blog-details

9 Implementasi Machine Learning dari Kehidupan Sehari-hari

Kecerdasan Buatan (AI) ada di mana-mana. Kemungkinannya adalah Anda menggunakannya dengan satu atau lain cara dan Anda bahkan tidak mengetahuinya. Salah satu aplikasi AI yang populer adalah Machine Learning (ML), di mana komputer, perangkat lunak, dan perangkat berkinerja melalui kognisi (sangat mirip dengan otak manusia).

Di sini, kami berbagi beberapa contoh pembelajaran mesin yang kami gunakan setiap hari dan mungkin tidak tahu bahwa mereka didorong oleh ML.

1. Virtual Personal Assistants

Siri, Alexa, Google, adalah beberapa contoh populer asisten pribadi virtual. Seperti namanya, mereka membantu dalam mencari informasi, ketika ditanya melalui suara.

Yang perlu Anda lakukan adalah mengaktifkannya dan bertanya "Apa jadwal saya untuk hari ini?", "Apa penerbangan dari Jerman ke London", atau pertanyaan serupa. Untuk menjawab, asisten pribadi Anda mencari informasi, mengingat pertanyaan terkait Anda, atau mengirim perintah ke sumber daya lain (seperti aplikasi telepon) untuk mengumpulkan info.

Anda bahkan dapat menginstruksikan asisten untuk tugas-tugas tertentu seperti "Setel alarm jam 6 pagi keesokan paginya", "Ingatkan saya untuk mengunjungi Kantor Visa lusa".

Pembelajaran mesin adalah bagian penting dari asisten pribadi ini karena mereka mengumpulkan dan memperbaiki informasi berdasarkan keterlibatan Anda sebelumnya dengan mereka. Nantinya, rangkaian data ini digunakan untuk memberikan hasil yang disesuaikan dengan preferensi Anda.

Asisten Virtual terintegrasi ke berbagai platform. Sebagai contoh:

  1. Pembicara Cerdas: Amazon Echo dan Google Home
  2. Smartphone: Samsung Bixby pada Samsung S8
  3. Aplikasi Seluler: Google Allo

2. Predictions while Commuting

Prediksi Lalu Lintas: Kita semua telah menggunakan layanan navigasi GPS. Sementara kami melakukan itu, lokasi dan kecepatan kami saat ini disimpan di server pusat untuk mengelola lalu lintas.

Data ini kemudian digunakan untuk membangun peta lalu lintas saat ini. Meskipun ini membantu dalam mencegah lalu lintas dan melakukan analisis kemacetan, masalah mendasarnya adalah bahwa ada lebih sedikit jumlah mobil yang dilengkapi dengan GPS.

Pembelajaran mesin dalam skenario seperti itu membantu memperkirakan daerah di mana kemacetan dapat ditemukan berdasarkan pengalaman sehari-hari.

Jaringan Transportasi Online: Saat memesan taksi, aplikasi memperkirakan harga perjalanan. Saat berbagi layanan ini, bagaimana mereka meminimalkan jalan memutar? Jawabannya adalah pembelajaran mesin.

Jeff Schneider, pimpinan teknik di Uber ATC mengungkapkan dalam sebuah wawancara bahwa mereka menggunakan ML untuk menentukan jam kenaikan harga dengan memprediksi permintaan pengendara. Dalam seluruh siklus layanan, ML memainkan peran utama.

3. Videos Surveillance

Bayangkan satu orang memantau beberapa kamera video! Tentunya, pekerjaan yang sulit dilakukan dan membosankan juga. Inilah sebabnya mengapa ide melatih komputer untuk melakukan pekerjaan ini masuk akal.

Sistem pengawasan video saat ini didukung oleh AI yang memungkinkan untuk mendeteksi kejahatan sebelum terjadi. Mereka melacak perilaku yang tidak biasa dari orang-orang seperti berdiri tak bergerak untuk waktu yang lama, tersandung, atau tidur siang di bangku dll.

Dengan demikian sistem dapat memberikan peringatan kepada petugas manusia, yang pada akhirnya dapat membantu menghindari kecelakaan. Dan ketika kegiatan tersebut dilaporkan dan dihitung benar, mereka membantu meningkatkan layanan pengawasan. Ini terjadi dengan pembelajaran mesin melakukan tugasnya di backend.

4. Layanan Media Sosial


blog-details


Dari mempersonalisasi umpan berita Anda hingga penargetan iklan yang lebih baik, platform media sosial memanfaatkan pembelajaran mesin untuk keuntungan mereka sendiri dan pengguna. Berikut adalah beberapa contoh yang harus Anda perhatikan, gunakan, dan cintai dalam akun media sosial Anda, tanpa menyadari bahwa fitur yang luar biasa ini tidak lain adalah aplikasi ML.

