Pengantar

Machine Learning (ML) adalah studi tentang algoritme komputer yang dapat ditingkatkan secara otomatis melalui pengalaman dan penggunaan data. Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma machine learning membangun model berdasarkan data sampel. Yang dikenal sebagai data pelatihan, untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. Algoritma machine learning digunakan dalam berbagai macam aplikasi. Seperti dalam kedokteran, penyaringan email, pengenalan suara, dan visi komputer, di mana sulit atau tidak mungkin untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.

Bagian dari machine learning terkait erat dengan statistik komputasi, yang berfokus pada pembuatan prediksi menggunakan komputer. Tetapi tidak semua machine learning adalah pembelajaran statistik. Studi tentang optimasi matematika memberikan metode, teori, dan domain aplikasi ke bidang machine learning. Data mining adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan. Beberapa implementasi machine learning menggunakan data dan jaringan saraf dengan cara yang meniru kerja otak biologis. Dalam penerapannya di seluruh masalah bisnis, machine learning juga disebut sebagai analitik prediktif.

Ringkasan

Algoritma pembelajaran bekerja atas dasar bahwa strategi, algoritma, dan inferensi yang bekerja dengan baik. Di masa lalu kemungkinan akan terus bekerja dengan baik di masa depan. Kesimpulan ini dapat terlihat jelas, seperti sejak matahari terbit setiap pagi , mungkin akan terbit besok pagi juga.

Program machine learning dapat melakukan tugas tanpa diprogram secara eksplisit untuk melakukannya. Ini melibatkan komputer belajar dari data yang disediakan sehingga mereka melakukan tugas-tugas tertentu. Untuk tugas-tugas sederhana yang ditugaskan ke komputer, dimungkinkan untuk memprogram algoritme. Yang memberi tahu mesin bagaimana menjalankan semua langkah yang diperlukan untuk memecahkan masalah yang dihadapi; di bagian komputer, tidak diperlukan pembelajaran. Untuk tugas yang lebih maju, mungkin sulit bagi manusia untuk membuat algoritme yang diperlukan secara manual. Dalam praktiknya, ternyata lebih efektif untuk membantu mesin mengembangkan algoritmenya sendiri, daripada meminta pemrogram manusia menentukan setiap langkah yang diperlukan.

Disiplin machine learning menggunakan berbagai pendekatan untuk mengajarkan komputer. Untuk menyelesaikan tugas-tugas di mana tidak ada algoritma yang sepenuhnya memuaskan tersedia. Dalam kasus di mana terdapat sejumlah besar jawaban potensial, satu pendekatan adalah memberi label beberapa jawaban yang benar sebagai valid. Ini kemudian dapat digunakan sebagai data pelatihan bagi komputer untuk meningkatkan algoritme yang digunakannya untuk menentukan jawaban yang benar. Misalnya, untuk melatih sistem untuk tugas pengenalan karakter digital, dataset MNIST dari angka tulisan tangan sering digunakan.

Sejarah

Istilah machine learning diciptakan pada tahun 1959 oleh Arthur Samuel, seorang IBMer Amerika dan pelopor dalam bidang permainan komputer dan kecerdasan buatan. Juga komputer otodidak sinonim digunakan dalam periode waktu ini. Sebuah buku representatif dari penelitian machine learning selama tahun 1960-an adalah buku Nilsson tentang machine learning, yang sebagian besar berurusan dengan machine learning untuk klasifikasi pola. Minat yang terkait dengan pengenalan pola berlanjut hingga tahun 1970-an, seperti yang dijelaskan oleh Duda dan Hart pada tahun 1973. Pada tahun 1981 sebuah laporan diberikan tentang penggunaan strategi pengajaran sehingga jaringan saraf belajar mengenali 40 karakter (26 huruf, 10 digit, dan 4 simbol khusus) dari terminal komputer.

Tom M. Mitchell memberikan definisi yang lebih formal dan dikutip secara luas tentang algoritme yang dipelajari di bidang machine learning: “Sebuah program komputer dikatakan belajar dari pengalaman E sehubungan dengan beberapa kelas tugas T dan ukuran kinerja P jika kinerjanya pada tugas di T, yang diukur dengan P, meningkat dengan pengalaman E.”Definisi tugas yang terkait dengan machine learning ini menawarkan definisi operasional yang mendasar daripada mendefinisikan bidang dalam istilah kognitif. Ini mengikuti proposal Alan Turing dalam makalahnya “Mesin Komputasi dan Kecerdasan”, di mana pertanyaan “Dapatkah mesin berpikir?” diganti dengan pertanyaan “Dapatkah mesin melakukan apa yang dapat kita (sebagai entitas berpikir) lakukan?”.

Machine learning modern memiliki dua tujuan, satu adalah untuk mengklasifikasikan data berdasarkan model yang telah dikembangkan, tujuan lainnya adalah untuk membuat prediksi untuk hasil masa depan berdasarkan model ini. Sebuah algoritma hipotetis khusus untuk mengklasifikasikan data dapat menggunakan visi komputer tahi lalat ditambah dengan pembelajaran yang diawasi untuk melatih untuk mengklasifikasikan tahi lalat kanker. Sedangkan, algoritme machine learning untuk perdagangan saham dapat memberi tahu pedagang tentang prediksi potensial di masa depan.

Sumber: Wikipedia