Pelajaran 2.1: Machine Learning (ML) – Jiwa dari AI Modern

Machine Learning adalah sebuah pendekatan dimana komputer “belajar” dari data tanpa diprogram secara eksplisit untuk setiap tugas.

Analogi:
Bayangkan seorang anak belajar mengenali apel. Anda tidak memberi tahu semua aturannya (“warna merah, bentuk bulat…”). Anda cukup menunjukkan banyak gambar apel dan bukan apel. Lama kelamaan, anak itu akan belajar pola dan bisa mengenali apel dengan sendirinya. Itulah prinsip Machine Learning.

Tiga Paradigma Utama ML:

  1. Supervised Learning (Pembelajaran Terawasi): Model belajar dari data yang sudah memiliki “label” atau jawaban benar.

    • Contoh: Melatih sistem untuk membedakan spam dan bukan spam dengan memberikan ribuan email yang sudah diberi label “spam” atau “bukan spam”.

  2. Unsupervised Learning (Pembelajaran Tidak Terawasi): Model menemukan pola tersembunyi dari data yang tidak berlabel.

    • Contoh: Mengelompokkan pelanggan berdasarkan perilaku belanjanya tanpa tahu sebelumnya ada segmentasi apa.

  3. Reinforcement Learning (Pembelajaran Penguatan): Model belajar melalui trial and error dengan sistem reward and punishment.

    • Contoh: AI bermain catur atau Go. Setiap langkah yang membawanya menang diberi “reward”, dan langkah yang menyebabkan kekalahan dihindari.

Pelajaran 2.2: Deep Learning & Jaringan Saraf Tiruan (Neural Networks)

Konten:
Deep Learning adalah sub-bidang dari Machine Learning yang terinspirasi dari struktur otak manusia, yaitu Jaringan Saraf Tiruan (Neural Networks).

Cara Kerja Sederhana Neural Network:

  1. Input Layer (Lapisan Masukan): Menerima data (misalnya, pixel dari sebuah gambar).

  2. Hidden Layers (Lapisan Tersembunyi): Beberapa lapisan yang memproses data. Setiap lapisan mengambil hasil dari lapisan sebelumnya, mengolahnya, dan meneruskannya. Di sinilah pola-pola kompleks seperti tepi, bentuk, hingga objek dikenali.

  3. Output Layer (Lapisan Keluaran): Menghasilkan output akhir (misalnya, “ini adalah gambar kucing” dengan probabilitas 95%).

Kelebihan Deep Learning: Sangat powerful untuk menangani data yang sangat kompleks dan tidak terstruktur seperti gambar, suara, dan teks.

PreviousNext