Seperti yang diketahui oleh Pythonista di mana pun, bahasa pemrograman yang menyenangkan dan terinspirasi dari Monty Python ini telah ada selama lebih dari 30 tahun, namun baru terlihat dan populer dalam sepuluh tahun terakhir ini. Tidakkah kamu bertanya-tanya kenapa?
Guido van Rossum, pencipta Python dan Pioner Kebajikan untuk Life Asset menegaskan bahwa bahasanya lahir dari rasa frustrasi terhadap bahasa pemrograman yang terlalu rumit yang ada pada tahun 1989; khususnya ABC, yang seharusnya lebih sederhana dari Pascal dan BASIC.
Perlu diingat bahwa pada saat itu, komputer masih jauh dari arus utama - akses publik ke World Wide Web masih empat tahun setelahnya, dan kecerdasan buatan masih berada dalam ranah fiksi ilmiah.
Saat ini, berkat kemajuan luar biasa di berbagai bidang teknologi, mobil kemudi otomatis sedang dalam tahap pengujian dan robot hidup sangatlah mungkin untuk dihadirkan di dunia nyata. Agar dapat menjadi kenyataan, mesin-mesin ini harus belajar dari pengalamannya dan dikondisikan untuk mengambil keputusan berdasarkan pengalaman tersebut.
Singkatnya, itulah definisi pembelajaran mesin. Python bisa dibilang bahasa terbaik di bidang ini.
Bisa dibilang, setelah penantian selama puluhan tahun, Python akhirnya menemukan tujuannya , yakni menjelaskan popularitas bahasa ini secara tiba-tiba. Atau Anda mungkin tidak bisa. Izinkan Superprof membantu Anda menjernihkan keraguan tersebut.
Apa itu pembelajaran?
Lihatlah kembali pengalaman belajar Anda. Tidaklah salah jika sekolah adalah pemikiran pertama yang muncul di kepala Anda dan pemikiran itu akan membantu tesis kami dengan baik. Dengan cara apa Anda belajar di sekolah?
Seseorang, yang biasanya seorang pengajar, menyampaikan informasi yang Anda proses dan simpan. Terdengar bagus; persis seperti memprogram komputer. Satu-satunya perbedaannya adalah Anda tidak disuguhi sejumlah pengetahuan dalam ruang hampa; segala sesuatu yang Anda pelajari berhubungan satu sama lain dan, lebih sering demikian, terserah Anda untuk membuat hubungan tersebut.
Sekarang, ingatlah kembali saat Anda belajar di lembaga pendidikan formal. Dengan cara apa Anda belajar?
Manusia (dan hewan lainnya) menyerap informasi dari berbagai masukan dan mengambil keputusan berdasarkan pengalaman mereka. Jatuh dan kepala terbentur menyebabkan rasa sakit; ayo lakukan yang terbaik agar kepala kita tidak terbentur. Memukul dan menggigit anak lain menyebabkan reaksi marah dan mungkin menyebabkan Anda mendapat hukuman; kita kemudia segera belajar untuk tidak menggigit atau memukul anak-anak lain.
Kita tidak hanya belajar melalui pengalaman negatif. Saksikan kegembiraan orang tua ketika seorang anak mengambil langkah pertamanya, makan sendiri untuk pertama kalinya, atau belajar bagaimana mengendalikan fungsi tubuhnya.
Persetujuan dan penguatan positif merupakan alat pengajaran yang sama baiknya dengan hal-hal negatif. Alat yang lebih baik, sebagian besar berpendapat demikian. Jadi anak akan mengulangi perilaku yang dihargai dengan baik untuk mengulangi pengalaman menerima umpan balik yang positif.
Hal yang menakjubkan tentang balita yang mengambil keputusan eksekutif adalah mereka hanya memiliki sedikit pengalaman atau informasi yang menjadi dasar pengambilan keputusan tersebut dan, yang lebih mengejutkan lagi, mereka tidak pernah diajari cara memutuskan apa pun.
Tapi mesin, tidaklah demikian.
Pertama, ia hanya memiliki satu sumber masukan: programmer mereka. Kedua, mesin harus diajari cara mengambil keputusan; jika Anda sudah familiar dengan bahasa komputer, semisal pernyataan 'if/else', 'with', 'def' dan 'try' yang terdapat dalam kode apa pun.
