Pendahuluan
Model pembelajaran mesin adalah algoritma komputer yang menggunakan data untuk membuat estimasi (tebakan terdidik) atau keputusan. Model pembelajaran mesin berbeda dari algoritma tradisional dalam cara model tersebut dirancang. Ketika perangkat lunak komputer tradisional perlu ditingkatkan, orang mengeditnya. Sebaliknya, algoritma pembelajaran mesin menggunakan data untuk menjadi lebih baik pada tugas tertentu.
Misalnya, filter spam menggunakan machine learning. Dua puluh tahun yang lalu, filter spam tidak memiliki banyak contoh untuk dipelajari dan tidak baik dalam mengidentifikasi apa itu dan bukan spam. Karena semakin banyak spam yang datang dan diberi label sebagai sampah oleh pengguna manusia, algoritme pembelajaran mesin telah memperoleh lebih banyak pengalaman dan menjadi lebih baik dalam pekerjaannya.
Boot yang pas
Sepanjang modul ini, kami menggunakan skenario contoh untuk menjelaskan konsep pembelajaran mesin utama.
Dalam skenario ini, Anda memiliki penyimpanan yang menjual harness untuk anjing penyelamat longsoran salju, dan Anda baru-baru ini diperluas untuk juga menjual sepatu bot doggy. Semua pelanggan tampaknya memilih ukuran harness yang benar, tetapi terus-menerus memesan sepatu bot doggy dengan ukuran yang salah. Anda tahu sebagian besar pelanggan membeli harness dan sepatu bot dalam transaksi yang sama, yang memberi Anda ide: mungkin Anda bisa memperkirakan sepatu bot doggy mana yang ukurannya benar, tergantung pada harness yang dipilih. Kemudian, Anda dapat memperingatkan pelanggan jika sepatu bot yang mereka pilih cenderung menjadi ukuran yang benar sebelum mereka melakukan pembelian.
Selama modul ini, kami membuat model pembelajaran mesin yang mengimplementasikan ide ini. Sepanjang jalan, kami menggunakan skenario ini untuk memperkenalkan Anda ke beberapa konsep pembelajaran mesin dasar dan menunjukkan cara menggunakannya dalam pengaturan praktis.
Tujuan pembelajaran
Dalam modul ini, Anda akan:
- Jelajahi bagaimana pembelajaran mesin berbeda dari perangkat lunak tradisional.
- Membuat dan menguji model machine learning.
- Muat model dan gunakan dengan data baru.
Prasyarat
Tidak ada