ML101: Intoduction to Machine Learning

Pengertian Machine Learning

Sebelum kita belajar tentang ML atau machine learning lebih jauh,  ada baiknya kita belajar mengenai pengertian atau terminologinya lebih jauh. Ada sebuah terminologi yang aku pelajari dari Arthur Samuel mengenai ML. Menerut beliau, Ml adalah bidang studi yang memberi jalan pada komputer untuk memiliki kemampuan belajartanpa perlu diprogram secara eksplisit.

Ada sebuah definisi dari ML yang lebih modern dari Tom Mitchell, yakni "sebuah program komputer yang dikatakan belajar dari pengalaman E dengan menghargai beberapa kelas tugas T dan perhitungan performa P. Di mana performanya dalam mengerjakan tugas T, dihitung dalam P, dan ditingkatkan melalui pengalaman E."

Agar mudah memahaminya, kuberi sebuah analogi dalam bermain catur. Misalnya pada kasus bermain catur,

E adalah pengalaman dalam bermain catur.

T adalah tugas dalam permainan catur.

P adalah propabilitas program memanangkan catur.

Lebih lanjut, secara umum machine learning diklasifikasikan ke dalam dua jenis, yakni supervised learrning dan unsupervised learning. Untuk lebih lanjut mari kita bahas satu-persatu.

Supervised Learning

Supervised learning adalah program yang pembelajarannya melalui data train atau data yang telah diketahui bagaimana output program seharusnya pada awal program dijalankan atau diuji coba, dengan tujuan terbentuknya model program yang tepat. Semisal, diberikan contoh opini setuju dan opini tak seutuju. Kewmudian program diminta menentukan posisi opini lain, setuju atau tidak.

Secara mendasar, permasalahan pada program supervised learning terbagi menjadi dua, yakni problem regresi dan klasifikasi. 

Regresi digunakan untuk memprediksi suatu nilai pada data yang nilainya kontinu. Seperti: memprediksi harga rumah berdasarkan luas tanah, berdasar datatset harga rumah dan luas tanah.

Klasifikasi digunakan untuk memprediksi output dalam bentuk diskrit. Seperti: memprediksi berdasar data harga dan luasan rumah yang ada, harga rumah akan cenderung naik atau turun.

Unsupervised Learning

Unsupervised learning adalah program yang mengizinkan kita untuk melakukan pendekatan pada suatu masalah tanpa adanya data perlatihan program. Program ini melakukan pendekatan berdasarkan kecenderungan tertentu pada input. 

Kita bisa menurunkan struktur dari data tanpa perlu mengetahui variabel-variabel terntentu. Penurunan terjadi menggunakan klasterisasi pada kecenderungan tiap data yang diberikan. Tanpa mendapat umpan balik mendasar dari hasil.

Contoh unsupervised learning adalah, saran artikel lain yang relevan ketika kita mengklik suatu web atau artikel di google. Pemisahan antara suara dan noise pada suatu lingkungan.