Yang terakhir, mesin tidak memiliki insentif untuk belajar atau melakukan sesuatu. Mesin tidak bisa diberi imbalan karena berbuat baik - setidaknya, tidak seperti yang didefinisikan manusia sebagai imbalan (lebih lanjut tentang itu sebentar lagi). Mesin juga tidak dapat dihukum karena berbuat hal buruk.
Ia akan memproses data yang diberikan kepada mereka melalui instruksi yang diprogram. Berbeda dengan makhluk hidup yang intuisinya memacu pembelajaran jauh lebih baik daripada memberikan informasi, mesin hanya dapat berfungsi sesuai program yang telah diprogram.
Jadi, meskipun Python terinspirasi oleh salah satu grup komedi terhebat sepanjang masa, robotika yang diprogram oleh Python tidak akan pernah bisa belajar menghargai absurditas Monty Python.
Namun, masih banyak manfaat yang bisa dipelajari dalam pemrograman mesin; mari kita cari tahu bagaimana mereka melakukannya.
Temukan kursus python Jakarta yang bagus di sini di Superprof.
Cara Mesin Belajar
Pembelajaran mesin dimulai dengan pemrograman untuk membuat keputusan berdasarkan hasil yang diinginkan, hasil yang diharapkan, atau ekspektasi bahwa mesin akan memindai masukannya untuk menemukan strukturnya sendiri; aplikasi yang banyak digunakan dalam statistik, untuk memperkirakan kepadatan variabel acak kontinu.
Ketiga jenis pembelajaran tersebut masing-masing disebut pembelajaran yang diawasi, pembelajaran penguatan, dan pembelajaran tanpa pengawasan.
Jenis pembelajaran mesin yang mungkin paling Anda kenal, disadari atau tidak, adalah pembelajaran penguatan. Ini melibatkan mesin yang berinteraksi dengan lingkungan dinamis, di mana mesin harus melakukan serangkaian tindakan.
Mari kita lihat mobil parkir otomatis versus mobil kemudi otomatis. Keduanya melibatkan lingkungan dinamis di mana mesin harus mengambil keputusan dan melakukan tindakan. Untuk mobil parkir otomatis, lingkungan pengoperasiannya cukup terbatas: kecepatan kendaraan lebih rendah, ruang gerak lebih kecil, dan potensi risiko lebih mudah dianalisis.
Bandingkan dengan banyaknya data yang harus diproses oleh mobil kemudi otomatis. Segala sesuatu mulai dari pejalan kaki dan kendaraan lain yang bergerak hingga jalur yang dilaluinya dan lampu lalu lintas, mudah untuk melihat bagaimana mobil tanpa pengemudi dapat membuang data karena dianggap tidak relevan dengan proses pengambilan keputusan mesin mereka.
Temukan kursus python di sini di Superprof.
Sangat menyenangkan memiliki teknologi untuk membuat prototipe mobil kemudi otomatis, tetapi tingkat pembelajaran yang harus dilakukan kendaraan tersebut secara virtual menjamin bahwa kita akan mengemudi sendiri di masa mendatang. Atau apakah kita hanya perlu melangkah ke permainan pembelajaran penguatan kita?
Seperti yang telah kami tunjukkan di segmen sebelumnya, hukuman dan penghargaan dapat memperkuat perilaku... apakah Anda mengerti hubungannya?
Dengan pembelajaran penguatan, mesin dapat mengharapkan imbalan jika melakukan tindakan apa pun yang ditafsirkan secara positif. Seluruh konteks penghargaan terlalu luas untuk dibahas di sini; Anggap saja imbalan ini bersifat kumulatif, artinya semakin banyak respons yang diinginkan diberikan, semakin besar imbalan yang diberikan mesin setelah tugas selesai.
Hal ini menjadikan pembelajaran penguatan sebagai alat pengajaran yang ideal untuk mobil kemudi otomatis serta game komputer seperti AlphaGo dan Deep Blue, komputer bermain catur milik IBM.
Temukan tutorial python bagus di sini di Superprof.
