Pada kurun digital pengembangan teknologi terus merambat kedunia pasar globa, semenjak dahulu pembelajaran mesin sudah di amati dan di telusuri. Sebuah ilmu yang berjulukan Machine Learning yakni cabang dari AI (Artificial Intelligence atau Kecerdasan Buatan).
Kini Machine Learning sangat populardi kurun disruptif pengembangan 4.0 education sebab banyak programmer yang memakai ilmu dari Machine Learning, yang memungkinkan komputer untuk menyebarkan sikap yang didasarkan pada data empiris, menyerupai dari sensor data basis data.
Sejarah Singkat Machine Learning
Sejak pertama kali komputer diciptakan insan sudah memikirkan bagaimana caranya semoga komputer sanggup mencar ilmu dari pengalaman. Lalu pada tahun 1950, Alan Turing mengusulkan adanya sebuah tes untuk mengukur kinerja sistem komputer.
Tes yang disusulan turing ini dibentuk menurut pemikiran bahwa kita hanya bisa memilih apakah sebuah mesin atau sistem benar-benar bisa "belajar" jikalau saja kita bisa berkomunikasi dengannya, dan tidak bisa membedakan kemampuannya ini dari cara insan belajar. Hal tersebut terbukti pada tahun 1952, Arthur Samuel membuat sebuah program, game of checkers, pada sebuah komputer IBM.
Program tersebut sanggup mempelajari gerakan untuk memenangkan permainan checkers dan menyimpan gerakan tersebut kedalam memorinya. Istilah Machine Learning intinya yakni proses komputer untuk mencar ilmu dari data (learn from data).Tanpa adanya data, komputer tidak akan bisa mencar ilmu apa-apa.
Oleh sebab itu jikalau kita ingin mencar ilmu Machine Learning, niscaya akan terus berinteraksi dengan data. Semua pengetahuan Machine Learning niscaya akan melibatkan data. Data bisa saja sama, akan tetapi algoritma dan pendekatan nya berbeda-beda untuk mendapat hasil yang optimal.
Apa Itu Machine Learning?
Machine Learning merupakan salah satu cabang dari disiplin ilmu Kecerdasan Buatan (Artificial Intellegence) yang membahas mengenai pembangunan sistem yang menurut pada data. Banyak hal yang dipelajari, akan tetapi intinya ada 4 hal pokok yang dipelajari dalam Machine Learning.
- Pembelajaran Terarah(Supervised Learning)
- Pembelajaran Tak Terarah(Unsupervised Learning)
- Pembelajaran Semi Terarah(Semi-supervised Learning)
- Reinforcement Learning
Untuk mengetahui lebih lengkap tentang Machine Learning, teman-teman bisa mengikuti course di Coursera dengan pelatih profesor Andrew NG dari Stanford University.
Aplikasi Machine Learning
Contoh penerapan machine learning dalam kehidupan yakni sebagai berikut.
1. Penerapan di bidang kedoteran misalnya yakni mendeteksi penyakit seseorang dari tanda-tanda yang ada. Contoh lainnya yakni mendeteksi penyakit jantung dari rekaman elektrokardiogram.
2. Pada bidang computer vision misalnya yakni penerapan pengenalan wajah dan pelabelan wajah menyerupai pada facebook. Contoh lainnya yakni penterjemahan goresan pena tangan menjadi teks.
3. Pada bidang information retrival misalnya yakni penterjemahan bahasa dengan memakai komputer, mengubah bunyi menjadi teks, dan filter email spam.
Salah satu teknik pengaplikasian Machine Learning yakni Supervised Learning. Seperti yang dibahas sebelumnya, Machine Learning tanpa data maka tidak akan bisa bekerja. Oleh sebab itu hal yang pertama kali disiapkan yakni data.
Data biasanya akan dibagi menjadi 2 kelompok, yaitu data pembinaan dan data testing. Data pembinaan nantinya akan digunakan untuk melatih algoritma untuk mencari model yang cocok, sementara data testing akan digunakan untuk mengetes dan mengetahui performa model yang didapatkan pada tahapan testing.
Dari model yang didapatkan, kita sanggup melaksanakan prediksi yang dibedakan menjadi dua macam, tergantung tipe keluarannya. Jika hasil prediksi bersifat diskrit, maka dinamakan proses klasifikasi.
Contohnya pembagian terstruktur mengenai jenis kelamin dilihat dari goresan pena tangan (output laki dan perempuan). Sementara jikalau kelurannya bersifat kontinyu, maka dinamakan proses regresi. Contohnya prediksi kisaran harga rumah di kota Bandung (output berupa harga rumah).
Dampak Machine Learning Di Masyarakat
Penerapan teknologi Machine Learning mau tidak mau niscaya telah dirasakan sekarang. Setidaknya ada dua efek yang saling bertolak belakang dari pengembangan teknolgi machine learning. Ya, efek konkret dan efek negatif.
Salah satu efek konkret dari Machine Learning yakni menjadi peluang bagi para wirausahawan dan praktisi teknologi untuk terus berkarya dalam menyebarkan teknologi machine learning. Terbantunya acara yang harus dilakukan insan pun menjadi salah satu efek konkret machine learning.
Sebagai misalnya yakni adanya fitur pengecekan ejaan untuk tiap bahasa pada Microsoft Word. Pengecekan secara manual akan memakan waktu berhari-hari dan melibatkan banyak tenaga untuk mendapat penulisan yang sempurna. Tapi dengan proteksi fitur pengecekan ejaan tersebut, secara real-time kita bisa melihat kesalahan yang terjadi pada ketika pengetikan.
Akan tetapi disamping itu ada efek negatif yang harus kita waspadai. Adanya pemotongan tenaga kerja sebab pekerjaan telah digantikan oleh alat teknologi Machine Learning yakni suatu permasalahan yang harus dihadapi.
Ditambah dengan ketergantungan terhadap teknologi akan semakin terasa. Manusia akan lebih terlena oleh kemampuan gadget-nya sehingga lupa mencar ilmu untuk melaksanakan suatu acara tanpa proteksi teknologi.
Contoh Machine Learning
Aplikasi Pengenalan Gambar, Aplikasi Asisten Pribadi menyerupai Siri, Bixby dll, Chat Bot, Pengenal Wajah, Mobil otonom dan domain-domain spesifik lainnya.
Kesimpulan
Machine learning sangat diharapkan sebab sudah banyak memakai konsep dari machine learning untuk sebuah pengembangan atau bahkan penelitian yang akan diuji cobakan, pada ketika ini kepopuleritasan Machine Learning sangat dicari oleh beberapa netizen. Sehingga banyak pengguna yang sudah berhasil memakai cara Machine Learning tersebut.
Tidak ada komentar:
Posting Komentar