Senin, 15 Januari 2018

Trend sistem informasi saat ini : AI dan Advanced Machine Learning

AI dan Advanced Machine Learning

Kecerdasan buatan (AI) dan pembelajaran mesin canggih (ML) yang terdiri dari teknologi dan proses seperti pembelajaran yang mendalam (deep learning) dan jaringan saraf. Sebelumnya hal ini dimulai sebagai algoritma untuk mengotomatisasi tugas-tugas manual, meminjam dari teknik statistik canggih yang telah berkembang menjadi kerangka yang lebih luas dan arsitektur yang dapat belajar seperti manusia, dan dapat menggunakan data historis untuk memprediksi masa depan. Sistem ini akan menjadi lebih mudah beradaptasi dan berpotensi beroperasi secara mandiri.

AI dan Machine Learning menimbulkan spektrum implementasi yang cerdas, termasuk perangkat fisik (robot, kendaraan otonom, elektronik konsumen) serta aplikasi dan layanan (asisten pribadi virtual, penasihat cerdas). Implementasi tersebut merupakan sebuah kelas baru pada aplikasi cerdas serta menyediakan hal intelijen yang tertanam untuk berbagai perangkat dan perangkat lunak pada layanan solusi yang ada. Trend teknologi informasi ini akan semakin berguna di tahun 2017.

Machine Learning adalah cabang lanjutan Artificial Intelligent (AI), yang mencakup sistem lebih canggih seperti mampu memahami, mempelajari, memprediksi, beradaptasi, dan berpotensi beroperasi secara mandiri. Machine learning ini diprediksi mampu mengubah perilaku masa depan, yang mengarah pada penciptaan perangkat dan program yang lebih cerdas. Gartner memprediksi AI dan Machine Learning akan lebih banyak digunakan pada robot, kendaraan mandiri, elektronik untuk konsumen, virtual personal assistants, dan smart advisors.

1.Sejarah Machine Learning

Sejak pertama kali komputer diciptakan manusia sudah memikirkan bagaimana caranya agar komputer dapat belajar dari pengalaman. Hal tersebut terbukti pada tahun 1952, Arthur Samuel menciptakan sebuah program, game of checkers, pada sebuah komputer IBM. Program tersebut dapat mempelajari gerakan untuk memenangkan permainan checkers dan menyimpan gerakan tersebut kedalam memorinya.

Istilah machine learning pada dasarnya adalah proses komputer untuk belajar dari data (learn from data). Tanpa adanya data, komputer tidak akan bisa belajar apa-apa. Oleh karena itu jika kita ingin belajar machine learning, pasti akan terus berinteraksi dengan data. Semua pengetahuan machine learning pasti akan melibatkan data. Data bisa saja sama, akan tetapi algoritma dan pendekatan nya berbeda-beda untuk mendapatkan hasil yang optimal.

2.Belajar Machine Learning

Machine Learning merupakan salah satu cabang dari disiplin ilmu Kecerdasan Buatan (Artificial Intellegence) yang membahas mengenai pembangunan sistem yang berdasarkan pada data. Banyak hal yang dipelajari, akan tetapi pada dasarnya ada 4 hal pokok yang dipelajari dalam machine learning.

1. Pembelajaran Terarah (Supervised Learning)

2. Pembelajaran Tak Terarah (Unsupervised Learning)

3. Pembelajaran Semi Terarah (Semi-supervised Learning)

4. Reinforcement Learning

3.Aplikasi Machine Learning

Contoh penerapan machine learning dalam kehidupan adalah sebagai berikut.

1. Penerapan di bidang kedoteran contohnya adalah mendeteksi penyakit seseorang dari gejala yang ada. Contoh lainnya adalah mendeteksi penyakit jantung dari rekaman elektrokardiogram.

2. Pada bidang computer vision contohnya adalah penerapan pengenalan wajah dan pelabelan wajah seperti pada facebook. Contoh lainnya adalah penterjemahan tulisan tangan menjadi teks.

3. Pada biang information retrival contohnya adalah penterjemahan bahasa dengan menggunakan komputer, mengubah suara menjadi teks, dan filter email spam.

Salah satu teknik pengaplikasian machine learning adalah supervised learning. Seperti yang dibahas sebelumnya, machine learning tanpa data maka tidak akan bisa bekerja. Oleh karena itu hal yang pertama kali disiapkan adalah data. Data biasanya akan dibagi menjadi 2 kelompok, yaitu data training dan data testing. Data training nantinya akan digunakan untuk melatih algoritma untuk mencari model yang cocok, sementara data testing akan dipakai untuk mengetes dan mengetahui performa model yang didapatkan pada tahapan testing.

Dari model yang didapatkan, kita dapat melakukan prediksi yang dibedakan menjadi dua macam, tergantung tipe keluarannya. Jika hasil prediksi bersifat diskrit, maka dinamakan proses klasifikasi. Contohnya klasifikasi jenis kelamin dilihat dari tulisan tangan (output laki dan perempuan). Sementara jika kelurannya bersifat kontinyu, maka dinamakan proses regresi. Contohnya prediksi kisaran harga rumah di kota Bandung (output berupa harga rumah).







Categories:

0 komentar:

Posting Komentar

www.ayeey.com www.resepkuekeringku.com www.desainrumahnya.com www.yayasanbabysitterku.com www.luvne.com www.cicicookies.com www.tipscantiknya.com www.mbepp.com www.kumpulanrumusnya.com www.trikcantik.net

Copyright © Pulokat! | Powered by Blogger

Design by Anders Noren | Blogger Theme by NewBloggerThemes.com | BTheme.net      Up ↑