Sinau mesin minangka salah sawijining kemajuan paling gedhe ing sejarah komputasi lan saiki bisa uga duwe peran penting ing bidang data lan analitik gedhe. Analisis data gedhe minangka tantangan gedhe saka perspektif perusahaan. Contone, kegiyatan kayata ngerteni akeh macem-macem format data, nganalisis persiyapan data lan nyaring data sing keluwih bisa dadi intensif sumber daya. Ngrekrut spesialis ilmuwan data minangka usulan sing larang lan dudu sarana kanggo tujuan kanggo kabeh perusahaan. Para ahli percaya manawa pembelajaran mesin bisa ngotomatisasi akeh tugas sing ana gandhengane karo analitik - rutin uga rumit. Sinau mesin kanthi otomatis bisa mbebasake sumber daya pinunjul sing bisa digunakake kanggo kerja sing luwih rumit lan inovatif. Sinau mesin kaya-kaya obah terus-terusan.
Otomatisasi ing konteks teknologi informasi
Ing IT, otomatisasi minangka sambungan saka macem-macem sistem lan piranti lunak, supaya bisa nindakake tugas tartamtu tanpa campur tangan manungsa. Ing IT, sistem otomatis bisa nindakake proyek sing gampang lan kompleks. Tuladha proyek sing gampang yaiku nggabungake formulir karo PDFs lan ngirim dokumen menyang sing bener, nalika nyedhiyakake backup ing situs bisa uga conto proyek sing kompleks.
Kanggo nindakake tugas kanthi bener, sampeyan kudu program utawa menehi instruksi sing jelas babagan sistem otomatis. Saben sistem otomatis dibutuhake kanggo ngowahi ruang kerja, program utawa instruksi kasebut kudu dianyari dening wong liya. Sanajan sistem otomatis efektif kanggo tugas, kesalahan bisa uga ana amarga macem-macem sebab. Nalika ana kesalahan, panyebab utama kudu diidentifikasi lan didandani. Cetha, kanggo nindakake tugas, sistem otomatis gumantung karo manungsa. Sing luwih kompleks tumrap pakaryan kasebut, saya akeh kemungkinan kesalahan lan masalah.
Conto otomatisasi umum ing industri TI yaiku otomatisasi antarmuka pangguna adhedhasar web. Kasus tes diwenehake menyang skrip otomatisasi lan antarmuka panganggo bakal dites. (Kanggo luwih lengkap babagan aplikasi praktis pembelajaran mesin, waca Machine Learning lan Hadoop ing Deteksi Penipuan Generasi Sabanjure.)
Argumentasi sing milih otomatis yaiku nindakake tugas rutin lan bisa dibaleni lan mbebasake karyawan kanggo nindakake tugas sing luwih rumit lan kreatif. Nanging, uga diarani manawa otomatisasi ora kalebu akeh tugas utawa peran sing sadurunge ditindakake manungsa. Saiki, kanthi pembelajaran mesin mlebu macem-macem industri, otomatisasi bisa nambah dimensi anyar.
Masa depan pembelajaran mesin otomatis?
Intine pembelajaran mesin yaiku kemampuan sistem kanggo terus sinau saka data lan berkembang tanpa intervensi manungsa. Sinau mesin bisa tumindak kaya otak manungsa. Contone, mesin rekomendasi ing situs e-commerce bisa netepake pilihan lan selera unik pangguna lan menehi rekomendasi babagan produk lan layanan sing paling pas kanggo dipilih. Amarga kemampuan iki, pembelajaran mesin dianggep becik kanggo ngotomatisasi tugas rumit sing ana gandhengane karo data lan analytics sing gedhe. Wis ngatasi watesan utama sistem otomatis tradisional sing ora ngidini intervensi manungsa kanthi rutin. Ana pirang-pirang studi kasus sing nduduhake kemampuan pembelajaran mesin kanggo nindakake tugas analisis data rumit, sing bakal dibahas mengko ing makalah iki.
