Cara Belajar Machine Learning Panduan Berita AS |  Pendidikan
Education

Cara Belajar Machine Learning Panduan Berita AS | Pendidikan

Kemajuan teknologi memungkinkan bisnis mengumpulkan data dalam jumlah besar – terkadang lebih dari yang mereka tahu apa yang harus dilakukan. Pembelajaran mesin adalah kunci untuk menerapkan informasi itu.

Insinyur wanita melakukan penelitian di fasilitas lab untuk pembelajaran mesin dan komputasi awan.

(Gambar Getty)

Pembelajaran mesin membantu bisnis menganalisis dengan benar semua data yang mereka kumpulkan, mengidentifikasi tren yang mungkin terlewatkan, dan mengubah petak data menjadi informasi yang dapat menginformasikan proses pengambilan keputusan.

Jika Anda dapat menerapkan konsep pembelajaran mesin, Anda dapat memposisikan diri Anda sebagai bagian penting dari bisnis. Panduan ini akan memandu Anda melalui dasar-dasar dan membantu Anda memulai pembelajaran mesin menggunakan sumber daya online.

Pembelajaran mesin melibatkan pengembangan algoritme komputer – pedoman yang memberi tahu komputer cara melakukan tugas tertentu – yang dapat dipelajari dan ditingkatkan secara otomatis dengan lebih banyak pengalaman.

Meskipun pembelajaran mesin telah ada selama beberapa waktu, pembelajaran mesin semakin relevan dalam beberapa tahun terakhir, karena bisnis merangkul pengalaman digital dan menghasilkan banyak data. Data ini berisi segala macam informasi: apa yang kita beli, ke mana kita bepergian, apa yang menarik minat kita. Ini dapat berisi gambaran rinci tentang seseorang atau kumpulan orang dan minat serta motivasi mereka. Ini dapat bermanfaat bagi organisasi, tetapi tanpa alat yang tepat, profil dan pola tersebut tetap tersembunyi.

“Kapan pun ada masalah yang perlu dipecahkan bahkan secara kasar, tetapi (terutama) ketika masalah ini telah lolos dari upaya manual kami, ada baiknya mempertimbangkan pembelajaran mesin,” kata Kyunghyun Cho, profesor ilmu komputer dan ilmu data di New York. Universitas.

Padhraic Smyth, profesor ilmu komputer di University of California–Irvine Donald Bren School of Information and Computer Sciences dan associate director untuk Pusat Pembelajaran Mesin dan Sistem Cerdas perguruan tinggi, mengatakan teknik pembelajaran mesin dapat diterapkan di berbagai bidang, dari medis diagnosis untuk mengemudi otonom.

Orang yang tertarik dengan pembelajaran mesin sering kali menjadi pemecah masalah. Mereka termotivasi oleh tantangan untuk menemukan pola yang tidak dapat dilihat orang lain. Mereka mengembangkan alat yang dapat menyaring kumpulan data besar dan menemukan kesamaan. Mereka ingin mengubah yang tidak diketahui menjadi diketahui dan membantu membuat keputusan yang lebih baik dan menghasilkan hasil yang lebih baik.

Jika itu terdengar seperti Anda, maka pembelajaran mesin pembelajaran dapat membantu Anda dengan baik.

AI vs. Pembelajaran Mesin: Apa Bedanya?

Pembelajaran mesin adalah konsep kecerdasan buatan terapan.

Smyth menggambarkan AI sebagai studi yang “mencoba untuk mengatasi masalah umum tentang bagaimana kita dapat membuat komputer lebih cerdas dan berperilaku lebih seperti manusia.” Sementara “pembelajaran mesin pada dasarnya adalah tentang membuat komputer belajar dari data.”

Bidang studi lain dalam AI melibatkan konsep pembelajaran mesin. Itu termasuk visi komputer, yang mengajarkan komputer untuk memahami gambar dan video, dan pemrosesan bahasa alami, yang mengajarkan komputer untuk memahami teks. Keduanya mengandalkan konsep pembelajaran mesin untuk pemecahan masalah.

Subset dalam pembelajaran mesin mencakup pembelajaran mendalam, yang digambarkan Cho sebagai “menggunakan jaringan komputasi terdiferensiasi yang sangat rumit yang dapat belajar menangkap pemetaan yang sangat canggih antara pengamatan dan target berdimensi tinggi dan sangat terstruktur.”

Ini disebut “dalam,” kata Cho, karena jaringan komputasi ini sering melibatkan modul atau lapisan yang menumpuk. Masing-masing mewakili proses individu yang berbeda bahwa jaringan telah diajarkan bagaimana melakukannya. Mereka kemudian digabungkan untuk menciptakan pemahaman yang lebih dalam tentang apa yang sedang diproses atau dicari oleh sistem pembelajaran mesin.

Bagaimana Pembelajaran Mesin Berguna?

Pembelajaran mesin sangat membantu untuk menangani sejumlah besar data. Secara khusus, pembelajaran mesin dapat berguna ketika kita perlu menggunakan data untuk memprediksi sesuatu, kata Smyth. Algoritme pembelajaran mesin belajar saat lebih banyak informasi diberikan kepada mereka. Semakin banyak data yang mereka proses, semakin mereka menyempurnakan output mereka, secara teoritis menghasilkan hasil yang lebih baik dari waktu ke waktu.

Seperti yang Anda bayangkan, pakar pembelajaran mesin sangat diminati di banyak bidang. Menurut situs lowongan kerja Memang, karir insinyur pembelajaran mesin mengalami pertumbuhan yang luar biasa, dengan peningkatan 344% dalam posting pekerjaan pada tahun 2019. Dengan gaji pokok rata-rata $ 146.085, posisi ini tidak hanya dicari, tetapi juga menguntungkan.

Pembelajaran mesin membutuhkan dasar matematika dan ilmu komputer yang kuat. Ini bisa tampak luar biasa, terutama untuk pemula. Tetapi dengan pendekatan yang tepat, Anda dapat membangun keterampilan, mendapatkan pengalaman, dan berpotensi mendapatkan posisi dalam pembelajaran mesin saat Anda menguasai bidang tersebut.

Sebelum Anda Memulai Pembelajaran Mesin…

Memoles teknik dan teknologi yang mendasarinya. Cho merekomendasikan untuk memiliki pemahaman tentang konsep-konsep seperti kalkulus, aljabar linier, probabilitas dan statistik, dan algoritma.

Lihat juga bahasa pemrograman yang digunakan dalam pembelajaran mesin. Python, bahasa pemrograman tingkat tinggi dan tujuan umum, adalah tempat yang baik untuk memulai. Ini dianggap sebagai salah satu bahasa pemrograman yang lebih mudah didekati dan dapat memberikan titik masuk yang baik bagi pemula pembelajaran mesin.

Demikian pula, R adalah alat penting untuk insinyur pembelajaran mesin. Bahasa pemrograman digunakan untuk komputasi statistik, grafik, dan analisis data.

Sumber Daya dan Referensi untuk Memulai

  • Pelajari Python, DataCamp melalui LearnPython.org, gratis.
  • Pelajari Python 3, Codecademy, gratis untuk akun dasar, paket premium mulai dari $19,99 setelah uji coba gratis.
  • Pemrograman R, Coursera, gratis untuk diaudit, $49 per bulan untuk berlangganan.
  • Tutorial Pemrograman R – Pelajari Dasar-dasar Komputasi Statistik, kursus YouTube freeCodeCamp.org, gratis.
  • Pengenalan CS50 untuk Ilmu Komputer, edX, gratis, sertifikasi tersedia seharga $90.

Konsep Pembelajaran Mesin Dasar

Saat Anda memulai pembelajaran mesin, Anda akan mulai menemukan beberapa terminologi yang akan menjadi akrab seiring waktu.

A model, misalnya, adalah “representasi dari apa yang telah dipelajari oleh sistem pembelajaran mesin dari data pelatihan”, menurut Daftar Istilah Pembelajaran Mesin Google. Model Anda mengambil data dan membuat ramalan. Cara kerjanya tergantung pada jenis pembelajaran mesin yang Anda gunakan.

Pembelajaran yang diawasi adalah jenis pembelajaran mesin yang mengharuskan Anda melatih model menggunakan kumpulan data dengan data berlabel – data yang telah diberi tag dengan informasi kontekstual tambahan, seperti demografi atau lokasi. Teknik pembelajaran ini berlanjut sampai model mencapai tingkat kinerja tertentu. Pembelajaran yang diawasi mungkin menggunakan model klasifikasi, yang mengkategorikan informasi berdasarkan informasi yang diberikan, atau model regresi, yang mencoba membuat prediksi berdasarkan input.

