Belajar dari data

Memahami Kecerdasan Buatan

Maarten Van den Broeck

Senior Content Developer at DataCamp

Fungsi AI dan bidang yang terlibat

Bidang AI dan Fungsi AI

Fungsi AI dan bidang yang terlibat

Bidang AI dan Fungsi AI

Masuk ke Pembelajaran Mesin (ML)

Pembelajaran Mesin: belajar dari data dan mengidentifikasi pola

Bidang Pembelajaran Mesin

Masuk ke Pembelajaran Mesin (ML)

Pembelajaran Mesin: belajar dari data dan mengidentifikasi pola

Bidang Pembelajaran Mesin

Masuk ke Pembelajaran Mesin (ML)

Pembelajaran Mesin: belajar dari data dan mengidentifikasi pola

Bidang Pembelajaran Mesin

Masuk ke Pembelajaran Mesin (ML)

Pembelajaran Mesin: belajar dari data dan mengidentifikasi pola

Bidang Pembelajaran Mesin

Masuk ke Pembelajaran Mesin (ML)

Pembelajaran Mesin: belajar dari data dan mengidentifikasi pola

Bidang Pembelajaran Mesin

Pembelajaran Terawasi: klasifikasi

Klasifikasi: tetapkan setiap pengamatan data ke dalam kategori (kelas) yang mungkin termasuk di dalamnya.

Klasifikasi biner: dua kelas, misalnya positif/negatif, laki-laki/perempuan, dan sebagainya.

Klasifikasi biner

Pembelajaran Terawasi: klasifikasi

Klasifikasi: tetapkan setiap pengamatan data ke dalam kategori (kelas) yang mungkin termasuk di dalamnya.

Klasifikasi biner: dua kelas, misalnya positif/negatif, laki-laki/perempuan, dan sebagainya.
Klasifikasi berbagai-kelas: beberapa kelas yang saling eksklusif, misalnya berbagai spesies.

Pembelajaran yang diawasi: Anotasi data (mendapatkan observasi yang diberi label dengan kelas yang sudah diketahui sebelumnya) diperlukan untuk melatih model yang mampu melakukan inferensi.

Klasifikasi berbagai-kelas

Pembelajaran yang Diawasi: regresi dan peramalan

Regresi: menetapkan setiap pengamatan data output numerik atau label berdasarkan input.

Regresi untuk memperkirakan harga rumah

Peramalan deret waktu: memprediksi nilai masa depan dari suatu variabel berdasarkan perilaku masa lalunya.

Peramalan deret waktu untuk memprediksi jumlah penumpang bus harian

Pembelajaran tanpa pengawasan dan pembelajaran penguatan

Pengelompokan: menemukan subkelompok data dengan karakteristik serupa (misalnya algoritma k-means )

Pengelompokan data penguin

Deteksi anomali: mendeteksi observasi data yang tidak normal, misalnya transaksi kartu yang tidak biasa.

Deteksi anomali

Penemuan aturan asosiasi: menemukan kemunculan bersama yang umum dari item dalam data transaksi

Menemukan produk yang sering dibeli bersama

Pembelajaran penguatan: belajar melalui pengalaman (mencoba-coba) untuk menguasai tugas yang kompleks.

Pembelajaran penguatan untuk menavigasi labirin

Bagaimana dengan Deep Learning?

Model-model yang sangat canggih berbasis deep neural networks: mampu menyelesaikan tugas-tugas yang sangat menantang di mana model-model ML klasik menjadi terbatas.
Belajar dari data seperti yang dilakukan oleh otak manusia.

Membutuhkan banyak data untuk belajar: terkadang jutaan observasi.

Tugas Deep Learning

Bagaimana dengan Deep Learning?

Model-model yang sangat canggih berbasis deep neural networks: mampu menyelesaikan tugas-tugas yang sangat menantang di mana model-model ML klasik menjadi terbatas.

Membutuhkan banyak data untuk belajar: terkadang jutaan pengamatan.

Tugas Deep Learning

Ayo berlatih!

Memahami Kecerdasan Buatan