Dokumen tersebut merupakan pengantar pembelajaran mesin yang menjelaskan konsep dasar pembelajaran mesin seperti belajar dari data, algoritma yang digunakan untuk berbagai aplikasi seperti deteksi spam, rekomendasi buku, dan jenis-jenis pembelajaran mesin seperti pembelajaran berbasis konsep, pembelajaran Bayesian, pembelajaran berbasis instance, jaringan saraf, algoritma genetika, dan pembelajaran penguatan.
3. Dunia didorong oleh data.
Belajar dari Data
• Pusat penelitian iklim Jerman
menghasilkan 10 petabyte per tahun
• Google memproses 24 petabyte per hari
• Large Hadron Collider menghasilkan 60
gigabyte per menit (~ 12 DVD)
• Ada lebih dari 50 juta transaksi kartu
kredit per hari di Amerika Serikat.
5. Data direkam dari beberapa fenomena dunia nyata.
Apa yang mungkin ingin kita lakukan dengan data itu?
Belajar dari Data
• Ramalan
• Apa yang bisa kita prediksi tentang fenomena ini?
• Deskripsi
• Bagaimana kita dapat menggambarkan / memahami fenomena
ini dengan cara yang baru?
6. Bagaimana cara mengekstrak pengetahuan dari data untuk membantu
manusia mengambil keputusan?
Bagaimana kita bisa mengotomatisasi keputusan dari data?
Bagaimana
memungkinkan pengalaman pengguna yang lebih baik?
kita dapat menyesuaikan sistem secara dinamis untuk
Tulis kode
untuk
melakukan
tugas-tugas di
atas secara
eksplisit
bagaimana
melakukan tugas-
tugas
komputer belajar
Tulis kode untuk
membuat
Belajar dari Data
7. Apa itu Machine Learning?
Machine Learning adalah salah satu disiplin
ilmu dari Ilmu Komputer yang mempelajari
bagaimana membuat komputer/mesin itu
mempunyai suatu kecerdasan
Agar memiliki suatu kecerdasan,
komputer/mesin harus dapat belajar.
Dengan kata lain, Machine Learning adalah
suatu bidang keilmuan yang berisi tentang
pembelajaran komputer/mesin untuk menjadi
cerdas
9. Penggunaan Machine Learning untuk mendeteksi SPAM
Pembelajaran Mesin
Algoritma yang dipakai:
• Naïve Bayes
• Penambangan Aturan
Kepada: you@gmail.com
DAPATKAN IJAZAH ANDA HARI INI!
Jika Anda mencari cara cepat dan murah untuk
mendapatkan ijazah, ini adalah jalan keluar terbaik untuk
Anda.
Pilih bidang dan gelar yang diinginkan dan hubungi kami
sekarang juga: Untuk AS: 1.845.709.8044 Di luar AS:
+1.845.709.8044 "Cukup tinggalkan NAMA & NO
TELEPON Anda (dengan Kode Negara)" di pesan suara.
Staf kami akan menghubungi Anda dalam beberapa
hari ke depan!
10. Penggunaan Machine Learning untuk rekomendasi buku
Pembelajaran Mesin
Algoritma yang digunakan
• Penyaringan Kolaboratif
• Tetangga Terdekat
• Pengelompokan
11. Penggunaan Machine Learning untuk identifikasi wajah &
ekspresi
Pembelajaran Mesin
Algoritma yang digunakan
• Pohon Keputusan
• Adaboost
12. Pembelajaran Mesin
Penggunaan Machine Learning untuk identifikasi pola
suara
Algoritma yang digunakan
• Ekstraksi Fitur
• Pengklasifikasi Probabilistik
• Mendukung Mesin Vektor
13. ML untuk bekerja dengan data jaringan sosial:
Mendeteksi penipuan, memprediksi pola click-thru, iklan bertarget, dll.
Pembelajaran Mesin
Algoritma yang digunakan
• Mendukung Mesin Vektor
• Penyaringan kolaboratif
• Algoritme penambangan
aturan
• dll
14. Pembelajaran Mesin
⮚ Mengendarai mobil
⮚ Mengenali email spam
⮚ Merekomendasikan buku
⮚ Membaca tulisan tangan
⮚ Mengenali ucapan, wajah, dll
Bagaimana akan menulis program-program ini?