Kaya sing wis kacathet, analitik data gedhe minangka proposal sing nantang kanggo bisnis, sing bisa diwarisake sebagian menyang sistem pembelajaran mesin. Saka perspektif bisnis, iki bisa nggawa akeh mupangat kayata mbebasake sumber daya ilmu data kanggo tugas kritis sing luwih kreatif lan misi, beban kerja sing luwih dhuwur, kurang wektu kanggo ngrampungake tugas lan efektifitas biaya.
Sinau kasus
Ing 2015, peneliti MIT wiwit nggarap alat ilmu data sing bisa nggawe model data prediktif saka data mentah sing akeh nggunakake teknik sing disebut algoritma sintesis fitur jero. Para ilmuwan negesake algoritma bisa nggabungake fitur pembelajaran mesin sing paling apik. Miturut ilmuwan, dheweke wis nyoba ing telung data sing beda lan nambah tes kanggo nyakup luwih akeh. Ing makalah sing bakal ditampilake ing Konferensi Internasional Ilmu Data lan Analytics, peneliti James Max Kanter lan Kalyan Veeramachaneni ujar, "Nggunakake proses tuning otomatis, kita ngoptimalake kabeh dalan tanpa keterlibatan manungsa, saengga bisa nggawe umum menyang macem-macem data".
Ayo goleki kerumitan tugas: algoritma duwe sing dikenal minangka kemampuan nyetel otomatis, kanthi pitulung wawasan utawa nilai sing bisa dipikolehi utawa diekstrak saka data mentah (kayata umur utawa jenis kelamin), sawise data prediksi model bisa digawe. Algoritma kasebut nggunakake fungsi matematika rumit lan teori probabilitas sing diarani Gaussian Copula. Mula gampang dingerteni tingkat kompleksitas sing bisa ditindakake algoritma. Teknik iki uga menang hadiah ing kompetisi.
Sinau mesin bisa ngganti PR
Dhiskusi ing saindenging jagad iki manawa pembelajaran mesin bisa ngganti akeh proyek amarga nindakake tugas kanthi efisiensi otak manungsa. Nyatane, ana sawetara keprihatinan manawa pembelajaran mesin bakal ngganti ilmuwan data, lan kayane ana basis kanggo kuwatir kasebut.
Kanggo pangguna rata-rata sing ora duwe katrampilan nganalisa data nanging nduweni macem-macem derajat kabutuhan analitis ing saben dinane, ora bisa nggunakake komputer sing bisa nganalisis data kanthi akeh lan nyedhiyakake data analisis. Nanging, teknik Pengolahan Bahasa Alam (NLP) bisa ngatasi watesan iki kanthi mulang komputer supaya bisa nampa lan ngolah basa manungsa alami. Kanthi cara iki, pangguna rata-rata ora butuh fungsi utawa katrampilan analitik sing canggih.
IBM percaya manawa kabutuhan ilmuwan data bisa diminimalake utawa diilangi liwat produke, Platform Watson Natural Language Analytics. Miturut Marc Atschuller, wakil presiden analisis lan intelijen bisnis ing Watson, "Kanthi sistem kognitif kaya Watson, sampeyan mung takon - utawa yen sampeyan ora duwe pitakon, cukup upload data lan Watson bisa ndeleng lan nyimpulake apa sing sampeyan pengin ngerti. ”
Kesimpulan
Otomatisasi minangka langkah logis sabanjure kanggo sinau mesin lan kita wis ngalami efek ing saben dinten - situs e-commerce, saran kanca Facebook, saran jaringan LinkedIn lan peringkat telusuran Airbnb. Ngelingi conto sing diwenehake, ora ana sangsi manawa bisa diarani kualitas output sing diproduksi dening sistem pembelajaran mesin otomatis. Kanggo kualitase lan mupangate, ide sinau mesin nyebabake pengangguran gedhe banget katon banget. Wis pirang-pirang puluh taun, mesin wis ngganti manungsa ing pirang-pirang bagean ing urip kita, nanging manungsa wis ngalami evolusi lan adaptasi supaya tetep relevan ing industri kasebut. Miturut tampilan, pembelajaran mesin kanggo kabeh gangguan iku mung gelombang liyane sing bakal adaptasi wong.
Wektu kiriman: Agustus-03-2021