Machine Learning (ML) adalah salah satu teknologi yang sedang berkembang pesat. Contohnya ML digunakan oleh email untuk melakukan filtering spam. ML digunakan juga oleh google maupun amazon untuk memberikan rekomendasi atau saran kepada kita mengenai buku yang sesuai dengan minat kita. ML digunakan juga untuk melakukan pengenalan wajah. ML juga digunakan google translate untuk menerjemahkan teks.

Lantas apa itu ML?

Menurut Herbert Simon, ” Learning is any process by which a system improves performance from experience”. Kurang lebih artinya Learning adalah proses yang dilakukan sistem untuk meningkatkan kemampuannya melalui pengalaman.

Mr Simon ini seorang peraih nobel, dan Turing Award, salah seorang pioner ML. Menariknya Mr Simon ini awalnya seorang ilmuwan ekonomi dan psikologi, beliau bersama Allen Newell dan Cliff Shaw membuat program komputer logic theorist yang disebut sebagai program artificial intelligence pertama.

Definisi ML lainnya menurut Tom Mitchell. ML adalah ilmu yang mempelajari algoritma yang meningkatkan performa P, dengan melakukan task T dengan experience E. <P,T,E> . Mr Mitchell adalah peneliti ML, penulis buku handbook tentang Machine Learning.

Apa bedanya ML dengan pemrograman biasa?

Biasanya pada komputer, kita memiliki data yang kemudian dimasukan pada sebuah program. Program kemudian akan menghasilkan output.

Sementara pada ML, yang kita miliki hanya data dan output. Gak punya programnya. Nah data dan output ini yang kita masukan pada ML untuk kemudian dipelajari polanya, bagaimana data bisa menghasilkan output. Setelah itu akan didapat programnya.

Kapan kita perlu menggunakan ML?

Nah ternyata tidak semua persoalan perlu diselesaikan dengan ML. ML biasanya digunakan pada kasus atau persoalan berikut:

• Tidak ada Human Expertise : sesuatu permasalahan yang baru, yang belum ada pengetahuan atau keahlian tentang bidang itu. Misalnya tentang navigasi di Mars
• Pengetahuan yang sulit untuk dijelaskan : Misalnya tentang speech recognition atau pengenalan suara
• Model yang harus di personalisasi (customized): contohnya di bidang kesehatan, dimana setiap orang memiliki data medis yang unik
• Model dibangun berdasarkan data yang banyak: misalnya genom DNA

Contoh permasalahan yang dapat diselesaikan dengan ML diantaranya:

1. Pengenalan tulisan tangan
2. Autonomous driving

Sampai disini dulu, insyaAllah akan saya lanjutkan pada tulisan berikutnya. Semoga Bermanfaat!