1. ML Pengenjcddncudncuvd dbjdvddcualan.pdf

njdnfcudhchsi

1. Machine Learning
Pengenalan
©
Templateswise.com

2. Sumber/Referensi :
Diadaptasi dari materi Kominfo Digital Talent

3. Definisi: Apa itu M L ?
Machine Learning merupakan sub-area dari Ilmu
Komputer yang mampu memberikan komputer
“Kemampuan untuk belajar tanpa diprogram secara
eksplisit”

Arthur Samuel
Peneliti IBM di Area Computer Gaming dan AI, 1959

4. Hubungan AI, ML, dan DL
AI
Example:
Knowledge
bases
Machine Learning
Example:
Logistic
regression
Example:
Shallow
autoencoders
Representation
Learning
Deep Learning
Example:
MLPs

5. Definisi: Apa itu M L ?
• Machine
•Komputer, Program Komputer
• Learning
•Peningkatan Kinerja pada tugas yg diberikan
berdasarkan pada pengalaman / contoh

• Machine Learning
•Fokus pada program computer yang secara
otomatis dapat meningkatkan kinerjanya
melalui/berdasarkan pengalaman

6. Problem Solving Klasik
Dahulu, kita cenderung mengandalkan keahlian
manusia untuk menyelesaikan sebuah
permasalahan/problem

Untuk permasalahan yang spesifik, terdapat orang
yang ahli, sebagai spesialis dalam bidang tertentu

7. Problem Solving Klasik
Seorang Pakar (ahli) mempelajari data yang relevan
Kemudian pakar akan mendefinisikan satu set aturan
yang akan menyelesaikan permasalahan
Aturan tersebut, kemudian di kodekan oleh
programmer kedalam sebuah software

8. Problem Solving Klasik
Aturan biasanya bekerja pada kasus tertentu atau
pada permasalahan spesifik tertentu.
Ketika masalah berubah, membesar, atau menjadi
lebih kompleks, sebuah aturan baru diperlukan, dan
mungkin pakar/ahli harus memulai semuanya lagi dari
awal

9. Problem Solving Klasik
Permasalahan muncul Ketika tidak ada manusia /
pakar yang tersedia
Memerlukan beberapa Teknik yang mampu secara
otomatis ”belajar” relasi antara data tersedia dan
menghasilkan “rule” untuk menyelesaikan
permasalahan

10. Machine Learning
Metode yang mempelajari dari data sampai dengan
menghasilkan sebuah generalisasi aturan/rule yang
memetakan input ke output yang diharapkan

11. Machine Learning
❖Disamping programmer secara eksplisit
menulis aturan untuk bagaimana
menyelesaikan permasalahan,
❖Kita juga mengkoleksi sejumlah contoh yang
secara spesifik dapat mengkoreksi output
untuk input yang diberikan
❖Programer menginstruksikan computer
bagaimana belajar dari contoh

12. Pendekatan Tradisional
Ekstraksi Fitur
If f1=“yes” and f2<2 then “bird”
Else if f2=“no” and f3=5 and f4<1 then “cat”
Else if f1=“Yes” and f2<2 and f4=“yes” then
“dog”
Else if f2=“no” and f5>10 and f1=“no” then fish
.....
Kumpulan Peraturan
Dog
Cat
Bird
Fish
Hasil

13. Pendekatan Machine Learning
Model Machine Learning Ekstraksi Fitur
Dog
Cat
Bird
Fish
Hasil

15. Sejarah AI/ML –Timbul dan Tenggelam --

16. Sejarah AI/ML
Perkembangan Awal – AI (1952 – 1960)
–Newell & Simon General Problem Solver
–1958: McCarthy LISP
–McCarthy Programs with Common Sense
50s60s

17. Sejarah AI/ML
•AI Early Developments (1952 – 1960)
–1957: Frank Rosenblatt Mark I Perceptron
–the first implementation of perceptron algorithm
50s60s

18. Sejarah AI/ML
•AI Early Developments (1964 – 1969)
–Example: Eliza, Chat bot,
•E : what is bothering you?
•A : I feel sad all the time
•E : ( recognize “I feel-” ) Why do you feel sad all the time?
•A : I don’t get along with my friends
•E : ( recognize “my friends” ) Tell me about your friends
•A : …
50s60s

19. Sejarah AI/ML
50s60s
•AI Early Developments (1964 – 1969)
–2001: A Space Odyssey

20. Sejarah AI/ML
•Slow (poor) Developments (1966 - 1974)
–The AI program contains little knowledge of the subject
and succeeds simply because of simple synthetic
manipulations.
–Hard problem to solve AI programs fail.
–Two different perceptron entries can not be trained to
recognize the two different entries.

