*

Dr. Fajar Astuti Hermawati, S.Kom.,M.Kom.

*
* Mata kuliah ini menyajikan materi tentang
* dasar mesin pembelajaran,
* klasifikasi dengan naive bayes dan metode-metode
penalaran probabilistik temporal, serta
* kecerdasan komputasional (Computational Intelligence
(CI) )
* Kecerdasan Komputasional adalah Teori, desain, aplikasi,
dan pengembangan paradigma komputasi yang dimotivasi
secara biologis dan linguistik.
* Ada tiga topik utama dalam CI adalah :
* Neural Networks,
* Fuzzy Systems,
* dan Evolutionary Computation.
* Komposisi penilaian :
* UTS (tulis) : 30%
* UAS (proyek) : 40%
* Tugas & absensi : 30%
* Tools (Software):
* Matlab
* Python

*
*
* Jaringan saraf tiruan (NN) adalah jaringan terdistribusi paralel
besar-besaran yang memiliki kemampuan untuk belajar dan
menggeneralisasi dari contoh-contoh. Area penelitian ini
mencakup NN feedforward, NN berulang, NN yang mengatur
sendiri, pembelajaran dalam, jaringan saraf konvolusional, dan
sebagainya.
* fuzzy systems (FS) memodelkan ketidaktepatan linguistik dan
memecahkan masalah tidak pasti berdasarkan generalisasi
logika tradisional, yang memungkinkan kita untuk melakukan
perkiraan penalaran. Bidang penelitian ini meliputi himpunan
dan sistem fuzzy, pengelompokan dan klasifikasi fuzzy,
pengendali fuzzy, peringkasan linguistik, jaringan saraf fuzzy,
himpunan fuzzy tipe 2 dan sistem, dan seterusnya.
* komputasi evolusioner (EC) memecahkan masalah
pengoptimalan dengan menghasilkan, mengevaluasi, dan
memodifikasi populasi solusi yang mungkin. EC mencakup
algoritma genetika, pemrograman evolusioner, strategi evolusi,
pemrograman genetika, kecerdasan swarm, evolusi diferensial,
perangkat keras yang dapat berevolusi, pengoptimalan multi-
tujuan, dan sebagainya.
* Software :
* Matlab
* Python

