Machine Learning secara sederhana merupakan gabungan dari Kecerdasan Buatan (Artificial Intelligence dan Statistika dan sangat berkait dengan bidang ilmu lain seperti teori probabilitas, data mining, pengenalan pola, adaptive control dan ilmu komputer teoritis.

Aplikasi machine learning termasuk persepsi mesin, computer vision, natural language processing, syntactic pattern recognition, mesin pencari, diagnosis medis, bioinformatik, antarmuka otak-mesin dan informatika kimia, deteksi fraud kartu kredit, analisis pasar saham, klasifikasi urutan DNA, pengenalan suara dan tandatangan, pengenalan objek dalam computer vision, permainan game, rekayasa perangkat lunak dan kendali robot.

Algoritma machine learning dikelompokkan menurut taksonomi, berdasar keluaran yang diinginkan dari algoritma tersebut. Beberapa tipe algoritma yang umum diantaranya :

• Supervised Learning – Menghasilkan fungsi yang memetakan masukan ke keluaran yang diinginkan.
• Unsupervised Learning – Memodelkan kumpulan input, contoh berlabel tidak tersedia.
• Semi-supervised learning – Mengkombinasikan baik contoh berlabel maupun tidak berlabel untuk menghasilkan fungsi atau pengklasifikasi yang cocok
• Reinforcement Learning - belajar bagaimana harus bertindak dengan memberikan observasi dunia sekitar. tiap aksi memiliki dampak di lingkungan dan lingkungan memberikan umpan balik dalam bentuk hadiah yang menjadi panduan bagi algoritma pembelajar
• Transduction – mencoba untuk memprediksi keluaran baru berdasar masukan training, keluaran training, dan masukan test
• Learning to learn – mempelajari bias induktif nya sendiri berdasar pengalaman sebelumnya

Ok sekian untuk pengenalan awal machine learning, pada posting selanjutnya saya akan mencoba untuk mengupas satu per satu tipe algoritma machine learning.