Machine Learning # 2

class: center, middle, inverse, title-slide

# Machine Learning # 2
### Aswin Januarsjaf
### 2021/06/30 (updated: 2021-06-30)

---

background-image: url(hqdefault.jpg)
background-size: cover
class: center, center, inverse

# Belajar Machine Learning itu cool!!

---
# Mari kita mulai

Misalkan saya mempunyai deretan angka ini:

1   3   5   7   9   ....

Berapa angka berikutnya?

Jawabannya adalah **11**

Mengapa?

Karena kita tahun polanya, yaitu setiap kata yang muncul ditambah dua:

`$$n=n+2$$`

Inilah prinsip dasar Machine Learning: __identifikasi data, menemukan pola__, pola ini disebut juga __model algoritma__, Model algoritma ini dapat digunakan untuk __memprediksi__ angka selanjutnya.

---
# Keunggulan dan Kelemahan ML

.pull-left[
### Keunggulan

1. *Easily identifies trends and patterns*: identifikasi tren dan pola mudah dilakukan;

1. *Continuous Improvement*: semakin banyak data baru yang diberikan, akan semakin meningkatkan kinerja dan akurasinya;

1. *Handling multidimensional and multi-variety data*: mampu menangani data yang multidimensi dan multi-variasi, dan mereka dapat melakukannya di lingkungan yang dinamis atau tidak pasti;

1. *Wide Application*: Machine Learning mampu diadopsi untuk berbagai persoalan yang dihadapi dan hasilnya langsung dapat diketahui (contoh: Google Map).

]

.pull-right[
### Kelemahan

1. *Data Acquisition*: membutuhkan sejumlah besar kumpulan data untuk dilatih, dan ini harus inklusif/tidak bias, dan berkualitas baik;

1. *Time and Resources*: membutuhkan waktu yang cukup untuk membiarkan algoritma belajar serta memerlukan spesifikasi komputer yang sesuai untuk proses perhitungan;

1. *Interpretation of Results*: harus hati-hati memilih algoritma yang sesuai dengan tujuan;

1. *High error-susceptibility*: Machine Learning bersifat otonom tetapi sangat rentan terhadap kesalahan, jangan sampai bias terhadap prediksinya.

]