*
*
Dr. Fajar Astuti Hermawati, S.Kom., M.Kom
*
*
*Pada tahun 1940-an diciptakan ENIAC
(Electronic Numerical Integrator dan
Computer).
*Pada saat itu kata "komputer" digunakan
sebagai nama untuk manusia dengan
kemampuan komputasi numerik yang intensif,
jadi, ENIAC disebut mesin komputasi numerik.
*Sejak awal idenya adalah untuk membangun
sebuah mesin yang mampu meniru pemikiran
dan pembelajaran manusia.
*
*Pada 1950-an, program permainan komputer pertama
yang mengklaim mampu mengalahkan juara dunia
catur. Sistem Deep Blue IBM mengalahkan juara dunia
catur, grand-master Garry Kasparov
*Sekitar waktu yang sama, Frank Rosenblatt
menemukan Perceptron yang merupakan dasar dari
sebuah jaringan syaraf tiruan.
*Kemudian kita melihat beberapa tahun stagnasi
bidang jaringan saraf karena kesulitannya dalam
memecahkan masalah tertentu.
*
*Menurut Arthur Samuel, algoritma Machine
Learning memungkinkan komputer untuk belajar
dari data, dan bahkan meningkatkan diri mereka
sendiri, tanpa diprogram secara eksplisit.
*Pembelajaran mesin (ML) adalah kategori
algoritma yang memungkinkan aplikasi perangkat
lunak menjadi lebih akurat dalam memprediksi
hasil tanpa diprogram secara eksplisit.
*Premis dasar pembelajaran mesin adalah
membangun algoritma yang dapat menerima
input data dan menggunakan analisis statistik
untuk memprediksi output sambil memperbarui
output saat data baru tersedia.
*
*Pembelajaran mesin dapat diklasifikasikan ke
dalam 3 jenis algoritma.
*Supervised Learning - Pembelajaran dengan
pengawasan
*Unsupervised Learning - Pembelajaran tanpa
pengawasan
*Reinforcement Learning - Pembelajaran
dengan penguatan
*
*
*Dalam Supervised learning, sistem AI disajikan
dengan data yang diberi label, yang berarti
bahwa setiap data ditandai dengan label yang
benar.
*Tujuannya adalah untuk memperkirakan fungsi
pemetaan dengan sangat baik sehingga ketika
kita memiliki data input baru (x), kita dapat
memprediksi variabel output (Y) untuk data
tersebut.
*
*
*Klasifikasi: Masalah klasifikasi adalah
ketika variabel output adalah kategori,
seperti "merah" atau "biru" atau "penyakit"
dan "tidak ada penyakit".
*Regresi: Masalah regresi adalah ketika
variabel output adalah nilai riil atau
numerik, seperti "dolar" atau "berat".
*
*Decision trees
*Support-vector machine
*Naive Bayes classifier
*k-nearest neighbors
*linear regression
*Neural network
*
*Dalam pembelajaran tanpa pengawasan, sistem
AI disajikan dengan data yang tidak berlabel,
tidak dikategorikan, dan algoritma sistem
bekerja pada data tanpa pelatihan
sebelumnya.
*Outputnya tergantung pada algoritma kode.
*Model tanpa pengawasan mampu memisahkan
dua karakter (bebek dan tidak bebek ) dengan
melihat jenis data dan memodelkan struktur
atau distribusi yang mendasari dalam data
untuk mempelajari lebih lanjut tentang itu.
*
*
*Pengelompokan (clustering) : Masalah
pengelompokan adalah jika kita ingin
menemukan pengelompokan yang melekat
dalam data, seperti mengelompokkan
pelanggan berdasarkan perilaku pembelian.
*Asosiasi: Masalah pembelajaran aturan
asosiasi adalah jika kita ingin menemukan
aturan yang menggambarkan sebagian
besar data kita, seperti orang yang membeli
X juga cenderung membeli Y.
*
*K-means clustering
*EM - Expectation–maximization algorithm
*Self-organizing maps
*
*Algoritma pembelajaran penguatan, atau agen,
belajar dengan berinteraksi dengan
lingkungannya.
*Agen menerima reward jika melakukan
dengan benar dan hukuman jika melakukan
yang salah.
*Agen belajar tanpa intervensi dari manusia
dengan memaksimalkan rewardnya dan
meminimalkan hukumannya.
*Ini adalah jenis pemrograman dinamis yang
melatih algoritma menggunakan sistem
penghargaan dan hukuman.
*
*
*Dalam contoh di atas, kita dapat melihat bahwa agen
diberikan 2 opsi yaitu jalur dengan air atau jalur
dengan api.
*Algoritma penguatan bekerja pada sistem penghargaan
yaitu jika agen menggunakan jalur api maka hadiah
dikurangi dan agen mencoba untuk belajar bahwa itu
harus menghindari jalur api.
*Jika telah memilih jalur air atau jalur aman maka
beberapa poin akan ditambahkan ke poin hadiah, agen
kemudian akan mencoba mempelajari jalur mana yang
aman dan jalur mana yang tidak.
*Ini pada dasarnya memanfaatkan imbalan yang
diperoleh, agen meningkatkan pengetahuan
lingkungannya untuk memilih tindakan selanjutnya.
*
*Monte Carlo  Markov decision
processes
*
*Cari sebuah jurnal (harus jelas nama
jurnalnya) dalam bahasa Inggris atau bahasa
Indonesia yang berkaitan dengan teknik-
teknik dalam machine learning dan
aplikasinya di bidang teknik elektro
*Penjelasan lengkap di elitag
*Format file : NBI_NAMA.pdf