Machine Learning Dan

Kecerdasan
Buatan (AI)

Revan Tangguh I (29)

Vincensius Eldonio (35)
 01
Pengertian Dari AI
Artificial intelligence
 AI adalah
Ilmu dan rekayasa pembuatan mesin cerdas, yang dapat
menjalankan suatu tugas menggunakan komputer. AI dibuat
untuk meniru aktivitas kognitif manusia, seperti belajar,
menalar, mengambil keputusan, dan mengoreksi diri. AI
dapat bekerja dengan cara memanfaatkan data yang diinput
untuk dipelajari, menganalisis pola dan hubungan antar
data, lalu mengambil keputusan berdasarkan apa yang
dipelajari.
Machine
Learning
Machine learning adalah cabang dari kecerdasan buatan (AI) yang
berkaitan dengan pengembangan algoritma dan model komputer
yang memungkinkan sistem untuk belajar dari data dan
meningkatkan kinerjanya seiring waktu tanpa perlu diprogram
secara eksplisit. Machine learning dapat digunakan untuk berbagai
tujuan, seperti klasifikasi, regresi, klustering, rekomendasi, deteksi
anomali, pengenalan gambar, penerjemahan bahasa, asisten
virtual, dan lain-lain.
 Cara Kerja
AI(Artificial Intelligent)
01 02
AI dapat bekerja dengan
cara memanfaatkan data
yang diinput untuk
dipelajari, menganalisis
pola dan hubungan antar
data, lalu mengambil
keputusan berdasarkan
apa yang dipelajari.
Machine Learning
Cara kerja machine learning
adalah dengan menggunakan
data sebagai input, lalu
memprosesnya dengan
algoritma tertentu untuk
menghasilkan output yang
diinginkan. Output tersebut
dapat berupa prediksi,
keputusan, atau tindakan yang
sesuai dengan tujuan machine
learning. Proses pembelajaran
mesin dapat dilakukan dengan
berbagai metode, seperti
supervised learning,
unsupervised learning, semi-
supervised learning, atau
reinforcement learning³.
Kelebihan Dan Kekurangan
Daripada AI
Kelebihan Kekurangan
Bersifat permanen
Mudah diduplikasi Ketergantungan
dan disebarkan pada data
Lebih murah Keterbatasan
Bersifat konsisten pemahaman
dan teliti konteks
Dapat di Keamanan dan
dokumentasi privasi
Dapat mengerjakan penggantian
pekerjaan
pekerjaan manusia
lebih cepat
Kelebihan Dan Kekurangan
Daripada Macine Learning
Kelebihan Kekurangan
Pola dan tren data Keterbatasan
dapat lebih mudah sumber daya
untuk diidentifikasi. manusia
Akurasi yang yang menguasai
meningkat seiring teknologi ini.
berjalannya waktu. Rentan terjadi
Mesin ini sangat kesalahan.
mungkin berjalan Membutuhkan
tanpa adanya waktu agar
intervensi manusia hasilnya bisa
dilihat.
 Beberapa Contoh Penerapan Dari AI Dan
Machine Learning

Digital Assistant Bot Chat

Mesin
Face Id
Rekomendasi

Diagnosis Penyakit Finger Print

Thanks!

~Mark 'Created All By Revan