Machine Learning (ML) adalah studi algoritma untuk meningkatkan improve  performance P, pada tugas  T, dengan  E. Contoh task ML : (P, T, E) diantaranya:

• T mengenali tulisan tangan 
• P persentase kata dari tulisan tangan yang berhasil diklasifikasi dengan benar
• E database gambar kata yang ditulis tangan dan diberi label 
• —
• T kemudi otomatis di jalan tol dengan 4 lajur menggunakan sensor vision
• P rata-rata jarak tempuh sebelum human-judged eror 
• E sequence gambar dan perintah mengemudi yang direkam ketika mengamati human driver
• —
• T kategorisasi email spam atau tidak
• P persentase email yang diklasifikasikan benar
• E database email yang diberi label

Kebutuhan ML:

• Ada pola yang bisa dipelajari, performance bisa diukur
• Tidak mudah diprogram, tidak perlu ML untuk menghitung 1+1
• Ada data yang cukup tentang pola, sehingga ML bisa belajar

Beberapa tipe learning:

• Supervised Learning: dari data yang sudah diberi label, mesin melakukan training, kemudian melakukan prediksi terhadap data baru
• Unsupervised learning; dari data yang tidak diberi label, mesin diminta menemukan pola dari data

Supervised Learning

• Regresi: mencari persamaan yang mendekati dari sebaran data; y=mx+b
• Klasifikasi: melakukan klasifikasi data yang belum diketahui 

Unsupervised

• Clustering: Mengelompokan data ke dalam subset atau klaster. Coherent intra-cluster (= within the cluster) dan dissimilar inter-cluster (= among clusters)
• Association rule mining: mencari keterhubungan data (asosiasi)
   

Sampai disini materi Fariz, besok insyaallah saya share materi Prof Wisnu sesi malam. Semoga Bermanfaat!!