Machine Learning vs Datamining

Assalammu’alaikum,

Kali ini saya ingin share mengenai Machine Learning dan Datamining, lebih tepatnya mungkin perbedaan antara Machine Learning dan Datamining. Judulnya agak serem juga ya Machine Learning vs Datamining hehehe, tapi tujuannya bukan memperlihatkan mana yang lebih baik, tapi lebih kepada menjelaskan sebenarnya kapan suatu sistem learning atau pencarian pola atau pencarian knowledge (pengetahuan) dikatakan Machine Learning kapan dapat dikatakan Datamining.

Bahasan singkat ini sebenarnya saya ambil dari posting saya di facebook ketika selesai acara seminar CodeLabs UNIKOM yang ada materi mengenai datamining juga. Dan kenapa saya tulis kembali di blog, karena pada tanggal 29 Januari 2014 kemarin ada acara seperti penjelasan mengenai kelompok keilmuan E (Game Tech dan Artificial Intelligence) di Program Studi Teknik Informatika UNIKOM, kebetulan saya menjadi pengisi materi mengenai sistem rekognisi yang memanfaatkan Machine Learning dan ada yang menanyakan mengenai apa perbedaan Machine Learning dan Datamining.

Expectation Maximization Algorithm

Unsupervised Learning biasanya memiliki kata kunci clustering atau melakukan peng-klusteran terhadap sekelompok data atau sekelompok instances yang tidak memiliki label, sehingga memiliki informasi bahwa terdapat sekumpulan data yang membentuk cluster, namun kita belum tahu apa pengetahuan atau hipotesis yang membuat instances tersebut saling berkumpul (membuat kelompok) menjadi satu cluster atau lebih.

Expectation maximization algorithm merupakan algoritma unsupservised learningyang memiliki kemampuan untuk melakukan pencarian knowledge dari sekumpulan data yang tidak memiliki label atau target class tertentu, dengan cara melihat nilai setiap instances yang didistribusikan kedalam Gaussian distribution, lebih tepatnya adalah mixture Gaussian, lalu dilakukan iterasi menaik untuk mencari nilai likehood tertenggi untuk setiap instance (melihat kedekatan instances terhadap setiap kluster).

Expectation Maximization Algorithm (EM Algorithm) sendiri merupakan suatu algoritma yang memanfaatkan mixture dari Gaussian mixture. Pada dasarnya E-M Algorithm terdiri dari dua langkah yaitu, expectation dan maximization. Melakukan perhitungan expektasi terhadap suatu nilai probabilitas likelihood, lalu langkah kedua memperbaiki nilai probabilitas terebut dengan merubah parameter pada mixture Gaussian sehingga mencapai maximum likelihood.

Terdapat beberapa hal yang perlu ditekankan dalam EM Algorithm yaitu :

1. Maximum Likelihood Estimation (MLE)
2. Mixtures of Gaussians
3. Estimation-Maximization (EM)

Selebihnya dapat dilihat pada dokumen catatan berikut ini :

Catatan-kecil-EM-Algorithm

*saya agak malas menulis equation didalam wordpressnya hehehe 😀

Contoh program clustering untuk segmentasi jaringan otak :

https://github.com/situkangsayur/SampleEMforBrainSeg

GNU Octave for fast scientific programming on Ubuntu :D

Assalammu’alaikum,

Sudah lama tak bersua hehehe..

Kali ini saya share mengenai octave, yang beberapa hari ini saya gunakan untuk melakukan validasi program saya yang berkaitan dengan tugas eksplorasi dan mengajar di tempat saya bekerja sekarang.

Kenapa octave? hhmmm mungkin saya akan balik bertanya, kenapa tidak??? hahaha

Octave adalah project yang berlisensi GNU, ini situsenya http://www.gnu.org/software/octave/

Berikut seperti yang dikatakan dalam situs octave di gnu mengenai octave sendiri :

“GNU Octave is a high-level language, primarily intended for numerical computations. It provides a convenient command line interface for solving linear and nonlinear problems numerically, and for performing other numerical experiments using a language that is mostly compatible with Matlab. It may also be used as a batch-oriented language.

Hand Tracking dan Motion untuk kontrol mouse pointer komputer

Dah jarang posting, sekalinya posting lama banget hehehe..

Kali ini saya mu posting dan share soal TA saya sekarang (2011), kebetulan saya mengambil topik computer vision, implementasi hand tracking pada kontrol mouse pointer komputer dengan algoritma pyramidal lucas kanade.

Saya mengimplementasikan algoritmanya sebenarnya secara implisit, karena saya menggunakan library opencv untuk membantu saya dalam membuat aplikasi ini. Saya juga menggunakan QT Framework untuk membangun antarmukanya, agar lebih mudah tinggal drag and drop dan dengan menggunakan bahasa pemrograman C++.

Sebelumnya pada aplikasi ini saya menggunakan teknologi-teknologi sebagai berikut :

1. ubuntu 10.10

2. QT Framework 4.7

3. OpenCV 2.2

4. library X11

5. WebCam 5 MP

6. C++ programming language

7. eclipse helios

8. Qt Creator & Qt Designer