Isi kandungan:
Dalam beberapa tahun kebelakangan ini istilah "pembelajaran mesin" telah muncul dalam pelbagai perbincangan dan forum, tetapi apa sebenarnya maksudnya? Pembelajaran mesin boleh ditakrifkan sebagai kaedah untuk analisis data, berdasarkan pengiktirafan corak dan pembelajaran komputasi. Ia terdiri daripada algoritma yang berbeza seperti rangkaian saraf, pokok keputusan, rangkaian Bayesian, dan lain-lain. Pembelajaran mesin menggunakan algoritma ini untuk belajar dari data dan memulihkan pandangan tersembunyi dari data. Proses pembelajaran adalah berulang, jadi data baru juga ditangani tanpa pengawasan. Sains untuk belajar daripada data sebelumnya dan menggunakannya untuk data masa depan bukanlah sesuatu yang baru, tetapi ia semakin popular.
Apakah Pembelajaran Mesin?
Walaupun sesetengah orang percaya bahawa pembelajaran mesin tidak lebih baik daripada kaedah tradisional pengaturcaraan komputer yang masih digunakan, ramai yang menganggap pembelajaran mesin menjadi revolusi dalam bidang kecerdasan buatan (AI). Mereka percaya bahawa menggunakan teknologi ini, mesin akan dapat mempelajari sesuatu dan melakukan sesuatu dengan pengalaman mereka sendiri, dan bukan hanya mengikut arahan manusia.
Untuk memahami lebih lanjut mengenai makna pembelajaran mesin, kita dapat membandingkannya dengan pengaturcaraan komputer tradisional. Bahagian berikut akan membincangkan lebih lanjut mengenai pembelajaran mesin dan perbezaannya daripada pengaturcaraan tradisional. (Untuk beberapa kebaikan dan keburukan pembelajaran mesin, lihat Janji dan Kesilapan Pembelajaran Mesin.)
