Tugas 1

Nama : Angela Prasetyo
Nim : 201931121
Kelas : Machine Learning

Machine Learning, Data Mining, Artificial Intellingence

Machine Learning

Pengertian

Teknologi Machine Learning (ML) adalah mesin yang dikembangkan untuk bisa belajar dengan sendirinya tanpa arahan dari penggunanya

Teknik

-          Supervised merupakan teknik pembelajaran mesin yang bisa menerima informasi yang sudah ada pada data dengan memberikan label tertentu .

-          Unsupervised merupakan Teknik yang digunakan pada data yang tidak memiliki informasi yang bisa diterapkan secara langsung.

Cara Kerja

Prinsip cara kerja meliputi

-          Pengumpulan Data

-          Eksplorasi Data

-          Pemilihan Model atau Teknik

-          Memberikan pelatihan terhadap model yang dipilih

-           Mengevaluasi hasil dari ML.

Manfaat

-          Menyelesaikan permasalahan dunia dengan cara yang teratur

 

Data Mining

Pengertian

Data Mining adalah suatu proses pengerukan atau pengumpulan informasi penting dari suatu data yang besar

Fungsi

-          Association

Proses mengidentifikasi relasi (hubungan) dari setiap kejadian atau peristiwa yang sudah terjadi pada suatu waktu tertentu

-          Classification

Menyimpulkan beberapa definisi karakteristik pada suatu grup atau kelompok

-          Clusterization

Proses mengidentifikasi kelompok dari produk ataupun barang yang memiliki karakteristik khusus

-          Descriptive

Sebuah fungsi untuk memahami lebih jauh tentang data yang diamati

-          Forecasting

Teknik peramalan data yang dilakukan untuk memperoleh gambaran mengenai nilau suatu data di masa yang akan dating sesuai pengumpulan informasi dengan jumlah informasi yan besar

-          Predictive

Sebuah fungsi bagaimana sebuah proses nantinya akan menemukan pola tertentu dari suatu data.

Metode

-          Proses Pengambilan Data

-          Teknik dalam Proses Penambangan Data

Contoh Penerapan Konsep Data Mining

•       Market Analysis

•       Data Warehouse

•       Basis Data Relasional

Artificial Intellingence

Pengertian

Artificial Intellingence adalah ilmu dan rekayasa pembuatan mesin cerdas, melibatkan mekanisme untuk menjalankan suatu tugas menggunakan komputer

Cara Kerja

Artificial Intellingence berkerja sesuai dengan algortima pemrograman pada sistem komputer yang diberikan dalam proses pembuatannya. Algoritma pemrograman kerangka berpikir dari Artificial Intellingence dalam memproses berbagai jenis data.

Dampak

•       Positif

-          Bisa menyimpan data yang tidak terbatas

-          Memiliki ketepatan dan keakuratan dalam mengerjakan tugasnya

-          Menggantikan tugas manusia yang berulang-ulang

-          Mudah digandakan dan disebarluaskan

-          Lebih murah

•       Negatif

-          Menghilangkan pekerjaan manusia

-          Tidak memiliki common sense

-          Bekerja sesuai instruksi

-          Pasti akan rusak

-          Risiko tinggi dibobol

Pentingnya Machine Learning

●     Machine Learning bermanfaat untuk menyelesaikan permasalahan dunia dengan cara yang terukur

●     Dengan Machine Learning, kita bisa memproses dan menganalisa data yang lebih besar dan rumit dengan waktu yang singkat

●     Machine Learning dan kecerdasan buatan memiliki potensi untuk meningkatkan hingga 16% atau 13 triliun dolar AS untuk perekonomian Amerika Serikat per tahun 2030

 Link Vlog : https://youtu.be/z0Qg0fM6n74

Comments

Post a Comment

Popular posts from this blog

Perkuliahan 2 (17-09-2021)

  Machine Learning bahan utamanya adalah data Data yang diproduksi bisa mencapai zeta. Bidang bidang yang menghasilkan data banyak, yaitu terutama  social media. Perbedaan data terstruktur & Data tidak terstrukturData Terstruktur           - Sudah tertabulasi (terdata gampang)         2. Data Tidak Terstruktur           - Data – data berupa teks Perbedaan Data dan Informasi         1. Data :                  Data adalah fakta mentah atau rincian peristiwa yang belum diolah, yang terkadang tidak                dapat diterima oleh akal pikiran dari penerima tersebut, maka dari itu data harus diolah terlebih           dahulu menjadi informasi unuk dapat diterima oleh penerima         2. Informasi :   ...
Read more

Perkuliahan 7 (22-10-2021)

 Support Vector Machine            Konsep Klasifikasi dengan Support Vector Machine (SVM) adalah mencari hyperplane terbaik yang berfungsi sebagai pemisah du akelas data            Ide sederhana dari SVM adalah memaksimalkan margin, yang merupakan jarak pemisah antara kelas data            SVM mampu bekerja pada dataset yang berdiensi tinggi dengan menggunakan kernel titik            SVM hanya menggunakan beberapa titik data terpilih yang berkontribusi (Support Vector) untuk membentuk model yang akan digunakan dalam proses klasifikasi. Tujuan            Mencari Hyperlane maksimum Definisi Dasar            Decision Boundary : Pemisah antar class – hyperlane            Margin : Jarak terdekat dari decision boundary dengan data yang ingin dipisahkan    ...
Read more

Perkuliahan 10 (26-11-2021)

 Agglomerative Hierarchical Clustering (AHC)      Hierarchical CLustering adalah metode analisis kelompok yang berusaha untuk membangun sebuah hirarki kelompok data. Strategi pengelompokkannya umumnya ada 2 jenis yaitu Agglomerative (Bottom-Up) dan Devisive (Top-Down). Pada bagian ini akan dibatasi hanya menggunakan konsep Agglomerative (Bottom-Up).  Algoritma AHC 1. Hitung matrik jarak antar data (menggunakan Euclidean atau Manhattan Disatance) 2. Gabungkan dua kelompok terdekat menjadi satu kelompok data: Single Lingkage (Jarak Terdekat) : Jarak antara member terdekat dari dua kluster Complete Lingkage (Jarak Terjauh) : Jarak antara member terjauh dari kluster. Maximum distance between cluster ,  Average Lingkage (Jarak Rata- Rata : Menghitung semua jarak  dari kumpulan - kumpulan, lalu dibuat rata- rata.  Average distance between cluster 3. Perbarui matrik jatrak antar data untuk mempresentasikan antara kelompok baru dengan kelompok yang tersis...
Read more