Machine Learning

Machine Learning adalah metode analisis data yang mengotomatisasi model bangunan analitik. Dengan menggunakan algoritma yang secara iteratif belajar dari data, Machine Learning memungkinkan komputer menemukan wawasan tersembunyi tanpa diprogram secara eksplisit di mana mencarinya.

Aspek iteratif Machine Learning penting karena model mengarah pada data baru, metode analisis data ini dapat beradaptasi secara independen. Machine Learning belajar dari perhitungan sebelumnya untuk menghasilkan keputusan dan hasil yang dapat diandalkan dan dapat diulang. Ini bukan ilmu yang baru - tapi ilmu yang mendapatkan momentum baru.

Karena teknologi komputasi yang baru, Machine Learning saat ini tidak seperti Machine Learning di masa lalu. Sementara banyak algoritma Machine Learning telah ada sejak lama, kemampuan untuk secara otomatis menerapkan perhitungan matematis yang kompleks ke data besar - berulang, lebih cepat dan lebih cepat - adalah perkembangan terakhir.

Berikut adalah beberapa contoh aplikasi Machine Learning yang dipublikasikan secara luas yang mungkin Anda kenal:

• Mobil Google yang sangat hyped dan self-driving? Inti dari kecerdasan mobil ini adalah Machine Learning.

• Penawaran rekomendasi online seperti Amazon dan Netflix? Aplikasi Machine Learning untuk kehidupan sehari-hari.

• Mengetahui apa yang pelanggan katakan tentang Anda di Twitter? Machine Learning dikombinasikan dengan pembuatan aturan linguistik.

• Deteksi penipuan Salah satu kegunaan yang lebih jelas dan penting di dunia kita saat ini.

Mengapa minat terhadap Machine Learning meningkat?

Menarik minat belajar mesin adalah karena faktor yang sama yang telah membuat data mining dan analisis Bayesian lebih populer dari sebelumnya. Hal seperti berkembangnya volume dan variasi data yang ada, pengolahan komputasi yang lebih murah dan lebih bertenaga, dan penyimpanan data yang terjangkau.

Semua hal ini berarti mungkin untuk secara cepat dan otomatis menghasilkan model yang dapat menganalisis data yang lebih besar dan lebih kompleks dan memberikan hasil yang lebih cepat dan akurat - bahkan dalam skala yang sangat besar. Hasil? Prediksi bernilai tinggi itu bisa memandu keputusan dan tindakan cerdas secara real time tanpa campur tangan manusia.

Salah satu kunci untuk menghasilkan tindakan cerdas secara real time adalah pembuatan model otomatis. Pemimpin pemikiran Analytics Thomas H. Davenport menulis di The Wall Street Journal bahwa dengan data yang berubah dengan cepat dan berkembang, "... Anda memerlukan arus pemodelan bergerak cepat untuk mengikuti." Dan Anda bisa melakukannya dengan Machine Learning. Dia mengatakan, "Manusia biasanya dapat menciptakan satu atau dua model bagus dalam seminggu; Machine Learning dapat menciptakan ribuan model dalam seminggu."

Bagaimana Machine Learning digunakan saat ini?

Pernah bertanya-tanya bagaimana pengecer online menyediakan penawaran seketika untuk produk lain yang mungkin menarik minat Anda? Atau bagaimana pemberi pinjaman dapat memberikan jawaban hampir mendekati real-time atas permintaan pinjaman Anda? 

Banyak kegiatan sehari-hari kami didukung oleh algoritma Machine Learning, termasuk:

• ·         Deteksi penipuan
• ·         Hasil pencarian web
• ·         Iklan real-time di halaman web dan perangkat mobile.
• ·         Analisis sentimen berbasis teks.
• ·         Skor kredit dan penawaran terbaik berikutnya.
• ·         Prediksi kegagalan peralatan.
• ·         Model harga baru
• ·         Deteksi intrusi jaringan
• ·         Pola dan pengenalan gambar.
• ·         Email penyaringan spam