implementasi ai - google prediction api
TRANSCRIPT
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