NonFiksi

Dasar-dasar Graph Machine Learning dan Implementasinya Menggunakan Bahasa Phyton

---

Data yong memiliki struktur prof semakin banyak tersedia di sekitar kita dan dihasilkan sleher sumber dals. Doto berstruktur gral yang terakumulasi dari sejumlah aplikasi media sosind setiap harinya memiliki volume songat besar, Informasi hasil pengolahan data tersebut sangat berguna bagi peribust keputusan di berbogor bidang seperti analisis dan penyusunan kebijakan publik, don Customer Relationship Management. Namun demikian, untuk menganalisis data gral dibutuhkan metode yang tepat untuk menggali pole data yang "lersembunyi" didalam himpunan data. Berbeda dari matode enclos statistik yong hanya menggunakan variabel objek, analisis data graf menggunakan variabel objekt dan variabel relasi antar objek (edges).nnnnMachine Learning merupakan sebuah cabang ilmu Kecerdasan Artifisial yang berlakus kepodo pengembangan algoritma "cerdas" yang mampu mempelajari pola dari data yang terstruktur maupun tidak-terstruktur tanpa diprogram secara eksplisit. Menggunakan proses pembelajaran model yang bersifat iteratif, sebuah model Machine Learning dapat dipergunakan untuk menganalisis data berukuran sangat besar secara efisien sehingga dapat dimanfaatkan kedalam sejumlah teknologi untuk membantu manusia menyelesaikan pekerjaan rutin yang semula dikerjakan secara manual, antara lain: mendeteksi objek di dalam citra, melakukan segmentasi citra, dan mendeteksi ujaran kebencian didalam kalimat.nnnnNamun demikian, algoritma Machine Learning tidak dapat diaplikasikan langsung ke dalam diata berstruktur grof disebabkan oleh beberapa hal antara lain: struktur data graf yang bersifat kompleks, tidaknnnnmemiliki titik referensi, dan bersifat dinamis. Oleh karena itu, algoritma Machine Learning perlu diadaptasi agar dapat dipergunakan untuk menganalisis data graf. Publikasi yang ditulis oleh Gori, Monfardini, dam Scarselli (2005) mungkin menjadi salah satu titik awal berkembangnya Graph Machine Learning, sebuah cabang ilmu Kecerdasan Artifisial yang menggabungkan Machine Learning dan Teori Graf. Dengan menggunakan metode Graph Machine Learning, data graf dapat dianalisis pada beberapa level yaitu: level vertex, misalnya: memprediksi kategori akun dari data sebuah jaringan media sosial; (ii) level edge misalnya: memprediksi apakah seorang calon konsumen akan menyukai sebuah produk/layanan yang ditawarkan; dan (iii) level sub-graf atau graf, misalnya memprediksi apakah sub-graf hasil pembelajaran seorang mahasiswa sampai semester tertentu memiliki kemiripan dengan dengan sub-graf hasill pembelajaran mahasiswa lain yang telah lulus dengan IPK tinggi atau mahasiswa dropout

---

Ketersediaan

B02922

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

006.31 YAY d

Penerbit

Yogyakarta : Gava Media., 2022

Deskripsi Fisik

xiv + 196 Hal. ; 16 x 23 cm ; ilus. ; tabel.

Bahasa

Indonesia

ISBN/ISSN

978-623-5690-16-2

Klasifikasi

006.31

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

Cet.1

Subjek

Machine Learning Phyton

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar