Mengenal Unstructured Data
16 Februari 2022
16 Februari 2022
Machine learning adalah studi tentang membuat mesin menjadi mirip manusia dalam aspek perilaku dan keputusan, dengan memberi mereka kemampuan untuk belajar dan mengembangkan program mereka sendiri. Istilah Machine learning diciptakan oleh Arthur Samuel pada 1959 dengan definisi, “Bidang studi yang memberi komputer kemampuan untuk belajar tanpa diprogram secara eksplisit.” Lalu, bagaimana contoh machine learning dalam kehidupan sehari-hari?
Contoh machine learning ternyata ada dalam berbagai bentuk yang sangat akrab dengan aktivitas sehari hari. Mulai dari transportasi, teknologi, finansial, pendidikan, kesehatan, dan juga media sosial yang sering Anda kunjungi.
Contoh machine learning dalam transportasi adalah untuk menyederhanakan waktu perjalanan menjadi lebih singkat. Misalnya pada Google Maps yang menggunakan data lokasi dari smartphone, ia dapat memeriksa pergeseran arus lalu lintas kapan saja secara real time. Apalagi ia juga dapat mendeteksi laporan lalu lintas seperti kemacetan dan kecelakaan. Dengan mengakses data yang relevan, Google Maps dapat mengurangi waktu perjalanan dengan menunjukkan rute tercepat.
Selain itu, machine learning juga dapat menganalisis perkiraan harga perjalanan, mengakurasi lokasi penjemputan, mengoptimalkan rute terpendek, dan mendeteksi penipuan. Program seperti ini sangat bermanfaat untuk layanan transportasi online. Uber telah menggunakannya guna mengoptimalkan pelayanan.
Perusahaan finansial seperti bank menggunakan machine learning untuk beberapa fungsi, seperti pencegahan penipuan, kredit, dan m-banking. Biasanya, volume transaksi harian sangat tinggi dan sulit bagi manusia untuk meninjaunya secara manual tiap transaksinya. Sistem berbasis machine learning menciptakan neural network untuk menentukan apakah transaksi tersebut merupakan penipuan atau tidak, dengan menerapkan faktor-faktor seperti frekuensi transaksi terbaru, ukuran transaksi, dan jenis retailer yang disertakan.
Keputusan penerimaan permohonan kredit kini juga telah menggunakan AI. Saat mengajukan kredit atau pinjaman, badan keuangan harus menentukan dengan cepat apakah akan menyetujuinya atau tidak. Machine learning membantu dalam keputusan kredit berdasarkan penilaian resiko tertentu bagi pengguna secara terpisah.
Selain itu, teknologi AI juga menciptakan layanan praktis berupa mobile-banking yang dipersonalisasi sehingga pengguna yang tidak memiliki waktu untuk pergi ke bank dapat melakukan transaksi mandiri di mana pun ia berada. M-banking memungkinkan pengguna untuk melakukan cek saldo, transaksi, transfer, dan layanan bank lainnya hanya dengan smartphone di tangan.
Aktivitas akademik selalu tak lepas dari pekerjaan esai dan pengecekan plagiarisme sebagai standar orisinalitas esai. Contoh machine learning di pendidikan adalah untuk membangun detektor plagiarisme yang akurat. Ia mampu menganalisis dengan cepat estimasi numerik tentang seberapa identik dokumen yang di-input dengan dokumen lain dalam database.
Machine learning juga dapat menciptakan Robo-reader, yaitu sistem penilaian esai secara otomatis. Esai adalah tulisan yang sangat kompleks, namun berkat bantuan AI, menilai tugas esai menjadi jauh lebih mudah. Ada ujian GRE yang menggunakan seorang penilai manusia dan satu Robo-reader yang dikenal sebagai e-Rater untuk menilai esai. Bahkan di sektor pendidikan ini, machine learning membantu dalam pembelajaran yang dipersonalisasi, voice assistant, memudahkan administrasi, dan menganalisis tingkat putus sekolah seorang siswa.
Contoh machine learning dalam bidang medis adalah menangani masalah diagnostik dan prognostik. Selain itu, ia juga mampu menganalisis data medis untuk mendeteksi keteraturan data, menghapus data yang tidak valid, menjelaskan data yang dihasilkan unit medis, dan untuk memantau pasien secara efektif. Manajemen pasien dan urusan administrasi pun menjadi jauh lebih efisien.
Saat mengunggah foto di Facebook, secara otomatis akan muncul saran tag teman berdasarkan deteksi wajah dalam foto tersebut, itulah AI. Selain identifikasi wajah, Facebook juga menggunakan AI untuk mempersonalisasi feeds dan menayangkan post yang menghibur atau menarik perhatian pengguna berdasarkan interest. Hal ini juga berlaku untuk menayangkan iklan bisnis tertentu yang sesuai dengan minat pengguna.
Aplikasi Instagram, Pinterest, dan Snapchat pun menggunakan machine learning untuk mengenali objek dalam gambar. Filter wajah (Lensa) Snapchat dan Instagram dapat menyaring dan melacak aktivitas wajah, sehingga memungkinkan animasi atau topeng digital filter tersebut mengikuti gerak wajah penggunanya.
Anda tentu sudah tak asing dengan Siri, Google Assistant, Amazon Alexa, dan Google Home. Teknologi tersebut adalah contoh machine learning paling dekat dengan kita. Dengan menerapkan AI secara keseluruhan, perangkat rumah dan asisten pribadi akan mengikuti perintah termasuk mengatur pengingat, mencari informasi online, mengatur lampu, dan sebagainya.
Machine learning pada penerapannya telah merambah ke berbagai bidang. Hal-hal seperti aplikasi transportasi, layanan keuangan, pendidikan, kesehatan, dan media sosial adalah contoh machine learning dalam kehidupan sehari-hari.
Tertarik untuk mendalami lebih lanjut tentang machine learning? Ikutilah kelas data science dari Algoritma Data Science School. Algoritma menyediakan berbagai kelas data science yang mengakomodasi berbagai kebutuhan maupun level expertise Anda.
Referensi:
Machine learning adalah studi tentang membuat mesin menjadi mirip manusia dalam aspek perilaku dan keputusan, dengan memberi mereka kemampuan untuk belajar dan mengembangkan program mereka sendiri. Istilah Machine learning diciptakan oleh Arthur Samuel pada 1959 dengan definisi, “Bidang studi yang memberi komputer kemampuan untuk belajar tanpa diprogram secara eksplisit.” Lalu, bagaimana contoh machine learning dalam kehidupan sehari-hari?
Contoh machine learning ternyata ada dalam berbagai bentuk yang sangat akrab dengan aktivitas sehari hari. Mulai dari transportasi, teknologi, finansial, pendidikan, kesehatan, dan juga media sosial yang sering Anda kunjungi.
Contoh machine learning dalam transportasi adalah untuk menyederhanakan waktu perjalanan menjadi lebih singkat. Misalnya pada Google Maps yang menggunakan data lokasi dari smartphone, ia dapat memeriksa pergeseran arus lalu lintas kapan saja secara real time. Apalagi ia juga dapat mendeteksi laporan lalu lintas seperti kemacetan dan kecelakaan. Dengan mengakses data yang relevan, Google Maps dapat mengurangi waktu perjalanan dengan menunjukkan rute tercepat.
Selain itu, machine learning juga dapat menganalisis perkiraan harga perjalanan, mengakurasi lokasi penjemputan, mengoptimalkan rute terpendek, dan mendeteksi penipuan. Program seperti ini sangat bermanfaat untuk layanan transportasi online. Uber telah menggunakannya guna mengoptimalkan pelayanan.
Perusahaan finansial seperti bank menggunakan machine learning untuk beberapa fungsi, seperti pencegahan penipuan, kredit, dan m-banking. Biasanya, volume transaksi harian sangat tinggi dan sulit bagi manusia untuk meninjaunya secara manual tiap transaksinya. Sistem berbasis machine learning menciptakan neural network untuk menentukan apakah transaksi tersebut merupakan penipuan atau tidak, dengan menerapkan faktor-faktor seperti frekuensi transaksi terbaru, ukuran transaksi, dan jenis retailer yang disertakan.
