Pendahuluan Pembelajaran Mesin Bagus Adhi Kusuma

Pembelajaran Mesin : Sebuah Studi Kasus Gearbox rusak telah menjadi penyebab kecelakaan dari helicopter CH-46 Angkatan Laut AS pada tanggal 20 Februari 2013. Meskipun kerusakan gearbox dapat didiagnosis oleh montir sebelum helikopter lepas landas, lalu bagaimana jika kerusakan terjadi saat dalam penerbangan, atau ketika tidak mungkin bagi manusia untuk mendeteksi? Pembelajaran Mesin terbukti berguna dalam domain ini dengan demikian memiliki potensi yang sangat berguna untuk menyelamatkan nyawa manusia!

How did it Work? Pertimbangkan Kondisi Umum Berikut : Anda berada di mobil Anda, melaju kencang, tiba-tiba anda mendengar suara “aneh" noise. Untuk mencegah kecelakaan anda memperlambat laju kendaraan anda kemudian menepi serta membawanya ke bengkel terdekat.

Konsep Mobil : Suara mesin yang aneh dapat terdengar oleh telinga manusia Helicopter : Suara gearbox tidak dapat didengar langsung oleh manusia. Perlu adanya suatu sistem yang menjembatani kejadian pada helicopter tersebut yang berkenaan dengan kapasitas indra manusia yaitu dengan membuat suatu sistem yang dapat memonitoring mesin helicopter tersebut secara real time.

Lalu dimana letak Pembelajarannya? Coba anda pikirkan mengenai truk tua ini ! Apakah anda mengetahui apabila terdapat bunyi “aneh” dari mesin truk ini? Manakah bunyi yang normal dengan yang tidak? Apakah anda tahu? Disitulah letak pembelajarannya. Perlu waktu untuk experimen membandingkan kondisi normal dengan kondisi tidak normal.

Bagaimana computer bekerja? Jelas bahwa computer tidak bisa mengenal suara yang normal dengan suara tidak normal. Suara dapat direpresentasikan menjadi bentuk pola gelombang sbb Gelombang tersebut merupakan representasi dari nilai bilangan real. Perlu adanya program yang menjembatani bahasa mesin dengan bahasa manusia.

Bagaimana computer bekerja? Dalam system monitoring gearbox helicopter terdapat bilangan- bilangan yang merepresentasikan manakah bunyi normal dan mana yang tidak normal. Suara-suara tersebut memiliki karakteristik yang berbeda. Karakteristik yang tepat dalam kategori yang berbeda-beda yang mana sulit untuk di deskripsikan. Oleh karena itu, hal tsb tidak dapat diprogram, melainkan, perlu dipelajari oleh komputer. Ada banyak cara di mana komputer dapat belajar bagaimana membedakan antara dua pola (misalnya, pohon keputusan, jaringan saraf, jaringan bayesian, dll) dan itu adalah tujuan dari pembelajaran mesin!

Apalagi yang dapat dikerjakan oleh Pembelajaran Mesin? Medical : Deteksi gangguan penyakit jantung Sonar detection pada kapal selam Speech Recognition System Sistem kendali mobil otomatis Personalized Web Asisten (misalnya, asisten otomatis yang dapat membuat surat kabar secara pribadi)

Definisi Pembelajaran Mesin Pembelajaran menurut Simon (1983) adalah perubahan dalam sistem yang secara adaptif memampukan sistem tersebut mengerjakan tugas-tugas yang sama atau tugas dalam jenis yang sama secara lebih efektif pada waktu berikutnya. Bidang study yang mana memberikan kemungkinan suatu computer dapat belajar tanpa campur tangan programmer secara eksplisit

Contoh-contoh penerapan Pembelajaran Mesin yang telah berhasil Learning to recognize spoken words (Lee, 1989; Waibel, 1989). Learning to drive an autonomous vehicle (Pomerleau, 1989). Learning to classify new astronomical structures (Fayyad et al., 1995). Learning to play world-class backgammon (Tesauro 1992, 1995).

Pentingnya Pembelajaran Mesin Beberapa tugas tidak dapat didefinisikan dengan baik, kecuali oleh contoh. (misalnya, mengenali orang). Hubungan dan korelasi dapat tersembunyi dalam suatu data yang berjumlah besar. Machine Learning / Data Mining mungkin dapat menemukan hubungan-hubungan ini. Desainer Manusia sering menghasilkan mesin yang tidak bekerja dengan baik seperti yang diinginkan dalam lingkungan di mana mesin tersebut digunakan. Jumlah pengetahuan yang tersedia tentang tugas-tugas tertentu mungkin terlalu besar untuk pengkodean eksplisit oleh manusia (misalnya, diagnostik medis).

Pentingnya Pembelajaran Mesin Lingkungan berubah dari waktu ke waktu Pengetahuan / Penemuan-penemuan baru yang terus-menerus ditemukan oleh manusia. Mungkin terlalu sulit untuk mendesain ulang sistem "dengan tangan manusia".

Ruang lingkup Pembelajaran Mesin Statistik: Cara terbaik untuk menggunakan sampel yang diambil dari distribusi probabilitas diketahui untuk membantu memutuskan dari mana distribusi beberapa sampel baru diambil. Brain Models: Elemen Non-linear dengan pembobotan input (Jaringan Syaraf Tiruan) telah diusulk Teori Kontrol Adaptif: Bagaimana menangani pengendalian proses memiliki parameter yang tidak diketahui yang harus diestimasi selama operasi. Psikologi: Bagaimana model kinerja manusia pada berbagai tugas-tugas belajar Artificial Intelligence: Bagaimana menulis algoritma untuk memperoleh kecerdasan otak manusia. Model evolusi: Bagaimana model aspek-aspek tertentu dari evolusi biologis untuk meningkatkan kinerja program komputer?

Representasi Data • Jenis Data • Proses Persiapan Data • Representasi Pengetahuan • Evaluasi Hipotesis

Jenis Data Boolean Adalah nilai yang menghasilkan benar atau salah. Contoh operasi dalam Boolean adalah AND, OR, NOT, dll. Numerik Sistem bilangan numerik adalah sebuah simbol atau kumpulan dari simbol yang merepresentasikan sebuah bilangan Nominal Data nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun.

Proses Persiapan Data Pemilihan atribut Discretising Numeric Atributes Kelengkapan Data Keakuratan Data Duplikasi Data

Representasi Pengetahuan Tabel Keputusan Pohon Keputusan Kaidah Representasi berbasis Instance Jaringan Saraf Tiruan, dll

Evaluasi Hipotesis Performansi Cross-Validation Probabilitas Prediksi Biaya