3 Cabang Machine Learning

Halo! machine learning banyak sekali membantu kita sebagai manusia, untuk memecahkan masalah dalam kehidupan sehari-hari. Mulai dari Youtube, Facebook, Instagram, dan lainnya. Jika Kamu melihat rekomendasi video, postingan, ataupun iklan yang sesuai dengan kesukaanmu, itu semua adalah hasil dari algoritma machine learning yang berhasil mengetahui karakter kamu sebagai pemakai.

Jika kamu memasang iklan di instagram atau facebook ataupun google, itu semua menggunakan machine learning. Iklan yang kamu pasangkan tidak akan secara random disebarkan, namun iklan kamu sesuai sasaran user. Misalnya, kamu jualan bunga, kamu pasang produkmu di google maka google akan menampilkan iklan kamu hanya kepada user yang menyukai bunga, sehingga iklan kamu lebih efektif dan efisien dengan harga yang terjangkau.

Oke!

Sebelumnya machine learning itu ada 3 jenis pemebelajaran (learning), yuk kita simak apa ketiganya itu...

1. Pertama, Supervised Learning (belajar dengan label)

Bayangkan saja seperti kamu dan guru kamu sedang belajar nama nama buah. Kamu akan diberitahu oleh oleh guru kamu nama buah ini nama buah itu. Misalnya gambar pisang, kamu akan diberitahu ini adalah pisang oleh gurumu, kamu diberi gambar semangka, gurumu akan memberitahu kamu itu adalah semangka.

Soooo... Mungkin agak sulit dicerna saat kamu baru mulai belajar, tapi ini jenis pembelajaran termudah di machine learning.

Lihat gambar diatas ya... yang bagian supervised learning.

Input data             : gambarnya

Annotation           : labelnya (ini yang dikatakan oleh gurumu tadi, kita sebut label disini)

Model                   : Hasil dari pelatihan komputasi

          Prediction             : Prediksi dari gambar (gambar apel yang dikasi tanda tanya itu lohh)

Jadi di supervised learning kita sebagai programmer kita diberi 2 data yaitu 

1. Feature (ini misalnya gambar apel dalam bacaan ini aja yaa, bisa juga tinggi apel, warna apel, dan banyak lagi seadanya kalian)

2. Target / Label (Jawaban yang benar, jika kamu dikasi gambar apel maka kamu akan menjawab itu adalah apel, dan itu adalah jawaban yang benar. Itulah yang dinamakan label)

2. Unsupervised Learning (Pembelajaran tanpa label)

Ini bedanya sama yang tadi cuman urusan labelnya. Kalau disini kamu cuman dikasi 1 data yaitu,

1. Feature

Nah itu saja... kamu disuruh untuk memprediksikan tanpa adanya label.

Lohh caranya gimana. Jawabannya................ CLUSTERING atau pengelompokkan lah di indonesiakan

Bayangkan aja kamu orang baik-baik, tapi kamu punya teman bandar narkoba. Kebetulan kamu lagi nongkrong sama dia. TIBA-TIBA polisi datang. Tentu kamu tidak memakai narkoba tapi teman kamu bandar narkoba, jadi polisi anggap kamu juga pengguna padahal kamu tidak menggunakan narkoba.

ITulah yang disebut CLUSTERING. Dalam cerita ini polisi yang meng-CLUSTER tongkrongan kamu. Mana yang pengguna narkoba dan tidak menggunakan narkoba.

Simple ya gitu aja.....

Jadi tanpa adanya label kita dapat memisahkan yang mana pengguna narkoba dan tidak, namu kemungkinan salahnya juga lumanyan besar. Seperti yang kamu lihat dalam cerita diatas. KAMU DITANGKAP POLISI JUGA.

3. Reinforcement Learning (Pembelajaran Hukum dan Hadiah)

Kita pernah mendengar bahwa "PEMBELAJARAN SEJATI YAITU MELAKUKAN KESALAHAN TERLEBIH DAHULU LALU MECOBANYA LAGI DAN LAGI". Reinforcement seperti itu.

Jadi........ komputer melakukan  kesalahan dan menjadi lebih baik dari kesalahan sebelumnya. 

Pendapatku lohh ya.. Ini jenis pembelajaran yang "SULIT UNTUK DIPELAJARI"

Well.. Kamu start dari supervised aja dulu biar lebih gampang.

It's Time to Dominate 💪