•First AI Winter
50s60s70s

21. Sejarah AI/ML
50s60s70s
•Knowledge-based System ( 1969 – 1979 )
•AI entering industrial (1980 - 1988)
–Expert system R1, configure the computer system
–Operated at Digital Equipment Corporation (DEC)
–Carnegie Group, Inference, Intellicorp, and Technoledge, a
software tools to build expert systems
80s

22. Sejarah AI/ML
•The birth of Machine Learning :
The Return of Artificial Neural
Networks
–1985s: Back-Propagation learning
algorithm introduced

50s60s70s80s

23. Sejarah AI/ML
•Second AI Winter

•Neural Networks Limitation
(1990~)
–Limited data availability
–Limited computational power
50s60s70s80s90s

24. Sejarah AI/ML
•Second AI Winter
•Neural Networks Limitation (1990~)
–Limited data availability
–Limited computational power
•Vanishing Gradient Problem (1991)
–Failures identified in Neural Networks

•Era of Feature Extractions
50s60s70s80s90s

25. Sejarah AI/ML
•Geoff Hinton’s Deep Learning (2006)
–mathematically optimize results from
each layer so that the learning
accumulated faster as it proceeded up
the stack of layers
–AutoEncoder, Restricted Boltzmann
Machine

50s60s70s80s90s00s

26. Sejarah AI/ML
Deep Learning boom (2011~)
AI defeats humans in many aspects

Speeded up computations
Unlimited resources
50s60s70s80s90s00s10s

27. AI Masa Sekarang

28. AI Masa Kini
•[2011] IBM’s Watson won a game of Jeopardy against the top
two all-time champions
•[2015-2018] Neural Net beat human accuracy in 1000-class
Visual Recognition in IMAGENET
•[2016, 2017] Google DeepMind’s AlphaGo beat 2 go masters

29. AI Masa Kini
•[2017] DeepBlue beat poker pro players
•[2017] Elon Musk’s OpenAI Dota2 bot beat pro player in 1-vs-1
•[2018] A portrait created by AI just sold for $432,000.
•[2018] Video to Video Synthesis
•[2019] Elon Musk’s OpenAI Dota2 bot beat pro player in 5-vs-5

30. AI Masa Kini
•AI can paint
–Deep Dream, Generative Adversarial Network
•AI can write a script and screenplay for a movie
–Sunspring
•AI can compose a music
–AIVA
•AI can generate (write) a code
–DeepCoder

31. AI Masa Kini
•Self driving car
•Smart Home
•Automatic detection and recognition
–Face, fingerprint, sound, speech
•Real speech-to-speech time translation
•Image captioning and understanding
•Text summarization

32. AI Masa Depan

33. AI Masa Depan

34. AI Masa Depan
•AI is the new electricity
•Computing is becoming free
•Data is becoming the new oil
•Machine learning is becoming the new
combustion engine

35. AI Masa Depan

36. Permasalahan Dataset

37. Anjing Komondor VS Lap Pel

38. Muffin
vs
Cihuahua

39. Kue
vs
Burung Parrot

40. Trump
vs
Ayam

41. Bisa kah Komputer membedakan ?

42. Beberapa Teknik Machine Learning
•Regression
–Memprediksi nilai kontinyu.
–Memprediksi harga rumah berdasarkan karakteristik.
•Classification
–Mengelompokkan data ke dalam kategori tertentu
berdasarkan label tertentu.
–Mengelompokkan sel jinak dan ganas.

43. Beberapa Teknik Machine Learning
•Clustering
–Menemukan struktur intrinsik dari data.
–Pengelompokkan pasien rumah sakit yang serupa.
•Associations
–Mengaitkan item yang sering terjadi bersama.
–Barang grosir apa yang biasanya dibeli bersamaan.

44. Beberapa Teknik Machine Learning
•Deteksi Anomali
–Menemukan kasus abnormal yang tidak biasanya terjadi
dalam data.
–Mendeteksi penipuan kartu kredit

•Dimension Reduction
–Mengurangi besar dimensi dari data.

45. Beberapa Teknik Machine Learning

•Sistem Rekomendasi
–Merekomendasikan item sesuai dengan perilaku
pengguna.
–Sistem rekomendasi video yang dilakukan youtube

46. Library Python untuk ML

47. Eksplorasi
This introduction to Python will kickstart your learning of Python for
data science, as well as programming in general. This beginner-friendly
Python course will take you from zero to programming in Python in a
matter of hours. Upon its completion, you'll be able to write your own
Python scripts. If you want to learn Python from scratch, this free
course is for you.

https://cognitiveclass.ai/courses/python-for-data-science
Silahkan daftarkan diri masing-masing pada platform cognitiveclass.ai tersebut dan
ambil course Python for Data Science, Ikuti kelasnya sampai selesai dan dapatkan
sertifikatnya