Kuliah tamu oleh Adi Chris, Traveloka
Rabu, 28 Februari 2018
Machine Learning (ML) merupakan salah satu cabang dari Artificial Inteligence (kecerdasan buatan) yang mendalami bagaimana membuat komputer mampu belajar dari data yang disediakan tanpa diprogram secara eksplisit untuk melakukan pekerjaan tertentu.
Ide besar dari konsep ML adalah meniru proses belajar manusia, oleh karena itu salah satu ciri khas dari ML adalah adanya proses ‘pembelajaran’ atau Training. Sehingga, permasalahan-permasalahan yang yang sekiranya dapat dipecahkan menggunakan ML memiliki sejumlah data, membentuk suatu pola, namun tidak ada Formulaic Expression yang dapat digunakan untuk menyelesaikan pola tersebut.
Beberapa contoh penerapan metode ML di Traveloka diantaranya adalah klasifikasi photo ruangan hotel dan ranking daftar penerbangan.
Namun, adakalanya data yang ditemui di lapangan sangat berbelit dan membentuk banyak lapisan yang rumit. Bahkan, seringkali pola permasalahan yang ditemui di industri tidak linear.
Dalam kasus ini, untuk dapat menarik kesimpulan secara linear kita perlu mengubah representasi dari data yang ada.
Pendalaman permasalahan ini dipelajari dalam Deep Learning menggunakan prinsip Artificial Neural Network (ANN).
ANN, sesuai namanya, menirukan cara kerja syaraf otak manusia, sehingga, semakin banyak pembelajaran (Training) yang diterima oleh suatu model ANN tentu akan meningkatkan kemampuannya menjadi lebih maksimal.
Apabila diibaratkan, unit terkecil dalam ANN yang dapat menjadi padanan dari sebuah sel pada sistem syaraf manusia adalah Perceptron. Sebuah perceptron hanya melakukan perhitungan dalam tingkat biner. Sedangkan kumpulan dari banyak perceptron adalah apa yang kita kenal dengan Neural Network.
Catatan:
Gambar hanya untuk mendukung penjelasan.
Credit to owner.
Assignments 