Scribd
Unggah
3 tayangan8 halaman

AI and Machine Learning Types

Dokumen ini menjelaskan berbagai jenis pembelajaran dalam kecerdasan buatan, termasuk Pembelajaran Terawasi, Tak Terawasi, Semi-Terawasi, Pembelajaran Penguatan, dan Pembelajaran Mandiri. Setiap jenis memiliki konsep, contoh nyata, dan metode populer yang berbeda. Pembelajaran Mandiri menjadi semakin populer dalam aplikasi modern seperti NLP dan Computer Vision.

Diunggah oleh

dylannovaldyrasydan
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
3 tayangan8 halaman

AI and Machine Learning Types

Dokumen ini menjelaskan berbagai jenis pembelajaran dalam kecerdasan buatan, termasuk Pembelajaran Terawasi, Tak Terawasi, Semi-Terawasi, Pembelajaran Penguatan, dan Pembelajaran Mandiri. Setiap jenis memiliki konsep, contoh nyata, dan metode populer yang berbeda. Pembelajaran Mandiri menjadi semakin populer dalam aplikasi modern seperti NLP dan Computer Vision.

Diunggah oleh

dylannovaldyrasydan
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd

Types of AI and

Machine Learning
Supervised Learning (Pembelajaran
Terawasi)
Konsep:
Model dilatih menggunakan data yang sudah diberi label
(ada input dan output yang benar).
Tujuannya: model belajar hubungan antara input dan
output untuk memprediksi output baru.
Contoh nyata:
Email spam filter → Diberi contoh email yang sudah dilabeli
“Spam” atau “Bukan Spam”.
Prediksi harga rumah → Data rumah (luas, lokasi, jumlah
kamar) + harga aktual.
Metode populer:
Linear Regression, Logistic Regression, Decision Tree,
Random Forest, Support Vector Machine (SVM), Neural
Networks.
Unsupervised Learning
(Pembelajaran Tak Terawasi)
Konsep:
Model tidak diberi label output.
Tujuannya: menemukan pola, kelompok (clustering),
atau struktur tersembunyi di data.
Contoh nyata:
Segmentasi pelanggan → Mengelompokkan
pelanggan berdasarkan perilaku belanja.
Pengelompokan berita → Artikel berita
dikelompokkan otomatis berdasarkan topik.
Metode populer:
K-Means Clustering, Hierarchical Clustering, PCA
(Principal Component Analysis).
Semi-Supervised Learning
Konsep:
Gabungan supervised dan unsupervised.
Sebagian data punya label, sebagian tidak.
Model memanfaatkan data tanpa label untuk membantu pembelajaran.
Contoh nyata:
Klasifikasi gambar medis → Hanya sebagian kecil gambar diberi label dokter, sisanya tanpa label.
Moderasi konten media sosial → Gunakan sedikit data yang diberi label untuk memandu pengelompokan posting.
Reinforcement Learning
(Pembelajaran Penguatan)
Konsep:
Model (agen) belajar dengan mencoba dan mendapatkan
reward atau penalti.
Fokus pada pengambilan keputusan berurutan.
Tidak ada jawaban langsung yang benar, model belajar dari
konsekuensi tindakannya.
Contoh nyata:
Game AI → Komputer belajar bermain catur atau Go.
Robotik → Robot belajar berjalan atau memindahkan barang.
Sistem rekomendasi dinamis → Menyesuaikan saran
berdasarkan reaksi pengguna.
Metode populer:
Q-Learning, Deep Q-Network (DQN), Policy Gradient.
Self-Supervised Learning (muncul
belakangan dan populer di AI modern)

Konsep:
Model membuat “label” sendiri dari data mentah,
lalu belajar menebaknya.
Banyak dipakai di Natural Language Processing
(NLP) dan Computer Vision modern.
Contoh nyata:
ChatGPT dilatih memahami kata berikutnya dari
kalimat tanpa diberi label manual.
Model gambar belajar memprediksi bagian gambar
yang hilang.
Conclusion
Thank You

Anda mungkin juga menyukai