Pembelajaran mesin
Machine Learning membuat komputer belajar dari mempelajari data dan statistik.
Machine Learning adalah langkah menuju kecerdasan buatan (AI).
Machine Learning adalah program yang menganalisis data dan belajar memprediksi hasilnya.
Mulai dari mana?
Dalam tutorial ini kita akan kembali ke matematika dan mempelajari statistik, dan bagaimana menghitung angka penting berdasarkan kumpulan data.
Kita juga akan belajar bagaimana menggunakan berbagai modul Python untuk mendapatkan jawaban yang kita butuhkan.
Dan kita akan belajar bagaimana membuat fungsi yang mampu memprediksi hasil berdasarkan apa yang telah kita pelajari.
Himpunan data
Dalam pikiran komputer, kumpulan data adalah kumpulan data apa pun. Itu bisa apa saja mulai dari array hingga database lengkap.
Contoh array:
[99,86,87,88,111,86,103,87,94,78,77,85,86]
Contoh database:
nama belakang | Warna | Usia | Kecepatan | AutoPass |
BMW | merah | 5 | 99 | kamu |
Volvo | hitam | 7 | 86 | kamu |
VW | Abu-abu | 8 | 87 | n |
VW | putih | 7 | 88 | kamu |
Mengarungi | putih | 2 | 111 | kamu |
VW | putih | 17 | 86 | kamu |
Tesla | merah | 2 | 103 | kamu |
BMW | hitam | 9 | 87 | kamu |
Volvo | Abu-abu | 4 | 94 | n |
Mengarungi | putih | 11 | 78 | n |
Toyota | Abu-abu | 12 | 77 | n |
VW | putih | 9 | 85 | n |
Toyota | biru | 6 | 86 | kamu |
Dengan melihat array, kita dapat menebak bahwa nilai rata-rata mungkin sekitar 80 atau 90, dan kita juga dapat menentukan nilai tertinggi dan terendah, tetapi apa lagi yang bisa kita lakukan?
Dan dengan melihat database kita dapat melihat bahwa warna yang paling populer adalah putih, dan mobil tertua adalah 17 tahun, tetapi bagaimana jika kita dapat memprediksi jika sebuah mobil memiliki AutoPass, hanya dengan melihat nilai lainnya?
Itulah gunanya Pembelajaran Mesin! Menganalisis data dan memprediksi hasilnya!
Dalam Pembelajaran Mesin, bekerja dengan kumpulan data yang sangat besar adalah hal yang umum. Dalam tutorial ini kami akan mencoba membuatnya semudah mungkin untuk memahami berbagai konsep pembelajaran mesin, dan kami akan bekerja dengan kumpulan data kecil yang mudah dipahami.
Tipe Data
Untuk menganalisis data, penting untuk mengetahui jenis data apa yang kita hadapi.
Kita dapat membagi tipe data menjadi tiga kategori utama:
- numerik
- kategoris
- Urut
Data numerik adalah angka, dan dapat dibagi menjadi dua kategori numerik:
- Data Diskrit
- angka yang terbatas pada bilangan bulat. Contoh: Banyaknya mobil yang lewat. - Data Berkelanjutan
- angka yang bernilai tak terbatas. Contoh: Harga suatu barang, atau ukuran suatu barang
Data kategoris adalah nilai yang tidak dapat diukur satu sama lain. Contoh: nilai warna, atau nilai ya/tidak.
Data ordinal seperti data kategorikal, tetapi dapat diukur satu sama lain. Contoh: nilai sekolah dimana A lebih baik dari B dan seterusnya.
Dengan mengetahui tipe data dari sumber data Anda, Anda akan dapat mengetahui teknik apa yang digunakan saat menganalisisnya.
Anda akan belajar lebih banyak tentang statistik dan menganalisis data di bab-bab berikutnya.