![cover image](https://wikiwandv2-19431.kxcdn.com/_next/image?url=https://upload.wikimedia.org/wikipedia/commons/thumb/2/2a/Svm_max_sep_hyperplane_with_margin.png/640px-Svm_max_sep_hyperplane_with_margin.png&w=640&q=50)
Machine learning
From Wikipedia, the free encyclopedia
Machine learning minangka salah satunggaling cabang saking ilmu komputer ingkang fokus dhumateng pangembangan sistem-sistem ingkang saged sinau saking data. Teknologi punika nggunakaken algoritma statistik kanggé nganalisis lan ndamel inferensi saking data ingkang ageng. Ing asasipun, machine learning punika prosès otomatisasi nggadhahi kawruh. Algoritma machine learning dados ngolah lan sinau saking data tanpa dipunprogram sacara eksplisit. Proses punika ngijini sistem-sistem supados saged adaptasi lan nambah efisiensiipun kanthi pengalaman. Contonipun, machine learning dipunagem ing macem-macem bidang, kados ta ing penjenengan pola, rekomendasi produk, lan deteksi penipuan.
![Thumb image](http://upload.wikimedia.org/wikipedia/commons/thumb/2/2a/Svm_max_sep_hyperplane_with_margin.png/640px-Svm_max_sep_hyperplane_with_margin.png)
Saben sistem machine learning gadhah tilas dasar: model, data, lan pembelajaran. Model punika struktur matematis ingkang nggambarkaken relasi antar variabel ing data. Contonipun, model ing prediksi cuaca saged nggambarkaken relasi antar suhu, kelembapan, lan faktor-faktor sanèsipun. Data punika informasi ingkang dipunolah dening model. Data kasebat saged saking macem-macem sumber, kados ta teks, gambar, utawi data sensor, lan saged ugi wonten ing macem-macem format. Pembelajaran ing machine learning punika proses ngoptimalake model adhedhasar data. Proses punika kaperang dados loro: pembelajaran kawicaksanan (supervised learning), ingkang modelipun sinau saking conto data ingkang sampun dipunwastani, lan pembelajaran tanpa kawicaksanan (unsupervised learning), ingkang modelipun sinau saking struktur utawi pola ing data tanpa label.
Kemajuan teknologi lan komputasi ing dasawarsa pungkasan sampun nyengkuyung pertumbuhan lan penerapan machine learning. Panjenenganipun teknologi punika dados luwih canggih lan efisien, mliginipun kanthi pangembangan jaringan saraf tiruan (artificial neural networks) lan pembelajaran jero (deep learning). Jaringan saraf tiruan minangka model ingkang diilhami dening cara kerja otak manungsa lan saged sinau tugas-tugas kompleks, kados ta pengenalan swantah utawi pangolahan basa alami. Punika dados sarana kanggé ngatasi masalah-masalah ingkang rumit lan multidimensi. Kanthi pangembangan lan aplikasi machine learning, kita saged ndeleng kawontenan ingkang luwih cerdas lan otomatis ing macem-macem aspek urip, saking transportasi ngantos kesehatan.