implementasi ai - google prediction api

KA22

Sistem PakarGoogle Prediction API

Dian Aditya

Agenda

Pengenalan Fitur Kegunaan Contoh kasus

KA22

Tentang Google Prediction

Aplikasi berbasis pembelajaran mesin (machine learning)

Berfungsi untuk membantu pengguna menganalisa data pribadinya berdasarkan akun dalam lingkungan Google

Telah digunakan pada produk-produk Google lainnya, diantaranya pendeteksi spam pada Gmail

Dian Aditya

Fitur

Fitur yang disediakan oleh Prediction API diantaranya

– Analisis kepuasan pelanggan

– Message routing decision

– Klasifikasi email dan dokumen

– Sistem rekomendasi

– Pendeteksi spam

– Pendeteksi kegiatan mencurigakan

– Diagnosa

Dian Aditya

Kegunaan

Prediction API menyediakan kemampuan pencocokan pola dan pembelajaran mesin

Memberikan sebuah set contoh data untuk melatih mesin, beberapa contoh aplikasi yang dapat digunakan oleh pengguna diantaranya:

– Menganalisa kebiasaan pengguna yang pernah dilakukan sebelumnya, kemudian memprediksi produk/film yang mungkin disukai oleh pengguna

Dian Aditya

Kegunaan

– Mengkategorikan sebuah email berupa spam atau bukan

– Menganalisa komentar yang diposting tentang produk milik pengguna untuk menentukan komentar tersebut bernada prositif atau sebaliknya

– Menebak berapa banyak waktu yang mungkin dihabiskan oleh pengunjung pada hari tertentu, serta mengingatnya untuk dijadikan data analisa

Dian Aditya

Contoh Kasus

Sebuah perusahaan menerima email-email permohonan bantuan dalam beberapa bahasa yang berbeda

Perusahaan tersebut menginginkan setiap email yang masuk diteruskan kepada karyawan sesuai kemampuan bahasa yang dikehendaki

Prediction API digunakan untuk memprediksi email berdasarkan frasa yang terdapat didalamnya

Dian Aditya

Contoh Kasus

Sebuah perusahaan menerima email-email permohonan bantuan dalam beberapa bahasa yang berbeda

Perusahaan tersebut menginginkan setiap email yang masuk diteruskan kepada karyawan sesuai kemampuan bahasa yang dikehendaki

Prediction API digunakan untuk memprediksi email berdasarkan frasa yang terdapat didalamnya

Dian Aditya

Contoh Kasus

Pengguna perlu memasukkan data pelatihan untuk melatih mesin prediksi

Data pelatihan terdiri dari entri teks, masing-masing diberi label berdasarkan bahasanya, semisal “Inggris”, “Spanyol”, atau “Jepang”

Setelah sistem dilatih, maka pengguna dapat mengirimkan kata-kata atau frase apapun kedalam sistem dalam salah satu bahasa

Dian Aditya

Contoh Kasus

Dan mesin prediksi akan mengkategorikan data yang dikirimkan berdasarkan yang terdekat dengan data pelatihan

KA22

“Semakin banyak data pelatihan yang dimiliki oleh mesin, maka

semakin akurat prediksi yang dapat dilakukan olehnya”

Dian Aditya

Video pendukung

Google Prediction API on Youtube

http://www.youtube.com/watch?v=u39rCNFWDEA

KA22

Dian Wahyu AdityaGoogle Prediction API