Artificial Intelligence Indonesia Academy adalah sebuah program mentoring non-profit untuk para pelajar/non-pelajar Indonesia tentang Machine Learning (ML) dan Natural Language Processing (NLP).
Pada program mentoring ini para peserta akan di bantu untuk mempelajari ML dan NLP dari awal hingga bisa menerapkan pengetahuan nya menjadi teknologi baru.
Di pertemuan yang pertama telah dibahas secara komprehensif konsep dasar dari Machine Learning dari sudut pandang praktisi.
Saat acara berlangsung, alokasi waktu terbanyak ada pada sesi diskusi, karena para peserta sangat antusias sekali untuk tau tentang Machine Learning.
https://artificialintelligence.id/ai-indonesia-academy-batch-1-3507d130e187
5. Tujuan
• Mengerti, mampu menerapkan dan mampu mengevaluasi algoritma
untuk Supervised Machine Learning dalam task klasifikasi
6. Timeline
• 12 Maret 2016 – Mengerti Konsep Dasar Machine Learning
• 19 Maret 2016 – Menerapkan Konsep Dasar (Full Hands-on)
• 02 April 2016 – Mengevaluasi Algoritma/Metode yang digunakan
8. Machine Learning?
• Teori, Definisi secara luas:
“A computer program is said to learn from experience E with respect
to some class of tasks T and performance measure P, if its
performance at tasks in T, as measured by P, improves with
experience E.” (Mitchell, 1997, p. 2)
• Peneliti:
Fokus studi (sub-studi dari Computer Science & Statistics)
• Praktisi:
Salah satu cara yang digunakan untuk menyelesaikan masalah
9. Machine Learning
• Supervised Machine Learning
• Diberikan data sebagai contoh
• Menentukan hasil berdasarkan contoh
• Unsupervised Machine Learning
• Tidak diberikan data sebagai contoh
• Menemukan pola dan hubungan antar data yang diberikan
10. Supervised Machine Learning dalam
Prakteknya
Input Output
Training Data
Algoritma
Machine Learning
Model
Input ?
Data Baru
Model Output
11. Training Data
• Pasangan input dan output
• Data di representasikan berupa vektor
• Feature engineering
12. Training Data
Task:
Menentukan harga kontrakan yg optimal untuk mahasiswa di daerah
Kampus C, Universitas Airlangga
Data:
Daftar data alamat, harga, ukuran dll kontrakan di kampus C
Contoh Training data:
<(“jl. X”, 8m2), 600.000>
<(“jl. Y”, 5m2), 260.000>
13. Training Data Klasifikasi
• Outputnya bukan hanya satu numerikal tapi beberapa
kelas/kelompok.
• Contoh:
• Klasifikasi penyakit kanker dari data pasien sebelumnya
• Klasifikasi sentimen (positif, netral, negative)
• Klasifikasi email spam (spam, bukan spam)
• Klasifikasi bahasa pemograman (C, C++, Go, Rust, dll)
14. Algoritma Supervised Machine Learning
• Bayesian
• Decision Tree
• Naive-bayes
• Support Vector Machines (SVM)
• Random Forests
15. Model
• Dalam prakteknya model inilah yang digunakan sebagai core
teknologinya
• Untuk dipadukan dengan teknologi lainnya
• Web
• Mobile
• Car
• Drone
17. Pertemuan Kedua
• Feature engineering
• Pemahaman algoritma yang digunakan
• Membuat teknologi berbasis Machine Learning
Sampai jumpa di pertemuan kedua!
19 Maret 2016 Pukul 13.00-16.00