Pertemuan 1 - AI Indonesia Academy Surabaya Batch #1

114 views

Published on

Artificial Intelligence Indonesia Academy adalah sebuah program mentoring non-profit untuk para pelajar/non-pelajar Indonesia tentang Machine Learning (ML) dan Natural Language Processing (NLP).

Pada program mentoring ini para peserta akan di bantu untuk mempelajari ML dan NLP dari awal hingga bisa menerapkan pengetahuan nya menjadi teknologi baru.

Di pertemuan yang pertama telah dibahas secara komprehensif konsep dasar dari Machine Learning dari sudut pandang praktisi.
Saat acara berlangsung, alokasi waktu terbanyak ada pada sesi diskusi, karena para peserta sangat antusias sekali untuk tau tentang Machine Learning.

https://artificialintelligence.id/ai-indonesia-academy-batch-1-3507d130e187

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
114
On SlideShare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
3
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Pertemuan 1 - AI Indonesia Academy Surabaya Batch #1

  1. 1. Agenda • Pengakraban peserta • Pembahasan program mentoring • Pembahasan konsep dasar Machine Learning • Diskusi
  2. 2. Artificial Intelligence Indonesia Academy Surabaya Batch #1
  3. 3. Topik • Supervised Machine Learning untuk task klasifikasi
  4. 4. Tujuan • Mengerti, mampu menerapkan dan mampu mengevaluasi algoritma untuk Supervised Machine Learning dalam task klasifikasi
  5. 5. Timeline • 12 Maret 2016 – Mengerti Konsep Dasar Machine Learning • 19 Maret 2016 – Menerapkan Konsep Dasar (Full Hands-on) • 02 April 2016 – Mengevaluasi Algoritma/Metode yang digunakan
  6. 6. Pertemuan 1 Konsep Machine Learning
  7. 7. Machine Learning? • Teori, Definisi secara luas: “A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.” (Mitchell, 1997, p. 2) • Peneliti: Fokus studi (sub-studi dari Computer Science & Statistics) • Praktisi: Salah satu cara yang digunakan untuk menyelesaikan masalah
  8. 8. Machine Learning • Supervised Machine Learning • Diberikan data sebagai contoh • Menentukan hasil berdasarkan contoh • Unsupervised Machine Learning • Tidak diberikan data sebagai contoh • Menemukan pola dan hubungan antar data yang diberikan
  9. 9. Supervised Machine Learning dalam Prakteknya Input Output Training Data Algoritma Machine Learning Model Input ? Data Baru Model Output
  10. 10. Training Data • Pasangan input dan output • Data di representasikan berupa vektor • Feature engineering
  11. 11. Training Data Task: Menentukan harga kontrakan yg optimal untuk mahasiswa di daerah Kampus C, Universitas Airlangga Data: Daftar data alamat, harga, ukuran dll kontrakan di kampus C Contoh Training data: <(“jl. X”, 8m2), 600.000> <(“jl. Y”, 5m2), 260.000>
  12. 12. Training Data Klasifikasi • Outputnya bukan hanya satu numerikal tapi beberapa kelas/kelompok. • Contoh: • Klasifikasi penyakit kanker dari data pasien sebelumnya • Klasifikasi sentimen (positif, netral, negative) • Klasifikasi email spam (spam, bukan spam) • Klasifikasi bahasa pemograman (C, C++, Go, Rust, dll)
  13. 13. Algoritma Supervised Machine Learning • Bayesian • Decision Tree • Naive-bayes • Support Vector Machines (SVM) • Random Forests
  14. 14. Model • Dalam prakteknya model inilah yang digunakan sebagai core teknologinya • Untuk dipadukan dengan teknologi lainnya • Web • Mobile • Car • Drone
  15. 15. Review Input Output Training Data Algoritma Machine Learning Model Input ? Data Baru Model Output
  16. 16. Pertemuan Kedua • Feature engineering • Pemahaman algoritma yang digunakan • Membuat teknologi berbasis Machine Learning Sampai jumpa di pertemuan kedua! 19 Maret 2016 Pukul 13.00-16.00

×