Proses pelatihan model pembelajaran mesin melibatkan pemaparan data dalam jumlah besar agar model dapat mempelajari pola dan membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk setiap skenario. Selama fase pelatihan, model pembelajaran mesin mengalami serangkaian iterasi yang menyesuaikan parameter internalnya untuk meminimalkan kesalahan dan meningkatkan kinerjanya pada tugas yang diberikan.
Pengawasan selama pelatihan mengacu pada tingkat intervensi manusia yang diperlukan untuk memandu proses pembelajaran model. Kebutuhan pengawasan dapat bervariasi tergantung pada jenis algoritma pembelajaran mesin yang digunakan, kompleksitas tugas, dan kualitas data yang diberikan untuk pelatihan.
Dalam pembelajaran terawasi, yaitu jenis pembelajaran mesin yang modelnya dilatih berdasarkan data berlabel, pengawasan sangatlah penting. Data berlabel berarti setiap titik data masukan dipasangkan dengan keluaran yang benar, sehingga memungkinkan model mempelajari pemetaan antara masukan dan keluaran. Selama pelatihan yang diawasi, pengawasan manusia diperlukan untuk memberikan label yang benar untuk data pelatihan, mengevaluasi prediksi model, dan menyesuaikan parameter model berdasarkan umpan balik.
Misalnya, dalam tugas pengenalan gambar yang diawasi, jika tujuannya adalah melatih model untuk mengklasifikasikan gambar kucing dan anjing, pengawas manusia perlu memberi label pada setiap gambar sebagai kucing atau anjing. Model tersebut kemudian akan belajar dari contoh-contoh yang diberi label ini untuk membuat prediksi pada gambar baru yang tidak terlihat. Supervisor akan mengevaluasi prediksi model dan memberikan masukan untuk meningkatkan akurasinya.
Di sisi lain, algoritme pembelajaran tanpa pengawasan tidak memerlukan data berlabel untuk pelatihan. Algoritme ini mempelajari pola dan struktur dari data masukan tanpa panduan eksplisit. Pembelajaran tanpa pengawasan sering kali digunakan untuk tugas-tugas seperti pengelompokan, deteksi anomali, dan pengurangan dimensi. Dalam pembelajaran tanpa pengawasan, mesin dapat belajar secara mandiri tanpa memerlukan pengawasan manusia selama pelatihan.
Pembelajaran semi-supervisi adalah pendekatan hibrid yang menggabungkan unsur-unsur pembelajaran yang diawasi dan tidak diawasi. Dalam pendekatan ini, model dilatih berdasarkan kombinasi data berlabel dan tidak berlabel. Data berlabel memberikan pengawasan untuk memandu proses pembelajaran, sedangkan data tidak berlabel memungkinkan model menemukan pola dan hubungan tambahan dalam data.
Pembelajaran penguatan adalah paradigma lain pembelajaran mesin di mana agen belajar membuat keputusan berurutan dengan berinteraksi dengan lingkungan. Dalam pembelajaran penguatan, agen menerima umpan balik berupa penghargaan atau hukuman berdasarkan tindakannya. Agen belajar memaksimalkan imbalan kumulatifnya dari waktu ke waktu melalui trial and error. Meskipun pembelajaran penguatan tidak memerlukan pengawasan eksplisit dalam pengertian tradisional, pengawasan manusia mungkin diperlukan untuk merancang struktur penghargaan, menetapkan tujuan pembelajaran, atau menyempurnakan proses pembelajaran.
Perlunya pengawasan selama pelatihan pembelajaran mesin bergantung pada paradigma pembelajaran yang digunakan, ketersediaan data berlabel, dan kompleksitas tugas. Pembelajaran yang diawasi memerlukan pengawasan manusia untuk menyediakan data berlabel dan mengevaluasi kinerja model. Pembelajaran tanpa pengawasan tidak memerlukan pengawasan, karena model belajar secara mandiri dari data yang tidak diberi label. Pembelajaran semi-supervisi menggabungkan unsur-unsur pembelajaran yang diawasi dan tidak diawasi, sedangkan pembelajaran penguatan melibatkan pembelajaran melalui interaksi dengan lingkungan.
Pertanyaan dan jawaban terbaru lainnya tentang Pembelajaran Mesin Google Cloud EITC/AI/GCML:
- Apa itu Text to Speech (TTS) dan bagaimana cara kerjanya dengan AI?
- Apa saja batasan dalam bekerja dengan kumpulan data besar dalam pembelajaran mesin?
- Bisakah pembelajaran mesin memberikan bantuan dialogis?
- Apa yang dimaksud dengan taman bermain TensorFlow?
- Apa sebenarnya arti kumpulan data yang lebih besar?
- Apa saja contoh hyperparameter algoritma?
- Apa itu pembelajaran ansambel?
- Bagaimana jika algoritme pembelajaran mesin yang dipilih tidak sesuai dan bagaimana cara memastikan bahwa algoritme tersebut dipilih dengan benar?
- Apa parameter kunci yang digunakan dalam algoritma berbasis jaringan saraf?
- Apa itu TensorBoard?
Lihat pertanyaan dan jawaban lainnya di EITC/AI/GCML Google Cloud Machine Learning
Lebih banyak pertanyaan dan jawaban:
- Bidang: Kecerdasan Buatan
- Program: Pembelajaran Mesin Google Cloud EITC/AI/GCML (pergi ke program sertifikasi)
- Pelajaran: Pengantar (pergi ke pelajaran terkait)
- Topik: Apa itu pembelajaran mesin (pergi ke topik terkait)