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.

Read More

Pengantar Machine Learning

Dalam bidang ilmiah cara terbaik untuk mendefinisikan suatu hal adalah dengan cara memberikan satu pertanyaan inti. Bidang Machine Learning berusaha untuk menjawab pertanyaan tersebut.

"Bagaimana kita dapat membangun sebuah sistem komputer yang secara otomatis akan meningkatkan kemampuannya melalui beberapa tahapan pembelajaran yang telah dilalui, dan apa hukum dasar yang dapat mengatur semua proses pembelajaran itu?"

Pertanyaan ini mencakup berbagai berbagai teori pembelajaran, seperti bagaimana merancang sebuah robot mobile yang dapat melakukan navigasi melalui serangkaian proses pembelajaran yang telah dilalui? bagaimana sebuah data medis akan mempelajari histori pasien pada masa yang akan datang melalui beberapa perawatan yang sedang berjalan? dan bagaimana membangun sebuah mesin pencari yang secara otomatis akan menyesuaikan dengan apa yang diinginkan oleh pengguna?

Machine Learning adalah hasil alami irisan antara Computer Science dan Statistik. Kita dapat mendefinisikan Computer Science melalui sebuah pertanyaan : "Bagaimana kita dapat membangun sebuah mesin yang dapat menyelesaikan masalahnya sendiri, dan mana saja masalah-masalah yang dapat diselesaikan?".  Sedangkan untuk Statistik itu sendiri kita dapat buat sebuah pertanyaan "Apa yang dapat disimpulkan dari sebuah data dengan asumsi menggunakan pemodelan? 

Pendefinisian Machine Learning dapat diperoleh atas kedua unsur diatas, walaupun keduanya memiliki pengertian yang berbeda. Computer Science lebih difokuskan pada cara kerja secara manual dari program komputer, sedangkan Machine Learning lebih focus pada pertanyaan bagaimana komputer dapat bekerja dan menyelesaikan masalah dengan programnya sendiri? Pada bidang statistik lebih difokuskan terutama pada apa yang dapat disimpulkan dari sebuah data, sedangkan pada Machine Learning dapat ditambahkan melalui pertanyaan tentang arsitektur komputasi dan algoritma apa yang dapat digunakan sehingga dapat bekerja secara efektif dalam menyimpan, mengindeks, mengambil serta menggabungkan data-data tersebut?

Pertanyaan yang mendefinisikan Machine Learning akan berkaitan erat dengan Human Learning. Walau bagaimanapun untuk saat ini wawasan mengenai Machine Learning diperoleh dari study Human Learning yang isinya jauh lebih rendah dari Statistik dan Computer Science, terutama karena lemahnya pemahaman kita tentang Human Learning. Namun demikian, sinergi antara Machine Learning dan Human Learning terus berkembang, contoh penggunaan algoritma Machine Learning seperti untuk membedakan sinyal syaraf yang ada pada manusia dengan hewan. 

Pada bidang lain, Machine Learning, digunakan pula untuk menyelesaikan masalah-masalah perekonomian hingga teori kontrol. Dalam hal bidang ekonomi, Machine Learning  dapat memprediksi suatu harga yang ada di pasaran sehingga didapatkan harga yang paling optimal bagi masyarakat umum. Dalam penggunaan teori kontrol, Machine Learning dapat meningkatkan strategi kontrol melalui beberapa pembelajaran. 

Beberapa contoh aplikasi yang didalamnya menggunakan teknologi Machine Learning adalah sebagai berikut :

• Speech recognition.
• Computer vision
• Bio-surveillance.
• Robot control.
• Accelerating empirical sciences. 

Read More