  1. Orang yang Mungkin Anda Kenal: Pembelajaran mesin bekerja berdasarkan konsep sederhana: pemahaman dengan pengalaman. Facebook terus-menerus memperhatikan teman-teman yang terhubung dengan Anda, profil yang sangat sering Anda kunjungi, minat Anda, tempat kerja, atau grup yang Anda bagikan dengan seseorang, dll. Atas dasar pembelajaran berkelanjutan, daftar pengguna Facebook disarankan agar Anda dapat berteman dengan.
  2. Face Recognition: Anda mengunggah foto Anda dengan seorang teman dan Facebook langsung mengenali teman itu. Facebook memeriksa pose dan proyeksi dalam gambar, memperhatikan fitur unik, dan kemudian mencocokkannya dengan orang-orang di daftar teman Anda. Seluruh proses di backend rumit dan menangani faktor presisi tetapi tampaknya menjadi aplikasi sederhana ML di ujung depan.
  3. Similar Pin: Pembelajaran mesin adalah elemen inti dari Computer Vision, yang merupakan teknik untuk mengekstrak informasi yang berguna dari gambar dan video. Pinterest menggunakan penglihatan komputer untuk mengidentifikasi objek (atau pin) dalam gambar dan merekomendasikan pin serupa.

5. Email Spam dan Penyaringan Malware

  1. Ada sejumlah pendekatan penyaringan spam yang digunakan klien email. Untuk memastikan bahwa filter spam ini terus diperbarui, didukung oleh pembelajaran mesin. Ketika penyaringan spam berbasis aturan dilakukan, ia gagal melacak trik terbaru yang diadopsi oleh spammer. Multi Layer Perceptron, C 4.5 Decision Tree Induction adalah beberapa teknik penyaringan spam yang didukung oleh ML.
  2. Lebih dari 325, 000 malware terdeteksi setiap hari dan setiap bagian kode 90-98% mirip dengan versi sebelumnya. Program keamanan sistem yang didukung oleh pembelajaran mesin memahami pola pengkodean. Karenanya, mereka mendeteksi malware baru dengan variasi 2-10% dengan mudah dan menawarkan perlindungan terhadapnya.

6. Chatbot

Sejumlah situs web saat ini menawarkan opsi untuk mengobrol dengan perwakilan dukungan pelanggan saat mereka bernavigasi di dalam situs. Namun, tidak setiap situs web memiliki eksekutif langsung untuk menjawab pertanyaan Anda. Dalam sebagian besar kasus, Anda berbicara dengan chatbot.

Bot ini cenderung mengekstraksi informasi dari situs web dan menyajikannya kepada pelanggan. Sementara itu, chatbots berkembang seiring waktu. Mereka cenderung memahami permintaan pengguna dengan lebih baik dan melayani mereka dengan jawaban yang lebih baik, yang dimungkinkan karena algoritma pembelajaran mesinnya.

7. Search Engine Result Refining

Google dan mesin pencari lainnya menggunakan pembelajaran mesin untuk meningkatkan hasil pencarian untuk Anda. Setiap kali Anda melakukan pencarian, algoritme di backend mengawasi bagaimana Anda merespons hasil. Jika Anda membuka hasil teratas dan tetap di halaman web lama, mesin pencari mengasumsikan bahwa hasil yang ditampilkan sesuai dengan permintaan.

Demikian pula, jika Anda mencapai halaman kedua atau ketiga dari hasil pencarian tetapi tidak membuka salah satu hasil, mesin pencari memperkirakan bahwa hasil yang disajikan tidak sesuai dengan persyaratan. Dengan cara ini, algoritma yang bekerja di backend meningkatkan hasil pencarian.

8. Rekomendasi Produk

Anda berbelanja produk secara online beberapa hari lalu dan kemudian Anda terus menerima email untuk saran belanja. Jika tidak ini, maka Anda mungkin telah memperhatikan bahwa situs web belanja atau aplikasi merekomendasikan Anda beberapa item yang entah bagaimana cocok dengan selera Anda.

Tentu saja, ini memurnikan pengalaman berbelanja tetapi apakah Anda tahu bahwa itu adalah mesin belajar melakukan keajaiban untuk Anda? Atas dasar perilaku Anda dengan situs web / aplikasi, pembelian sebelumnya, barang yang disukai atau ditambahkan ke keranjang, preferensi merek, dll., Rekomendasi produk dibuat.

9. Deteksi Penipuan Online

Machine learning membuktikan potensinya untuk membuat dunia maya menjadi tempat yang aman dan melacak penipuan moneter online adalah salah satu contohnya. Misalnya: Paypal menggunakan ML untuk perlindungan terhadap pencucian uang.

Perusahaan menggunakan seperangkat alat yang membantu mereka untuk membandingkan jutaan transaksi yang terjadi dan membedakan antara transaksi yang sah atau tidak sah yang terjadi antara pembeli dan penjual.


blog-details


Terima Kasih sudah membaca. Jika anda butuh asisten/partner untuk membuat chatbot dan machine learning seperti object detection, anda bisa berkonsultasi di kontak dibawah ini.

Contact Us : ELCI Indonesia | +62 8213 798 9651

-----------------

References : Daffodil Software

Source Photo : Pexels | Pinterest | Unsplash

Leave a Reply