Keputusan penerimaan permohonan kredit kini juga telah menggunakan AI. Saat mengajukan kredit atau pinjaman, badan keuangan harus menentukan dengan cepat apakah akan menyetujuinya atau tidak. Machine learning membantu dalam keputusan kredit berdasarkan penilaian resiko tertentu bagi pengguna secara terpisah.
Selain itu, teknologi AI juga menciptakan layanan praktis berupa mobile-banking yang dipersonalisasi sehingga pengguna yang tidak memiliki waktu untuk pergi ke bank dapat melakukan transaksi mandiri di mana pun ia berada. M-banking memungkinkan pengguna untuk melakukan cek saldo, transaksi, transfer, dan layanan bank lainnya hanya dengan smartphone di tangan.
Aktivitas akademik selalu tak lepas dari pekerjaan esai dan pengecekan plagiarisme sebagai standar orisinalitas esai. Contoh machine learning di pendidikan adalah untuk membangun detektor plagiarisme yang akurat. Ia mampu menganalisis dengan cepat estimasi numerik tentang seberapa identik dokumen yang di-input dengan dokumen lain dalam database.
Machine learning juga dapat menciptakan Robo-reader, yaitu sistem penilaian esai secara otomatis. Esai adalah tulisan yang sangat kompleks, namun berkat bantuan AI, menilai tugas esai menjadi jauh lebih mudah. Ada ujian GRE yang menggunakan seorang penilai manusia dan satu Robo-reader yang dikenal sebagai e-Rater untuk menilai esai. Bahkan di sektor pendidikan ini, machine learning membantu dalam pembelajaran yang dipersonalisasi, voice assistant, memudahkan administrasi, dan menganalisis tingkat putus sekolah seorang siswa.
Contoh machine learning dalam bidang medis adalah menangani masalah diagnostik dan prognostik. Selain itu, ia juga mampu menganalisis data medis untuk mendeteksi keteraturan data, menghapus data yang tidak valid, menjelaskan data yang dihasilkan unit medis, dan untuk memantau pasien secara efektif. Manajemen pasien dan urusan administrasi pun menjadi jauh lebih efisien.
Saat mengunggah foto di Facebook, secara otomatis akan muncul saran tag teman berdasarkan deteksi wajah dalam foto tersebut, itulah AI. Selain identifikasi wajah, Facebook juga menggunakan AI untuk mempersonalisasi feeds dan menayangkan post yang menghibur atau menarik perhatian pengguna berdasarkan interest. Hal ini juga berlaku untuk menayangkan iklan bisnis tertentu yang sesuai dengan minat pengguna.
Aplikasi Instagram, Pinterest, dan Snapchat pun menggunakan machine learning untuk mengenali objek dalam gambar. Filter wajah (Lensa) Snapchat dan Instagram dapat menyaring dan melacak aktivitas wajah, sehingga memungkinkan animasi atau topeng digital filter tersebut mengikuti gerak wajah penggunanya.
Anda tentu sudah tak asing dengan Siri, Google Assistant, Amazon Alexa, dan Google Home. Teknologi tersebut adalah contoh machine learning paling dekat dengan kita. Dengan menerapkan AI secara keseluruhan, perangkat rumah dan asisten pribadi akan mengikuti perintah termasuk mengatur pengingat, mencari informasi online, mengatur lampu, dan sebagainya.
Machine learning pada penerapannya telah merambah ke berbagai bidang. Hal-hal seperti aplikasi transportasi, layanan keuangan, pendidikan, kesehatan, dan media sosial adalah contoh machine learning dalam kehidupan sehari-hari.
Tertarik untuk mendalami lebih lanjut tentang machine learning? Ikutilah kelas data science dari Algoritma Data Science School. Algoritma menyediakan berbagai kelas data science yang mengakomodasi berbagai kebutuhan maupun level expertise Anda.
Referensi: