Ketika saya bergabung untuk B.Tech di cabang Artificial Intelligence, saya bahkan tidak tahu apa itu bahasa pemrograman. Karena hypenya, banyaknya lapangan pekerjaan membuat saya mengambil keputusan ini. Begitu saya bergabung, saya semakin bingung tentang segala hal, dan banyak pertanyaan di benak saya seperti, Apa itu Machine Learning? Apa bedanya dengan coding biasa? Di mana kita menggunakannya? Bagaimana cara mulai belajar? Apa saja langkah-langkah yang terlibat dalam proyek pembelajaran Mesin? Apakah setiap orang perlu mengikuti prosedur yang sama? Apa bedanya dengan Ilmu Data (Anda mungkin pernah mendengar istilah ini juga)? dan masih banyak lagi pertanyaan yang belum terjawab. Satu-satunya hal yang saya tahu adalah kami memiliki alat terbesar untuk mendapatkan informasi dan pengetahuan yaitu GOOGLE. Tapi tahukah Anda, ketika Anda mencari sesuatu di Google. Ini menampilkan banyak tautan dan situs web terkait ke layar Anda dan Anda akan menjadi semakin bingung. Kesulitan yang saya hadapi selama belajar membuat saya menulis artikel ini. Saya akan mencoba menindaklanjuti rangkaian artikel tentang topik ini dalam beberapa hari ke depan. Ini dia.
Saat ini, sebagian besar siswa, apa pun bidang ilmunya, telah mendengar kata “Pembelajaran Mesin dan Kecerdasan Buatan”. Ada banyak hype akhir-akhir ini karena kemajuan di bidang ilmu komputer dan fakta bahwa Machine learning dapat digunakan di domain lain selama datanya ada.
Pembelajaran Mesin, Istilah ini menjadi lebih umum sebagai “bernafas” dalam beberapa tahun terakhir. Karena bertambahnya jumlah data yang dihasilkan, maka teknologi pun diperbarui untuk menangani data tersebut, menggunakannya untuk pengembangan dan kemajuan di berbagai bidang. Dimanapun data tersedia dalam skala besar, Machine learning dapat diterapkan.
Bisakah kita menerapkan pembelajaran mesin pada setiap kasus?
Ya, bisa, tapi itu sepenuhnya bergantung pada kelayakan kasus penggunaan. Untuk keperluan bisnis, kita perlu memahami kelayakan penggunaan ML. Seringkali, penggunaan statistik untuk menganalisis data dapat memecahkan masalah. Kelayakan mencakup biaya produksi produk, ketersediaan sumber daya, dll.
Apakah sama dengan coding/pemrograman biasa?
Ya, ini menggunakan beberapa konsep pemrograman biasa tetapi tidak sama dengan pemrograman tradisional. Dalam pemrograman tradisional, kami memberikan instruksi kepada mesin/komputer dan mengharapkan hasilnya, sedangkan dalam pembelajaran Mesin, mesin belajar dari data sebelumnya dari masalah atau kasus penggunaan yang sama dan memberikan hasil pada skenario masa depan dari kasus yang sama. dengan menggunakan statistik. Tepatnya, Pembelajaran mesin adalah kombinasi ilmu komputer, matematika, dan Statistik. Untuk menguasai Machine learning, memahami statistik sangatlah penting.
Bagaimana kita mulai belajar?
Seperti yang dikatakan sebelumnya, Pembelajaran mesin adalah kombinasi ilmu komputer, matematika, dan statistik, seseorang harus memiliki pengetahuan dasar tentang ketiganya.
Ilmu Komputer :
Mayoritas pembelajaran Mesin dilakukan dengan python dan R. Python direkomendasikan untuk pemula. Konsep dasar python, penggunaan oops, penggunaan berbagai perpustakaan di python seperti Numpy, dan panda untuk memanipulasi data diperlukan untuk pembelajaran mesin. Untuk pemahaman visualisasi data dibuat menggunakan berbagai perpustakaan seperti Matplotlib, seaborn, dll.
Matematika dan statistik :
Matematika mencakup kalkulus dan aljabar linier, dan statistik memainkan peran utama dalam pembelajaran Mesin. Kalkulus digunakan untuk membuat fungsi yang paling sesuai untuk data dan statistik membantu dalam menemukan pola dan tren dari data. Statistika meliputi tendensi sentral, skewness, varians, dan bias (yang akan dijelaskan secara rinci di bagian selanjutnya).
Dalam seri artikel berikutnya, saya akan menjelaskan langkah-langkah apa saja yang terlibat dalam proyek Machine learning seperti yang saya pelajari dan pahami.
