Pembelajaran Mesin

Tahun Akademik:
Gasal 2023/2024
Kelas-Offr:
DEF-F1
Deskripsi:
Perancangan dan pengembangan algoritma serta teknik-teknik dalam membuat komputer dapat belajar. Pembelajaran komputer dilakukan berdasarkan pengalaman (experience), observasi analitis, dan cara lainnya, yang akan menghasilkan suatu sistem yang dapat memperbaiki diri (self-improve) secara kontinu. Pembahasan meliputi konsep pembelajaran pada mesin, kriteria suatu sistem pembelajaran, disain sistem pembelajaran, serta berbagai perspektif dan topik pembelajaran mesin. Paradigma induktif simbolik seperti pembelajaran pohon keputusan, kaidah (rule). Pembelajaran berbasis Instance, Jaringan saraf tiruan, Algoritma Genetik, Pembelajaran berbasis Statistika.
Capaian Pembelajaran
  • 1. Menganalisis konsep pembelajaran supervised (pembelajaran terarah) dengan membuat fungsi yang memetakan masukan dan keluaran yang dikehendaki seperti Decision Tree : id3 (iterative dichotomiser 3), C4.5, CHAID (CHi-squared Automatic Interaction Detector), MARS dan Artificial Neural Network
  • 2. Menganalisis konsep pembelajaran tak terarah (unsupervised learning) dengan memodelkan himpunan masukan, seperti penggolongan (clustering)
  • 3. Menganalisis konsep pembelajaran semi terarah (semi-supervised learning) dengan menggabungkan antara supervised dan unsupervised untuk menghasilkan suatu fungsi. Self Training, Generative Models, S3VMs, Graph-Based Algorithms, Multiview Algorithms
  • 4. Menganalisis konsep pembelajaran reinforcement learning dengan mengajarkan bagaimana cara bertindak untuk menghadapi suatu masalah, yang suatu tindakan itu mempunyai dampak
  • 5. Menganalisis konsep pembelajaran pembelajaran berkembang (developmental learning algorithm) dengan mempelajari mekanisme pengembangan, arsiterktur, dan batasan yang memungkinkan dibuatnya metode pembelajaran yang berlaku seumur hidup, serta bersifat terbuka terhadap kemampuan dan pengetahuan untuk dipasangkan kepada mesin
  • 6. Menganalisis konsep pembelajaran transduction, dengan melakukan pendekatan Supervised Learning, mencoba memprediksi output baru yang berdasarkan dari input baru, masukan pelatihan input dan output
Daftar Pustaka:
  • 1. Luger, George F., 2008, Artificial Intelligence: Structures and Strategies for Complex Problem Solving 6th Ed., Addison Wesley.
  • 2. Bishop, Christopher M., 2007, Pattern Recognition and Machine Learning, Springer
  • 3. Mitchell, Thomas, 1997, Machine Learning, Mcgraw-Hill Higher Education.
  • 4. Alpaydin, Ethem, 2004, Introduction to Machine Learning, The MIT Press
  • 5. Kononenko, Igor, Matjaz Kukar, 2007, Machine Learning and Data Mining: Introduction to Principles and Algorithms, Horwood Publishing Limited
  • 6. Mitra, Sushmita, Sujay Datta, Theodore Perkins, George Michailidis, 2008, Introduction to Machine Learning and Bioinformatics, Chapman & Hall/CRC