Baru-baru ini, kemajuan dalam efisiensi komputasi statistik telah membuat Bayesian berhasil memajukan bidang di sejumlah area, yang disebut "machine learning". Demikian pula, kemajuan dalam komputasi jaringan telah menyebabkan koneksionis memperluas ke subbidang yang disebut "deep learning". Machine learning (ML) dan deep learning (DL) merupakan bidang ilmu komputer yang berasal dari disiplin Kecerdasan Buatan.
Kecerdasan Buatan (AI) "lebih cerdas" dan belajar lebih cepat dengan lebih banyak data, dan setiap hari, semua perusahaan menghasilkan bahan bakar ini untuk menjalankan solusi machine learning dan deep learning, baik yang dikumpulkan dan diekstraksi dari gudang data seperti Amazon Redshift, yang benar-benar akurat melalui kekuatan "klaster" dengan Mechanical Turk, maupun secara dinamis ditambang melalui Kinesis Streams.Â
Lebih jauh, dengan munculnya IoT, teknologi sensor secara eksponensial menambah jumlah data yang akan dianalisis -- data dari sumber dan tempat serta objek dan peristiwa yang sebelumnya hampir tidak tersentuh.
Kegiatan webinar yang digagas komunitas literasi jakarta ini sangat bagus sekali. Kawan-kawan guru sedikit demi sedikit belajar kecerdasan buatan.
Kapan kegiatan webinar ini dilaksanakan? Kegiatan webinar dilaksanakan pada Hari Kamis, 30 Maret 2023 pukul 13.00 wib melalui aplikasi zoom. Sedangkan panitianya berada di sebuah ruangan serba guna yang ada di DKI Jakarta. Keren sekali acaranya.
Mengapa kegiatan webinar pemanfaatan Artificial Intelligence ini dilaksanakan? Menurut ketua panitia Ibu Sri Kustiah, M.Pd, beliau calon guru penggerak angakatan 7 DKI Jakarta adalah untuk memperkenalkan AI atau kecerdasan buatan dalam dunia pendidikan kepada guru-guru di DKI Jakarta. Terutama tentang machine learning yang materinya tadi sudah disampaikan oleh narasumber.
Machine Learning adalah nama yang umumnya diterapkan pada sejumlah teknik Bayesian yang digunakan untuk pengenalan dan pembelajaran pola. Pada intinya, machine learning adalah kumpulan algoritma yang dapat mempelajari dari dan membuat prediksi berdasarkan data yang direkam, mengoptimalkan fungsi utilitas yang diberikan dalam ketidakpastian, mengekstrak struktur data tersembunyi, dan menggolongkan data menjadi deskripsi singkat.Â