16. Pembahasan di dalam Machine Learning
🞎 Pembelajaran konsep
🞎 Pembelajaran Bayesian
🞎 Pembelajaran berbasis contoh (pengelompokan)
🞎 Jaringan Saraf
🞎 Algoritma Genetika
🞎 Pembelajaran Penguatan
🞎 Dan lain-lain
17. Pembelajaran Konsep
Belajar dari contoh
Urutan hipotesis yang bersifat umum ke spesifik
Hanya menggunakan data positif 🡪 Find-S
Menggunakan data positif dan negatif 🡪 Kandidat-
Eliminasi
Data harus konsisten
Jawaban berada dalam 2 kemungkinan, ada atau tidak
ada
18. Contoh Kasus
Data Langit Suhu
Udara
Kelemba
ban
Angin Air Perkiraan Meni
kmati
Olahr
aga
1 Cerah Hangat Normal Kuat Hangat Sama. Ya.
2 Cerah Hangat Tinggi Kuat Hangat Sama. Ya.
3 Hujan Dingin Tinggi Kuat Hangat Perubah
an
Tidak.
4 Cerah Hangat Tinggi Kuat Keren. Perubah
an
Ya.
19. Pembelajaran Bayesian
🞎 Belajar dari contoh
🞎 Termasuk ke dalam pembelajaran yang diawasi
🞎 Didasari pada Teorema Bayes
🞎 Menggunakan data positif dan negatif
🞎 Tidak mengharuskan data harus konsisten
🞎 Jawaban ditunjukkan oleh nilai probabilitas
🞎 Biasanya dipakai untuk fungsi-fungsi klasifikasi
20. Pembelajaran Berbasis Instance
(Pengelompokan)
🞎 Tidak melibatkan jawaban dalam data
🞎 Termasuk ke dalam pembelajaran tanpa pengawasan
🞎 Hanya membuat klasifikasi tanpa
label/jawaban
🞎 Labelisasi (pemberian jawaban) menjadi tanggung
jawab pengguna
21. Jaringan Saraf
🞎 Mensimulasikan kerja otak manusia
🞎 Neuron adalah satuan unit pemroses terkecil pada otak
🞎 Bentuk standar ini mungkin dikemudian hari akan berubah
🞎 Jaringan otak manusia tersusun tidak kurang dari 1013 buah neuron
yang masing-masing terhubung oleh sekitar 1015 buah dendrit
🞎 Fungsi dendrit adalah sebagai penyampai sinyal dari neuron
tersebut ke neuron yang terhubung dengannya
🞎 Sebagai keluaran, setiap neuron memiliki akson, sedangkan
bagian penerima sinyal disebut synapse
🞎 Penjelasan lebih rinci mengenai hal ini dapat diperoleh pada
disiplin ilmu biologi molekuler
🞎 Secara umum jaringan saraf terbentuk dari jutaan (bahkan
lebih) struktur dasar neuron yang terinterkoneksi dan terintegrasi
antara satu dengan yang lain sehingga dapat melaksanakan
aktifitas secara teratur dan terus menerus sesuai dengan
28. Algoritma Genetika
🞎 Algoritma Genetika adalah algoritma yang
memanfaatkan proses seleksi alamiah yang dikenal
dengan proses evolusi.
🞎 Dalam proses evolusi, individu secara terus-menerus
mengalami perubahan gen untuk menyesuaikan diri
dengan lingkungan hidupnya. "Hanya individu-individu
yang kuat yang mampu bertahan".
🞎 Proses seleksi alamiah ini melibatkan perubahan gen
yang terjadi pada individu melalui proses
perkembangbiakan. Dalam algoritma genetika, proses
perkembangbiakan ini menjadi proses dasar yang
menjadi perhatian utama, dengan dasar pemikiran:
"Bagaimana mendapatkan keturunan yang lebih baik".