Pengantar Kecerdasan Buatan

Kecerdasan AlamiahKecerdasan Buatan
tugas tersebut dilakukan oleh manusia dengan menggunakan Kecerdasanjika kita menambahkan kecerdasan alami manusia ini ke dalam sebuah mesin

Kecerdasan Buatan adalah

Ilmu Pengetahuan dan Rekayasa untuk membuat Mesin Cerdas ~ John McCarthy

Peta Jalan Menuju Kecerdasan Buatan

Peta Jalan Menuju AI

1. Bahasa Pemrograman

  • Python
  • R
  • Lisp
  • Prolog
  • Java

2. Pengetahuan Matematika

  • Aljabar Linier
  • Probabilitas dan Distribusi
  • Statistika
  • Kalkulus Vektor
  • Dekomposisi Matriks

3. Algoritma Pembelajaran Mesin

Algoritma adalah metode langkah demi langkah untuk memecahkan masalah

KlasifikasiAlgoritma
Pembelajaran TerbimbingPohon Keputusan
Klasifikasi Naif Bayes
Regresi Kuadrat Terkecil Biasa
Regresi Logistik
Mesin Vektor Pendukung
Metode Ensemble
Pembelajaran Tanpa PengawasanAlgoritma Pengelompokan
Analisis Komponen Utama
Dekomposisi Nilai Singular
Algoritma Dijkstra

4. Alat Pembelajaran Mesin

  • TensorFlow Google
  • Obor
  • Microsoft Cognitive Toolkit
  • IBM Watson
  • Amazon Web Services
  • Accord.NET Framework
  • Caffe
  • Eclipse Deeplearning4j
  • Apache Mahout
  • Theano
  • H20
  • PredictionlO
  • ai-one
  • Protégé
  • DiffBlue
  • Nervana Neon
  • OpenNN
  • Veles
  • Scikit-learn

5. Studi Kasus AI

  • Prediksi Harga Properti
  • Sistem Pengenalan Gambar
  • Prediksi Cuaca
  • Mobil Self-Driving
  • Komposisi Musik Otomatis
  • Diagnosis Penyakit Medis
  • Mengidentifikasi Berita Palsu
  • Rekomendasi Buku

Pembelajaran Mesin

Algoritma Pembelajaran MandiriPembelajaran Mesin
Algoritma Pembelajaran Mandiri adalah algoritma yang akan belajar sendiri dan mengambil keputusan/prediksi sendiriPembelajaran mesin adalah bagian dari Kecerdasan Buatan. Yang bekerja berdasarkan algoritma pembelajaran mandiri menggunakan pengalaman masa lalu atau kumpulan data tanpa diprogram secara eksplisit.

Pembelajaran mesin adalah ilmu untuk membuat komputer bertindak tanpa diprogram secara eksplisit ~ Stanford

Algoritma pembelajaran mesin dapat mengetahui cara melakukan tugas-tugas penting dengan melakukan generalisasi dari contoh-contoh. ~ Universitas Washington

Pembelajaran mesin didasarkan pada algoritma yang dapat belajar dari data tanpa bergantung pada pemrograman berbasis aturan. ~ McKinsey & Co.

Pembelajaran TerbimbingPembelajaran Tanpa PengawasanPembelajaran Penguatan
Ini menyimpulkan fungsi dari data berlabel dan menggunakan fungsi ini pada contoh baru/data yang belum pernah dilihat/data uji.Ini adalah pelatihan algoritma kecerdasan buatan menggunakan informasi yang tidak diklasifikasikan atau diberi label dan memungkinkan algoritma untuk bertindak atas informasi tersebut tanpa panduanIni memungkinkan agen untuk belajar dalam lingkungan interaktif dengan coba-coba menggunakan umpan balik dari tindakan dan pengalamannya sendiri

Pembelajaran Terbimbing

Pembelajaran Terbimbing

Keluaran Pembelajaran Terbimbing

KlasifikasiRegresi
DefinisiAlgoritma klasifikasi digunakan ketika keluaran yang diinginkan adalah label
Diskrit. Disebut sebagai Klasifikasi Biner (Hanya dua
kemungkinan hasil)
Algoritma regresi digunakan ketika keluaran yang diinginkan adalah nilai Riil atau Kontinu (Kuantitas)
Contoh1. saat memfilter email “spam” atau “bukan spam”
2. saat melihat data transaksi, “penipuan”, atau “resmi”
1. Memprediksi harga rumah berdasarkan area
2. Memprediksi jumlah salinan album musik yang akan terjual bulan depan
Model- Regresi Logistik
- Pohon Keputusan
- Pohon yang Didorong Gradien
- Perseptron Multilapis
- Satu-vs-yang-lain
- Naive Bayes
- Aproksimasi Kernel
- K-Nearest Neighbors
- Support Vector Machine
- Random Forest
- Regresi Kuadrat Terkecil Biasa (OLSR)
- Regresi Linier
- Regresi Bertahap
- Spline Regresi Adaptif Multivariat (MARS)
- Pemulusan Plot Sebar yang Diperkirakan Secara Lokal (LOESS)
- Hutan Acak

Pembelajaran Tanpa Pengawasan

Pembelajaran Tanpa Pengawasan

Hasil Pembelajaran Tanpa Pengawasan

PengelompokanPengurangan Dimensionalitas
Contoh- Sistem Rekomendasi
- Pemasaran Bertarget
- Segmentasi Pelanggan
- Merekomendasikan produk kepada pelanggan berdasarkan pembelian sebelumnya
- Visualisasi Data Besar
- Kompresi yang Bermakna
- Penemuan Struktur
- Penggalian Fitur

Daftar Algoritma Tanpa Pengawasan

  • K-Means, K-Medoids Fuzzy C-Means
  • Hirarkis
  • Campuran Gaussian
  • Jaringan Syaraf Tiruan
  • Model Markov Tersembunyi

Pembelajaran Penguatan

Pembelajaran Penguatan

Jenis Tugas

Tugas Episodik
Tugas Berkelanjutan
DefinisiMemiliki titik awal dan titik akhir (keadaan terminal). Ini menciptakan episode - daftar Keadaan, Tindakan, Penghargaan, dan Keadaan Baru.Tugas ini akan berlanjut selamanya (Tidak ada keadaan terminal). Agen harus mempelajari cara memilih tindakan terbaik dan secara bersamaan berinteraksi dengan lingkungan.
ContohSuper Mario
Begin: Episode dimulai saat peluncuran
Ending: saat Anda terbunuh atau
mencapai akhir level
Perdagangan saham otomatis

Jenis Pembelajaran

Pendekatan Monte Carlo
Pembelajaran Perbedaan Temporal
Mengumpulkan hadiah di akhir episode dan kemudian menghitung hadiah masa depan maksimum yang diharapkan
Ini akan memperbarui estimasi nilainya untuk status non-terminal yang terjadi pada pengalaman tersebut.
Kami memulai permainan baru dengan pengetahuan tambahan. Agen membuat keputusan yang lebih baik dengan setiap iterasiIni juga disebut TD(O) atau one step TD

Daftar Algoritma Pembelajaran Penguatan

  • Monte Carlo
  • Q-Learning
  • Q-Learning dengan Fungsi Keunggulan Ternormalisasi NAF
  • State-Action-Reward-State-Action (SARSA)
  • Deep Q Network (DQN)
  • Deep Deterministic Policy Gradient (DDPG)

Sumber: https://www.udemy.com/share/101wLU3@RWdeqwDpmDHxFXMMhd30r8qN0hZUM7eIZoKyzh0flCJI9HDqI7JBptf0PY8U2J8t8A==/