Advance Machine Learning : Supervised, Unsupervised, Self-supervised, Reinforcement Learning
Dr. Noman Naseer, Ph.D dari Air University, Islamabad, Pakistan membagikan ilmunya mengenai Advance Machine Learning : Supervised, Unsupervised, Self-supervised, Reinforcement Learning dengan mahasiswa Program Studi Teknik Informatika (Prodi TIF) FILKOM UB pada hari Kamis (2/9/2021). Beliau hadir sebagai pemateri dalam Visiting Professor 3 in 1 Program di kelas Pembelajaran Mesin Lanjut. Kegiatan kuliah tamu ini juga dihadiri oleh Ketua Prodi TIF, Adhitya Bhawiyuga, S.Kom., M.Sc.; Dr. Eng. Novanto Yudistira, S.Kom., M.Sc.; dan Ardi Imawan, M.Sc dari PT. DoT Indonesia.
Beberapa materi yang diangkat oleh Dr. Noman dalam kegiatan kali ini mengenai Anatomy Deep Neural Network, Feature Learning, Supervised Learning, Unisupervised Learning, Self-Supervised Learning dan Reinforcement Learning. Deep Neural Network diartikan sebuah teknik atau pendekatan pengolahan informasi yang terinspirasi oleh cara kerja sistem saraf biologis, khususnya pada sel otak manusia dalam memproses informasi. Elemen kunci dari teknik ini adalah struktur sistem pengolahan informasi yang bersifat unik dan beragam untuk tiap aplikasi. Neural Network terdiri dari sejumlah besar elemen pemrosesan informasi (neuron) yang saling terhubung dan bekerja bersama-sama untuk menyelesaikan sebuah masalah tertentu, yang pada umumnya dalah masalah klasifikasi ataupun prediksi.
Deep Learning merupakan salah satu cabang Machine Learning(ML) yang menggunakan Deep Neural Network untuk menyelesaikan permasalahan pada domain ML. Seiring berjalannya waktu, deep learning telah dikembangkan melalui beberapa pelatihan yang terus dilakukan oleh masing-masing ahli. Setelah melewati proses yang panjang, barulah optimalisasi perangkat keras dan algoritma khusus dapat digunakan untuk pemrosesan yang efisien.
Supervised Learning oleh Dr. Noman dijelaskan bahwa algoritma ini memerlukan data untuk membangun sebuah model yang tingkat akurasinya bisa ditingkatkan dari waktu ke waktu. Semakin banyak model tersebut mengolah data, maka tingkat keakurasiannya juga akan semakin tinggi. Sementara Unisupervised Learning dimana algoritma lebih bebas dalam proses eksplorasi data karena tidak memiliki data label dan bisa mencari karakteristik data yang tersembunyi.
terakhir Reinforcement Learning merupakan salah satu tipe Machine Learning yang cukup berbeda dengan dua algoritma lainnya, yaitu Supervised Learning dan Unsupervised Learning. Pada algoritma ini, komputer akan dibuat mampu untuk belajar sendiri dari lingkungan yang ada dari sebuah agent.(drn)
