Pembelajaran mesin

Isi

• Definisi - Apa yang dimaksud dengan Pembelajaran Mesin?
• Pengantar Microsoft Azure dan Microsoft Cloud | Sepanjang panduan ini, Anda akan mempelajari tentang apa itu cloud computing dan bagaimana Microsoft Azure dapat membantu Anda untuk bermigrasi dan menjalankan bisnis Anda dari cloud.
• Techopedia menjelaskan Machine Learning

Definisi - Apa yang dimaksud dengan Pembelajaran Mesin?

Pembelajaran mesin adalah disiplin kecerdasan buatan (AI) yang diarahkan pada pengembangan teknologi pengetahuan manusia. Pembelajaran mesin memungkinkan komputer menangani situasi baru melalui analisis, pelatihan mandiri, observasi, dan pengalaman.

Pembelajaran mesin memfasilitasi kemajuan komputasi yang berkelanjutan melalui paparan skenario baru, pengujian dan adaptasi, sementara menggunakan deteksi pola dan tren untuk keputusan yang lebih baik dalam situasi berikutnya (meskipun tidak identik).

Pembelajaran mesin sering bingung dengan penambangan data dan penemuan pengetahuan dalam database (KDD), yang memiliki metodologi yang sama.

Pengantar Microsoft Azure dan Microsoft Cloud | Sepanjang panduan ini, Anda akan mempelajari tentang apa itu cloud computing dan bagaimana Microsoft Azure dapat membantu Anda untuk bermigrasi dan menjalankan bisnis Anda dari cloud.

Techopedia menjelaskan Machine Learning

Tom M. Mitchell, seorang pelopor pembelajaran mesin dan profesor Carnegie Mellon University (CMU), meramalkan evolusi dan sinergi pembelajaran manusia dan mesin. Feed Berita Todays adalah contoh sempurna. Umpan Berita diprogram untuk menampilkan konten teman pengguna. Jika pengguna sering memberi tag atau menulis di dinding teman tertentu, Umpan Berita mengubah perilakunya untuk menampilkan lebih banyak konten dari teman itu.

Aplikasi pembelajaran mesin lainnya termasuk pengenalan pola sintaksis, pemrosesan bahasa alami, mesin pencari, visi komputer dan persepsi mesin.

Sulit untuk meniru intuisi manusia dalam sebuah mesin, terutama karena manusia sering belajar dan menjalankan keputusan secara tidak sadar.

Seperti anak-anak, mesin memerlukan periode pelatihan yang panjang ketika mengembangkan algoritma luas yang diarahkan pada dikte perilaku masa depan. Teknik pelatihan termasuk hafalan, penyesuaian parameter, operator makro, chunking, pembelajaran berbasis penjelasan, pengelompokan, koreksi kesalahan, pencatatan kasus, manajemen model berganda, propagasi balik, pembelajaran penguatan dan algoritma genetika.