Pendahuluan
Pembelajaran mesin dalam banyak cara persimpangan dua disiplin ilmu - ilmu data dan rekayasa perangkat lunak. Tujuan pembelajaran mesin adalah untuk menggunakan data untuk membuat model prediktif yang dapat dimasukkan ke dalam aplikasi atau layanan perangkat lunak. Untuk mencapai tujuan ini, diperlukan kolaborasi antara ilmuwan data yang menjelajahi dan menyiapkan data sebelum menggunakannya untuk melatih model pembelajaran mesin, dan pengembang perangkat lunak yang mengintegrasikan model ke dalam aplikasi tempat mereka digunakan untuk memprediksi nilai data baru (proses yang dikenal sebagai inferensi).
Pembelajaran mesin memiliki asal-usul dalam statistik dan pemodelan data matematika. Ide mendasar pembelajaran mesin adalah menggunakan data dari pengamatan sebelumnya untuk memprediksi hasil atau nilai yang tidak diketahui. Contohnya:
- Pemilik toko es krim mungkin menggunakan aplikasi yang menggabungkan catatan penjualan historis dan cuaca untuk memprediksi berapa banyak es krim yang kemungkinan akan mereka jual pada hari tertentu, berdasarkan prakiraan cuaca.
- Seorang dokter mungkin menggunakan data klinis dari pasien sebelumnya untuk menjalankan tes otomatis yang memprediksi apakah pasien baru berisiko terkena diabetes berdasarkan faktor-faktor seperti berat badan, tingkat glukosa darah, dan pengukuran lainnya.
- Seorang peneliti di Antartika mungkin menggunakan pengamatan masa lalu untuk mengotomatiskan identifikasi spesies penguin yang berbeda (seperti Adelie, Gentoo, atau Chinstrap) berdasarkan pengukuran sirip burung, tagihan, dan atribut fisik lainnya.
Nota
Kami menyadari bahwa orang yang berbeda suka belajar dengan cara yang berbeda. Anda dapat memilih untuk menyelesaikan modul ini dalam format berbasis video atau Anda dapat membaca konten sebagai teks dan gambar. Teks berisi detail yang lebih besar daripada video, jadi dalam beberapa kasus Anda mungkin ingin menyebutnya sebagai materi tambahan untuk presentasi video.