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.