Pembelajaran mesin melatih algoritma untuk menemukan pola dalam data dan membuat prediksi. Alih-alih memprogram aturan eksplisit, Anda memberi algoritma contoh. Algoritma tersebut mempelajari hubungan antara input dan output. Kemudian, algoritma tersebut menerapkan pembelajaran itu pada data baru. Filter spam belajar dari jutaan email yang diberi label. Mesin rekomendasi belajar dari perilaku pengguna. Model pencegahan penipuan belajar dari transaksi historis. Algoritma akan meningkat seiring bertambahnya jumlah data yang dilihatnya, hingga batas tertentu.

Jenis utama pembelajaran mesin adalah pembelajaran terawasi (supervised learning), pembelajaran tak terawasi (unsupervised learning), dan pembelajaran penguatan (reinforcement learning). Pembelajaran terawasi menggunakan data berlabel. Algoritma belajar memetakan input ke output yang diketahui. Klasifikasi memprediksi kategori. Regresi memprediksi angka. Pembelajaran tak terawasi menemukan struktur dalam data tak berlabel. Pengelompokan (clustering) mengelompokkan catatan yang serupa. Pengurangan dimensi menyederhanakan data yang kompleks. Pembelajaran penguatan melatih agen melalui uji coba dan kesalahan, memberi penghargaan pada tindakan yang baik dan menghukum tindakan yang buruk. Ini mendukung sistem permainan dan robotika. Setiap jenis cocok untuk masalah yang berbeda. Kualitas data pelatihan menentukan kualitas model. Data yang bias menghasilkan prediksi yang bias. Data yang tidak lengkap menghasilkan prediksi yang tidak dapat diandalkan. Overfitting adalah risiko yang konstan. Model yang menghafal data pelatihan akan berkinerja buruk pada data baru. Regularisasi, validasi silang, dan lebih banyak data membantu. Pembelajaran mesin itu kuat dan rapuh. Ia menemukan pola, termasuk pola yang seharusnya tidak ada.

Jenis pembelajaran mesin

• Terbimbing — data berlabel, klasifikasi dan regresi
• Tidak terawasi — data tidak berlabel, pengelompokan, dan pengurangan dimensi
• Penguatan — coba-coba dengan imbalan
• Pembelajaran mendalam — jaringan saraf dengan banyak lapisan

Pembelajaran mesin adalah pengenalan pola dalam skala besar. Pola tersebut hanya sebaik data yang menghasilkannya.