat algoritma yang akan di simpan pada aplikasi tersebut, sedangkan metode algoritma untuk machine learning itu banyak sekali, sehingga kita harus dapat menentukan algoritma mana yang paling efektif dan efisien? Tapi pada intinya algoritma manapun yang akan anda gunakan, harus memiliki beberapa sifat dasar dari ketiga komponen di bawah ini :

1.   Representation.

Pengelompokan harus dapat digambarkan oleh beberapa bahasa pemrograman yang sudah familiar. Pada bagian ini kita dapat menyebutnya sebagai pembelajaran hypothesis space. Jika pengelompokan yang kita lakukan tidak berdasarkan pada hypothesis space, maka sudah dapat dipastikan bahwa machine learning yang akan di bangun tidak sesuai dengan apa yang diharapkan.

2.   Evaluation.

Pada bagian ini lebih menitik beratkan pada kualitas salah satu isi dari pengelompokan itu sendiri, kita dapat menamakannya sebagai objective function atau scoring  function. Fungsi evaluation dilakukan secara internal yang memungkinkan sebuah algoritma dapat melakukan hal yang berbeda dari kelompok itu sendiri untuk hasil yang lebih optimal.

3.   Optimization.

Untuk membangun sebuah machine learning yang baik, kita memerlukan suatu metode tertentu untuk mencari salah satu metode yang paling unggul dalam suatu kelompok. Teknik Optimization merupakan bagian yang paling penting dalam efisiensi pembelajaran, dan ini dapat menentukan kelompok yang dihasilkan jika objective function pada Evaluation  memiliki lebih dari satu metode yang optimum. Dengan Optimization maka akan menghasilkan suatu keadaan pembelajaran baru dan akan mengganti salah satu metode pembelajaran yang sekiranya sudah tidak dapat digunakan.