Contoh Kasus Machine Learning Dan 10 Rujukan Dari Aplikasi Machine Learning
Sebelumnya kita sudah mempelajari mengenai definisi dan pengertian dasar dari machine learning. Sebenarnya akan lebih praktis kalau kita bergerak dari apa saja permasalahan yang sanggup di selesaikan dengan machine learning. Hal ini akan menawarkan pengertian mendalam dan juga pola yang sanggup kita aplikasikan terhadap problem lain. Kita berguru dengan pola sama ibarat machine learning yang kita pelajari.
10 Contoh dari aplikasi Machine Learning
Spam Detection: Mendeteksi dari inbox email mana yang spam dan mana yang tidak. Dengan model ini kita sanggup mengarahkan spam ke kotak inbox nya dan menjaga kebersihan dari inbox kita. Kita niscaya sudah familiar dengan ini.
Credit Card Fraud Detection: Kita sanggup memilih mana transaksi yang dilakukan oleh customer menurut history transaksi yang dibentuk oleh customer tersebut. Dengan demikian kita sanggup mereject dan me refund transaksi yang di deteksi sebagai fraud.
Digit Recognition: Permasalahan ini ditujukan untuk mengenali zip codes yang tertera pada amplop yang ditulis dengan tangan. Model yang dibentuk akan dengan praktis membaca dan mengerti zip codes dan melaksanakan sorting menurut geography tertentu
Speech Understanding: Kita sudah tahu bahwa inilah yang dilakukan oleh iPhone dengan Siri ataupun oleh Cortana pada windows.
Face Detection: Kita sanggup mengidentifikasi orang dari foto yang diberikan menurut pola yang didapat dari ratusan foto. Hal memudahkan mengelompokkan foto menurut wajah orang tersebut. Beberapa software foto dan kamera mempunyai kemampuang berikut. Facebook juga mempunyai kemampuan untuk melaksanakan tagging pada foto.
Product Recommendation: Berdasarkan history dari pembelian customer dan inventory dari product, kita sanggup mengidentifikasi produk-produk mana yang menarik untuk customer dalam melaksanakan pembelian. Model ini akan menghasilkan kegiatan yang bertugas untuk menawarkan rekomendasi. Amazon mempunyai kemampuan ini. Netflix juga mempunyai kemampuan untuk merekomendasikan film apa yang relevan untuk ditonton selanjutnya menurut history.
Medical Diagnosis: Berdasarkan simptom yang ada pada pasien dan kumpulan data dari pasien-pasien sebelumnya, kita sanggup memprediksi apakah pasien akan menderita penyakit yang sama. Hal ini sanggup membantu untuk menawarkan support terhadap para medis.
Stock Trading: Dengan data-data dari pergerakan harga sebelum kita sanggup mendeteksi stock mana yang hendak di beli dan di jual atau di tahan. Model tersebut akan menawarkan support terhadap financial analyst atau trader.
Customer Segmentation: Berdasarkan pola tingkah laris dari user selama trial dan behaviour sebelumnya, kita sanggup mengidentifikasi user mana yang akan berpindah ke paid version dan mana yang tidak. Model ini sanggup menawarkan kegiatan kecerdasan untuk membujuk user beralih ke customer. Hal ini sanggup dilakukan dengan menawarkan perlakukan khusus pada masa trial
Shape Detection: Berdasarkan gambar tangan dari user dan pola dari bentuk-bentuk gambar kita sanggup memilih apa gotong royong yang user gambar. Model ini sanggup menawarkan versi terbaik dari bentuk yang digambar sehingga gambar menjadi lebih teratur. Contohnya yakni kegiatan instaviz
Dari 10 pola masalah diatas kita tentunya sanggup melihat persamaan machine learning problem. Ada sample dari historical data dan ada keputusan atau decision yang harus diambil menurut model tersebut.
Beberapa pola merupakan problem yang sulit dalam machine learning ibarat computer vision dan natural language processing. Hal ini sanggup dengan praktis dilakukan oleh insan tetapi sulit dilakukan oleh mesin. Machine learning ada disekitar anda. Temukan dan pahamilah.
Tipe dari machine learning problem
Berdasarkan pola diatas kita sanggup menciptakan pembagian terstruktur mengenai dari tipe-tipe machine learning problem.
Classification : Data yang ada diberikan label atau kategori misalnya spam dan non spam atau fraud dan non fraud. Keputusan yang diambil yakni dukungan label atau kategori terhadap data-data baru.
Regression : Data diberikan label real value, numeric atau floating point. Contoh gampangnya yakni time series data dari harga stock sesuai dengan waktu. Kita akan mencoba mendeteksi harga stock tersebut di lalu hari.
Clustering : Data tidak diberikan label, tapi secara otomatis di bagi menurut kemiripan dan struktur lain dari data tersebut. Contohnya yakni mengorganisasikan foto. Kita harus melaksanakan tagging secara manual.
Rule Extraction : Data dipakai untuk melaksanakan dukungan label if dan else rule yang dipakai untuk melaksanakan decision yang didasarkan dari tree pengambil keputusan.
Kita sudah melaksanakan review dari contoh-contoh machine learning problem dan juga klasifikasinya. Kita skarng sudah mulai mempunyai keyakinan diri mengenai problem apa yang ada disekitar kita dan sanggup dikategorikan sebagai permasalahan machine learning.
Referensi :
https://weltam.wordpress.com/2017/04/18/contoh-kasus-machine-learning/
http://www.catatanrobert.com/konsep-dan-implementasi-machine-learning/
0 Response to "Contoh Kasus Machine Learning Dan 10 Rujukan Dari Aplikasi Machine Learning"
Posting Komentar