Sebelumnya kita sudah mengenal apa itu machine learning dan bagaimana contoh utama dari penerapan sebuah machine learning di aplikasi dan website, kali ini kita akan mempelajari beberapa tipe machine learning yang sering digunakan demi membantu manusia bekerja lebih cepat dan produktif lagi.
Perbedaan Supervised Learning dan Unsupervised Learning
Machine learning membutuhkan banyak data untuk membuat keputusan yang baik, semakin banyak data yang dimiliki maka semakin akurat juga keputusan-keputusan yang dibuat oleh machine learning untuk manusia maupun sistem. Beberapa tipe machine learning adalah supervised, unsupervised, dan reinforcement learning.
1) Supervised Learning
Supervised learning adalah bagian dari machine learning dan artificial intelligence, supervised learning menggunakan data yang sudah diberi label oleh data scientist untuk melatih algoritma dalam membuat sebuah hasil prediksi yang tepat. Scientist sudah menyiapkan data-data penting terkait dari output yang diharapkan, data tersebut dikoleksi lalu disimpan di dalam model pada supervised learning.
Jika kita menggunakan GMail, terkadang GMail mengindentifikasi sebuah email yang bersifat scam atau spam dengan cepat dan akurat, well, itu contoh utama dari kerja algoritma supervised learning, dapat meningkatkan user experience design dan membantu manusia hidup lebih produktif.
2) Unsupervised Learning
Sementara supervised learning membutuhkan banyak data yang diberikan label oleh scientist atau pengguna untuk membantu machine tersebut belajar, unsupervised learning dapat belajar mandiri dengan cara membaca sebuah pattern (tanpa harus diberikan labeled data).
Tipe machine learning yang satu ini sangat membantu ketika pengguna butuh mengindentifikasi patterns dan menggunakan data tersedia untuk membuat keputusan cepat.
Unsupervised learning cocok digunakan dalam membuat segmentasi pasar, image recogniition, dan cross-selling strategy yang bisa menumbuhkan sebuah bisnis, hal tersebut bisa kita kenal sebagai clustering algorithm. Algoritma yang digunakan biasanya adalah Hidden Markov models, k-means, hierarchical clustering, dan Gaussian mixture models.
Pilih menerapkan supervised atau unsupervised learning?
Saya sebagai pemula lebih tertarik menggunakan supervised learning karena saya sebagai scientist dapat mengkontrol hasil yang saya harapkan sehingga proses belajar menjadi lebih terarah dan sesuai dengan harapan, selain itu juga saya suka melakukan riset untuk data-data yang dibutuhkan pada algoritma supervised learning.