Penerapan Machine Learning dalam Kehidupan Sehari-hari

carilah contoh-contoh penerapan machine leaning pada kehidupan sehari-hari.

Penerapan Machine Learning Dalam Jejaring Sosial Facebook.

Walaupun tidak bisa mengalahkan mesin pencari sebagai situs terpopuler, ternyata  Sosial media merupakan situs yang paling lama diakses oleh penggunanya berdasarkan data Alexa.

Sosial media seperti Facebook menggunakan machine learning sehingga penggunanya betah untuk berlama-lama dalam menatap gadget nya. Dibawah ini merupakan beberapa Teknik machine learning yang ada di dalam social media facebook.

·         Fitur Orang yang Mungkin Anda kenal

Facebook dapat menyarankan pertemanan kepada orang-orang yang memang berada di sekitar kita. Facebook mengumpulkan informasi pengguna, baik dari informasi umum seperti tempat tinggal, alamat sekolah, alamat kerja, dan kesukaan hingga log aktivitas seperti data percakapan, posting, dan profil yang sering dilihat (stalking). Sehingga bisa dilakukan prediksi teman yang mungkin sama di dunia nyata.

·         Pengenalan Wajah

Facebook dapat mengetahui bahwa suatu gambar yang diunggah memuat wajah orang-orang. Sehingga pengguna dapat memberikan tag wajah pada area wajah di gambar. Seiring berjalannya waktu dengan banyaknya foto yang diunggah, facebook akan mengenali wajah-wajah penggunanya. Ini memungkinkan facebook melakukan tag secara otomatis wajah orang-orang pada gambar baru yang diunggah.

·         Pos pada Beranda

Facebook akan mengumpulkan aktivitas tiap penggunanya, orang yang sering diajak berkomunikasi, posting yang sering disukai, hingga grup yang sering dilihat. Hal ini digunakan untuk menampilkan prioritas postingan yang ditampilkan pada beranda akun penggunanya. Sehingga peluang terjadinya interaksi terhadap pos yang tampil semakin tinggi. sebab postingan yang akan diprioritaskan tampil dalam beranda kita adalah orang-orang yang sering berinteraksi dengan kita.

Mengapa mereka menggunakan Teknik machine learning untuk menyelesaikan permasalahan tersebut.

 Sebab Machine learning adalah sebuah artificial intelligence (AI) yang menyediakan sistem kinerja secara otomatis serta belajar memperbaiki diri dari pengalaman tanpa diprogram secara eksplisit. Pembelajaran mesin berfokus pada pengembangan program komputer yang bisa mengakses data dan menggunakannya untuk belajar sendiri. Sehingga ia dapat memperakurat keputusan dari waktu ke waktu berdasarkan data-data yang telah diperoleh.

Apakah Tidak ada Opsi Teknik Lainnya ? Jelaskan bika ada !

Ada, Deep Learning adalah sebuah Teknik yang jauh lebih baik dan canggih daripada machine learning. Deep Learning adalah sebuah evolusi selanjutya dari machine learning, memang deep learning jauh lebih rumit daripada machine learning , namun deep learning lebih canggih dibandingkan machine learning.

Mengapa demikian?

Sebab cara kerja Teknik Machine learning perlu diberitahu untuk bagaimana ia menciptakan prediksi yang akurat dengan cara diberikan data secara terus menerus. Sementara jika kita bandingkan dengan deep learning, deep learning mampu mempelajari metode komputasinya sendiri, bisa diibaratkan deep learning mampu mempelajari metode komputasi dengan otaknya sendiri.

Apa kelebihan dan kekurangan Teknik machine learning daripada Teknik lainnya (yang kamu jelaskan pada soal C)?

Kelebihan Teknik Machine Learning jika kita bandingkan dengan Deep Learning, menurut pendapat saya ada didalam proses menngeluarkan output ya meskipun itu juga bisa jadi kelemahan dari Teknik Machine Learning itu sendiri.  

Machine Learning adalah sebuah algoritma yang dibangun untuk “belajar” dengan cara memahami data berlabel yang sudah kita arahkan, kemudian menggunakanya untuk menghasilkan output lebih lanjut dengan lebih banyak set data. Namun, mereka perlu dilatih kebali melalui intervensi manusia jika output mereka muncul tidak sesuai dengan apa yang kita maksud.

 Sekarang kita amati bagaimana cara kerja dari deep learning,  deep learning tidak memerlukan intervensi manusia sama sekali, karena mereka belajar melalui kesalahan yang mereka buat sendiri,  artinya mereka membutuhkan sebuah set data yang sangat banyak, namun, meskipun begitu deep learning pun akan mengalami kesalahan atau cacat outputnya jika kualitas data yang didapat tidak cukup baik,

Sebab kualitas data adalah yang paling penting ketika kita berbicara mengenai deep learning atau machine learning.

Dari penjelasan diatas kesimpulan yang saya bisa ambil untuk memperoleh kelebihan yang dimiliki machine learning jika kita bandingkan dengan deep learning adalah dari kebutuhan data. Kedua himpunan bagian AI ini berputar di sekitar data untuk benar-benar memberikan segala bentuk "kecerdasan". Namun, apa yang harus diketahui adalah bahwa Deep Learning membutuhkan lebih banyak data daripada algoritma Machine Learning. Alasan untuk ini adalah bahwa deep learning hanya mampu mengidentifikasi tepi (konsep, perbedaan) dalam lapisan jaringan saraf ketika terkena lebih dari satu juta titik data.  di sisi lain, Machine Learning dapat belajar melalui kriteria yang telah diprogram  manusia sebelumnya.

Yang juga menjadi kelemahan dari Machine Learning adalah masih membutuhkan Intervensi manusia.

semua jawaban diatas tentunya merupakan sebuah opini dari saya berdasarkan dari  berbagai referensi yang telah saya baca. Mohon dikoreksi apabila terdapat opini yang keliru dan kurang tepat.