Sistem pembelajaran mesin (machine-learning) sekarang ini banyak digunakan di kehidupan sehari-hari tanpa kita sadari. Algoritma machine learning memutuskan secara otomatis apa yang sesuai dan apa yang tidak sesuai untuk diberikan kepada penggunanya.
Algoritma dari machinelearning itu sendiri disebut sebagai ‘pembelajar‘ (learner),
yang mampu memilah dan membedakan serta memutuskan apa yang harus
dilakukan dengan menggunakan rujukan inferensi dari data yang diperoleh.
Semakin banyak data dimiliki, maka akan semakin maksimal performanya.
Sistem akan melakukan semuanya tanpa bantuan manusia untuk memilah dan
memutuskan
Berikut list materi yang bisa dibuka dan dipelajari lebih lanjut:
- An Introduction To Statistical Learning
- Elements of Statistical Learning
- Probabilistic Programming & Bayesian Methods for Hackers
- Think Bayes
- Information Theory, Inference, and Learning Algorithms
- Gaussian Processes for Machine Learning
- Data Intensive Text Processing with MapReduce
- Reinforcement Learning: – An Introduction
- Mining Massive Datasets
- A First Encounter with Machine Learning
- Pattern Recognition and Machine Learning
- Machine Learning & Bayesian Reasoning
- Introduction to Machine Learning
- A Probabilistic Theory of Pattern Recognition
- Introduction to Information Retrieval
- Forecasting: principles and practice
- Practical Artificial Intelligence Programming in Java
- Introduction to Machine Learning
- Reinforcement Learning
- Machine Learning
- A Quest for Artificial Intelligence (AI)
- Introduction to Applied Bayesian Statistics and Estimation for Social Scientists
- Bayesian Modeling, Inference and Prediction
- A Course in Machine Learning
- Machine Learning, Neural and Statistical Classification
- Bayesian Reasoning and Machine Learning
- R Programming for Data Science
- Data Mining – Practical Machine Learning Tools and Techniques