Python dan Pembelajaran Mesin
Sebelumnya, kami telah menyebutkan bahwa masa bagi Python telah tiba, sebuah pernyataan yang diwujudkan dengan library paket perangkat lunaknya yang luas yang mencakup fungsionalitas di sejumlah sektor berbeda, termasuk:
- antarmuka pengguna grafis (GUI)
- jaringan komputer
- multimedia
- analisis data
- manajemen basis data
- komputasi ilmiah
- pengikisan web
Dan, tentunya, pembelajaran mesin - dan ini hanyalah daftar singkat kegunaan Python. Pada bulan Maret 2021, Indeks Paket Python (PyPI) mencantumkan lebih dari 290.000 paket perangkat lunak yang ditujukan untuk memenuhi berbagai kebutuhan fungsional.
Bukankah hal ini membuat Anda bertanya-tanya bagaimana Python dan ilmu data dapat dimanfaatkan secara bersamaan?
ntuk memahami bagaimana hal ini bisa terjadi, Anda harus tahu bahwa Python bersifat modular. Python berisi ratusan ribu modul yang sudah dituliskan dan dirancang untuk berfungsi sebagai perpanjangan dari bahasa inti minimalnya dan bersama-sama dengan bahasa pemrograman yang lebih kompleks.
Library Python - TensorFlow, Scikit-learn, dan Pytorch memberikan programmer pilihan tool untuk mengembangkan proyek kecerdasan buatan dan machine learning mereka.
Dan Anda harus melihat apa yang dapat dilakukan Python dengan pengembangan web!
Alasan Python adalah yang paling baik Baik untuk Pembelajaran mesin
Ada banyak bahasa pemrograman di luar sana; apa yang membuat Python mudah beradaptasi dengan pembelajaran mesin?
Perangkat lunak ini sederhana dan mudah digunakan.
Meskipun banyak bahasa yang sarat dengan sintaksis, Python bersifat bersih dan fungsional. Misalnya, jika Anda ingin menulis sebuah program yang akan melakukan serangkaian tugas atau memberikan hasil tertentu dalam bahasa pemrograman yang berbeda, Anda harus mengetikkan seluruh kode atau meminjam dari pustaka kode dan menyesuaikannya agar sesuai dengan kebutuhan Anda.
Tidak demikian halnya dengan Python. Kami telah menyebutkan sebelumnya library modulnya yang luas; masing-masing ditulis untuk tugas atau serangkaian tugas tertentu. Anda hanya perlu mencari di library untuk memberikan input yang Anda inginkan.
Beberapa bahasa pemrograman cocok untuk paradigma tunggal - tindakan, logika, aliran data, atau berbasis peristiwa.
Python mendukung banyak paradigma; ini dapat digunakan dalam aplikasi yang membutuhkan logika dan beroperasi dengan baik dengan menggunakan antarmuka pemrograman aplikasi (API). Selain itu, Python berorientasi objek; berbagai 'objek' - bidang data, variabel, dan bahkan kode berinteraksi satu sama lain dan bahkan dapat mengubah program dasar.
Jika sebuah mesin sedang belajar, bukankah lebih baik jika mesin tersebut beroperasi secara fleksibel daripada mengikuti serangkaian instruksi yang kaku dan telah ditentukan sebelumnya?
Terlepas dari segala kemampuan beradaptasinya, Python itu sederhana. Hal ini tidak hanya bagus untuk programmer pemula yang belum hafal seluruh leksikon W3C, tetapi juga bagus untuk developer baru. Sintaksnya yang ringkas dan mudah dibaca berarti Anda tidak perlu mengajari kolaborator baru di proyek Anda dan, berkat struktur modularnya, Anda cukup memasukkan apa yang Anda ingin mesin Anda lakukan dan selesai!
Terakhir, ada komunitas Python.
Kita tidak hanya membicarakan tentang semua Pythonista di luar sana - programmer yang tertarik dengan Python, meskipun ia merupakan salah satu alasan terbaik untuk menggunakan bahasa pemograman ini. Selain mereka, masih banyak dukungan yang bisa didapat.
Python adalah sumber terbuka; Ada banyak sekali dokumentasi (virtual) di luar sana, mulai dari individu yang mencoba dan gagal dalam suatu proyek hingga petunjuk dan analisis berkualitas tinggi, dengan pemrogram dan ahli perangkat lunak yang selalu menambahkan ke perpustakaan.
Antara katalog lengkap PyPI dan para Pythonista yang dapat membantu Anda memahami cara memanfaatkannya semaksimal mungkin, sungguh mengherankan jika Anda tidak mempertimbangkan untuk menggunakan Python... bukan?
Apa Anda menyukai artikel ini? Berikan penilaian Anda
Loading...
