Seberapa menarik sih Machine Learning?

Machine Learning adalah tekhnologi yang bisa beradaptasi dan belajar sendiri tanpa ada arahan dari pengguna. Lebih rincinya, simak penjelasan berikut

Machine Learning

Machine Learning adalah sebuah teknologi yang didesain untuk bisa beradaptasi dan belajar secara mandiri tanpa ada arahan dari penggunanya. Jika berbicara mengenai machine learning, kita tak bisa jauh dari obrolan tentang teknologi, robotics, dan lainnya. Bahkan, perkembangan dan kepopuleran teknologi ini memang menjadi hal menarik tersendiri di abad ini. Yakni, menjadi topik yang tidak banyak ilmuwan saja yang membicarakannya tapi juga para pegiat seni seperti film maker. Konsep teknologi ini pun digunakan sebagai dasar pembuatan dalam alur film yakni science fiction. Menarik kan?

sumber: unsplash.com

Machine Learning adalah salah satu cabang dari Artificial Intelligence. Karena pada dasarnya, Artificial Intelligence digunakan secara garis besar pada tujuh cabang, yaitu 

  1. machine learning
  2. natural language processing
  3. expert system
  4. vision
  5. speech
  6. planning dan 
  7. robotics.

Machine learning pertama kali dikemukakan oleh beberapa ilmuwan matematika yakni Adrien Marie Legendre, Thomas Bayes dan Andrey Markov pada tahun 1920-an dengan mengemukakan dasar-dasar machine learning dan konsepnya pada saat itu. 

Kepopuleran teknologi ini melonjak karena mampu mempelajari data dan melakukan tugas-tugas tertentu sesuai dengan apa yang ia pelajari. Jadi, tekhnologi ini memang sengaja di desain oleh manusia untuk bisa belajar dengan sendirinya tanpa arahan dari penggunanya.

Pengembangan ini  berdasarkan disiplin ilmu lainnya seperti statistika, matematika dan data mining sehingga mesin dapat belajar dengan menganalisa data tanpa perlu di program ulang atau diperintah.

Teknologi ini mulai dikembangkan sejak dulu yakni pada salah satu penerapannya adalah Deep Blue yang dibuat oleh IBM pada tahun 1996. Sebuah aplikasi yang dikembangkan untuk bisa melakukan permainan catur  secara otomatis bahkan melawan juara catur profesional  pada saat itu. dan hasilnya, Machine Learning Deep Blue ini memenangkan perlombaan ini tanpa arahan dari pengguna.

Manfaat Machine Learning Dalam Kehidupan Sehari-Hari

Pernahkah terlintas bahwa Machine Learning akan memudahkan kehidupan manusia dan membuat pekerjaan lebih ringkas dan cepat? Ya, contoh kecilnya yakni face unlock pada smartphone kamu. Meski hal kecil, tapi ketika jari kita kotor dan susah untuk menyentuh layar smartphone, face unlock ini sangat berguna dalam membuka smartphone dan sangat memudahkan pekerjaan. 

Selain itu, bagi para pebisnis, teknologi yang populer ini sangat erat penggunaanya untuk  iklan di internet. Melalui ini, kita bisa melakukan segmentasi khusus agar iklan kita bisa tepat sasaran.

Lalu, Bagaimana Cara Kerjanya?

Cara kerja Machine Learning memang bisa dikatakan berbeda tergantung dengan teknik atau metode yang biasanya kamu pakai untuk belajar. Namun secara garis besar, cara kerjanya sama yakni dimulai dari  pengumpulan data, eksplorasi data, pemilihan model atau teknik, memberikan pelatihan terhadap model yang dipilih dan melakukan evaluasi.

Seperti yang diungkapkan sebelumnya, Machine Learning adalah teknologi yang mampu belajar sendiri seperti manusia. Sehingga cara kerja Machine learning adalah terus belajar sampai maksimal. Contohnya yakni, Machine Learning akan terus mempelajari jenis wajah pada pengguna face unlock smartphone sehingga pada sisi manapun, face unlock akan mudah terbuka. Maka, setiap hari, teknologi face unlock ini merekam, mengeksplorasi, dan mengevaluasi data dari wajah pengguna agar semakin akurat dalam melakukan pekerjaan.

Jadi semakin machine learning sering digunakan, maka tingkat akurasinya semakin baik. Dan seiring berjalannya waktu, teknologi ini akan sangat bermanfaat dengan kekuatan belajarnya. Apakah kamu tertarik belajar mendalam tentang tekhnologi ini?

Untuk mendalaminya, kamu bisa mulai dengan terjun ke ranah ilmu statistika. Untuk belajar lebih dalam mengenai statistika, bisa tanyakan langsung ke Theta Statistik melalui IG, WA, atau email ya.