Bagaimana jurnalis dapat menggunakan pembelajaran mesin (PM) untuk meningkatkan pekerjaan jurnalistik? Inilah pertanyaan yang akan kita bahas dalam kursus ini.

Kursus ini akan membantu Anda memahami situasi-situasi saat pembelajaran mesin merupakan fitur yang tepat dalam mendukung pelaporan dan akan mengajari Anda cara melatih model pembelajaran mesin.

Ini merupakan tindak lanjut dari kursus Pengantar Pembelajaran Mesin. Jika Anda belum mengambilnya, kami menyarankan untuk Anda melakukannya sebelum melanjutkan kursus ini.

Pengantar Pembelajaran Mesin mengeksplorasi potensi yang ditawarkan oleh pembelajaran kepada organisasi berita dan menjelaskan cara jurnalis dapat menggunakannya secara bertanggung jawab untuk menyempurnakan pelaporan.

Kursus ini ingin melangkah lebih jauh dan menunjukkan, melalui contoh kehidupan nyata yang akan diperkenalkan di pelajaran berikutnya, hasil apa saja yang dapat dicapai jurnalis dengan menggunakan pembelajaran mesin. Jika Anda ingin mempelajari cara kerja dalam praktik pembelajaran mesin dan cara menggunakannya untuk melaporkan cerita Anda, kursus ini cocok untuk Anda.

Apakah Anda akan menjadi perancang pembelajaran mesin ahli dan ilmuwan data pada akhir kursus ini? Maaf, tidak. Namun Anda akan mempelajari langkah-langkah yang menggarisbawahi cara kerja sebagian besar proses pembelajaran mesin dan Anda akan dapat menjalankan eksperimen sendiri.

Sebelum melanjutkan, mari pastikan kita memahami yang sedang kita bahas. Apa itu pembelajaran mesin?

Pembelajaran mesin adalah bagian dari kumpulan teknologi yang dikelompokkan di bawah payung istilah "kecerdasan buatan" (artificial intelligence/AI). Seperti kebanyakan terminologi di bidang kecerdasan buatan, tidak ada definisi unik dari pembelajaran mesin.

Secara sederhana, pembelajaran mesin adalah teknologi yang menggunakan data untuk menjawab pertanyaan. Secara lebih formal, hal ini mengacu pada penggunaan algoritme yang mempelajari pola dari data dan mampu melakukan tugas tanpa diprogram secara eksplisit untuk melakukannya. 

Selain itu, fitur yang menentukan dari sistem pembelajaran mesin adalah bahwa mesin meningkatkan kinerjanya dengan pengalaman dan data. Dengan kata lain: mesin ini belajar.

Anda harus ingat bahwa tidak hanya ada satu cara bagi mesin dalam belajar. Pendekatan yang berbeda terhadap pembelajaran mesin biasanya dibedakan berdasarkan jenis masalah yang mesin coba selesaikan, serta jenis dan jumlah umpan balik yang diberikan.

Secara umum, kita dapat membagi pembelajaran mesin menjadi tiga sub bagian: 1) Pembelajaran yang diawasi; 2) Pembelajaran tanpa pengawasan; 3) Pembelajaran penguatan. Tinjau Pengantar Pembelajaran Mesin untuk mencari tahu lebih lanjut tentang hal-hal yang membedakan ketiga kategori ini. 

Untuk tujuan kursus ini, kita akan berfokus pada pembelajaran yang diawasi. Ini berarti bahwa kita akan menggunakan contoh berlabel untuk melatih algoritme agar secara otomatis menetapkan label yang benar ke setiap contoh baru yang akan kita minta untuk dianalisis oleh mesin.

Kini setelah meninjau dasar-dasarnya, kita siap untuk mengakhiri pendahuluan ini dan melanjutkan.

Dalam dua pelajaran berikutnya, Anda akan diperkenalkan dengan studi kasus yang akan mendasari latihan dalam contoh jurnalistik konkret dan algoritme yang akan kita gunakan untuk memahami dinamika di balik sebagian besar proses pembelajaran mesin.

Pelajaran berikut akan berfokus pada panduan praktis langkah demi langkah: Cara mencari dan menyiapkan data, cara melatih model pembelajaran mesin Anda, dan cara menguji serta mengevaluasi performanya.

Pelajaran terakhir akan merangkum pembelajaran utama, membantu Anda memahami cara menerapkannya dalam pelaporan sehari-hari, dan merekomendasikan sumber daya lain yang dapat Anda gunakan untuk mendalami dunia pembelajaran mesin.