Machine Learning: An Overview¶
Pada notebook ini, kita akan meninjau ulang dasar machine learning. Secara garis besar, topik yang akan kita bahas adalah:
Apa itu machine learning
Jenis machine learning
Machine learning workflow
Apa Itu Machine Learning¶
Pertama, coba isi mentimeter berikut. Menurut kamu, kira-kira apa yang dimaksud dengan machine learning?
Untuk mendefinisikan machine learning, terlebih dahulu kita perlu tahu apa yang dimaksud dengan learning di sini.
- Learning [Mitchell, 1997]
Sebuah program komputer dikatakan belajar dari pengalaman E dengan suatu tugas T dan sebuah metrik P, jika dan hanya jika, performa program komputer tersebut untuk tugas T, yang diukur oleh metrik P, semakin baik dengan pengalaman E.
- Task T
Tugas yang dimaksud di sini bukanlah proses belajar dari program tersebut. Tugas yang dimaksud di sini adalah klasifikasi, regresi, machine translation dan lainnya.
- Performance P
Sebuah metrik yang mengukur kemampuan program dalam menjalankan suatu tugas T dan biasanya hanya untuk tugas T saja. Contohnya, akurasi.
- Experience E
Proses belajar dari program yang secara umum dibedakan menjadi supervised dan unsupervised sesuai dengan dataset yang tersedia.
Jenis Machine Learning¶
Secara umum, terdapat 2 jenis machine learning berdasarkan cara belajar suatu program: supervised dan unsupervised.
Supervised Machine Learning
Type of machine learning where the data have a target variable or the ground truth. Task dalam supervised learning terbagi menjadi 2 jenis: regresi dan klasifikasi
Unsupervised Machine Learning
Type of machine learning where the data doesn’t have a target variable. Beberapa contoh task pada unsupervised learning seperti clustering, dimensionality reduction, anomaly detection, dan lainnya.
Machine Learning Workflow¶
Untuk dapat melatih sebuah model machine learning, kita perlu melakukan beberapa persiapan.
Good data is [Ng, 2021]:
Defined consistently (definition of labels is unambiguous)
Cover important cases (good coverage of inputs x)
Has timely feedback from production data (covers distribution drift and concept drift)
Sized appropriately
Secara umum, alur kerja machine learning adalah sebagai berikut [Cloud, 2021].
Fig. 1 Alur kerja machine learning.¶
Dari gambar di atas, langkah pertama adalah source and prepare your data. Langkah ini terdiri dari beberapa hal:
Ambil data yang dibutuhkan
Prapemrosesan data dan data understanding
penanganan missing value
feature extraction
feature engineering
dan lainnya
Pembagian data menjadi training, development, dan test set
Kita perhatikan juga bahwa tidak ada definition of done pada alur kerja di atas. Hal ini karena kita akan terus memonitor performa model di production dan akan selalu melakukan pembaharuan pada model ataupun dataset dengan versioning keduanya.