Sementara itu, pembelajaran tanpa pengawasan mencari pola dalam data yang belum ditandai dengan informasi kontekstual. Ini dapat mengatur data ke dalam cluster.

Jenis lain dari algoritma pembelajaran mesin termasuk: pembelajaran semisupervisi, yang menggunakan data tidak berlabel dan berlabel, dan pembelajaran penguatan, yang melibatkan pengajaran model “untuk memaksimalkan hasil saat berinteraksi dengan lingkungan”, menurut glosarium Google.

Selain jenis pembelajaran ini, Anda juga akan mulai melihat model berkumpul dalam bentuk jaringan saraf. Jaringan ini, dirancang untuk meniru cara otak kita memproses informasi, terdiri dari berbagai cara untuk memproses data. Jaringan saraf juga merupakan bagian dari teknologi pendukung yang memungkinkan pembelajaran mendalam.

Kelas untuk Pemula

  • Pembelajaran Mesin, Coursera, gratis, $79 untuk mendapatkan sertifikat.
  • Pengantar Kursus Pembelajaran Mesin, Udacity, gratis.
  • Dasar-dasar Pembelajaran Mesin, edX, gratis, sertifikasi tersedia seharga $350.
  • Pengantar Konsep Pembelajaran Mesin, Akademi Cloud, $49 per bulan setelah uji coba gratis tujuh hari.
  • Dasar-dasar Pembelajaran Mesin, DataQuest, mulai dari $24,50 per bulan.

Kelas untuk Pembelajar Menengah

Buku

Praktikkan Pengetahuan Anda tentang Pembelajaran Mesin

Setelah mendapatkan lebih banyak pengalaman, gunakan pengetahuan Anda dengan cara yang praktis. Bangun proyek pembelajaran mesin Anda sendiri. Pilih topik yang menarik minat Anda, topik yang memiliki cukup banyak data yang memungkinkan Anda melatih model Anda.

Saat Anda membangun algoritme pembelajaran mesin, Anda akan mulai menemukan pola dan menemukan cara baru untuk berinteraksi dengan dan memahami kumpulan data Anda. Anda dapat belajar lebih banyak lagi dengan membagikan pekerjaan Anda kepada orang lain. Temukan komunitas online yang mungkin menunjukkan minat pada temuan Anda atau yang berfokus pada pembelajaran mesin secara umum. Mintalah umpan balik, dan gunakan wawasan ini untuk menemukan cara menyempurnakan model Anda.

Sumber Daya dan Referensi untuk Memulai

  • Pembelajaran Mesin Tingkat Lanjut, edX, gratis, sertifikasi tersedia seharga $149.
  • Machine Learning Teoretis dan Tingkat Lanjut dengan TensorFlow, TensorFlow, gratis.
  • Pembelajaran Mesin Terapan – Pemula hingga Profesional, Analytics Vidhya, $250.
  • Pembelajaran Mesin Terapan untuk Semua Orang, Udemy, $94,99.
  • Penataan Proyek Pembelajaran Mesin, Coursera, gratis untuk diaudit, $49 per bulan setelah uji coba gratis.

Pembelajaran mesin adalah bidang yang membutuhkan dasar pengetahuan. Apakah Anda perlu mengambil kursus tergantung pada seberapa akrab Anda dengan konsep teknik dan matematika. Cho mengatakan titik awal untuk setiap orang “tergantung pada seberapa dalam Anda ingin menyadari pembelajaran mesin sebelum menggunakannya untuk memecahkan masalah Anda.”

Banyak alat yang diperlukan untuk mempelajari teknik pembelajaran mesin tersedia secara online gratis, sehingga memungkinkan bagi pemula dengan latar belakang konsep ini untuk belajar sendiri. Namun, kursus dapat memberikan lebih banyak panduan dan menawarkan arahan bagi mereka yang tertarik untuk mengejar aplikasi pembelajaran mesin tertentu.

Anda dapat berhasil mempelajari pembelajaran mesin dengan menerapkan teknik yang membantu Anda mempelajari keterampilan lain. Buat jadwal belajar, temukan kelompok belajar untuk berkolaborasi atau bekerja dengan seorang mentor. Temukan teknik yang cocok untuk Anda dan memungkinkan Anda melakukan yang terbaik.

Pembelajaran mesin tidak mudah dipelajari, tetapi bermanfaat dan dapat membuka peluang karir yang menjanjikan.

Posted By : keluar hk