Skip to content


Pembelajaran Mesin

Belajar adalah proses yang melibatkan pengalaman (familiarity), penggolongan (classification), dan pengkaitan (association) yang bertujuan untuk menemukan pengetahuan atas data yang diamati. Penemuan pengetahuan (knowledge discovery) menjadi topik utama pada pembelajaran mesin (machine learning). Saat ini, telah dimungkinkan untuk membuat mesin dapat melihat dan mendengar, namun masih jauh untuk bisa mengharapkan mesin untuk dapat mengerti dan memahami serta memberi tanggapan atas apa yang dilihat dan didengarnya tersebut.

Untuk itu diperlukan pengetahuan tentang pencirian (features extraction), penentuan ciri utama, pengembangan cara belajar (learning algorithms), penentuan pengambilan keputusan (decision function), dan pembuatan basisdata standar untuk pengujian. Beberapa cara telah diperkenalkan antara lain pengukuran kesamaan (similarity measure), perumpunan (clustering), pengenalan pola (pattern recognition), dan yang termasuk dalam pembelajaran baik secara bentuk (structure) sampai statistik.

Pustaka:

1. Ethem Alpaydin,” Introduction to Machine Learning”, MIT Press, 2003

2. Ming Xie,” Fundamentals of Robotics: Lingking Perception to Action”, World Scientific, 2003


0 Responses

Stay in touch with the conversation, subscribe to the RSS feed for comments on this post.



Some HTML is OK

or, reply to this post via trackback.

*

Spam Protection by WP-SpamFree



Switch to our mobile site