Ilmu komputer teoretis: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
Perbaikan ilustrasi dan paragraf |
Penambahan subbab: teori komputasi pembelajaran |
||
Baris 85:
Penerapan algoritma hasil kajian geometri komputasi dimanfaatkan dalam ragam bidang, termasuk [[robotika]] (perencanaan gerak dan masalah visibilitas),<ref name=":7" /> [[sistem informasi geografis]] (''Geographical Information System/''GIS; lokasi dan pencarian geometris, perencanaan rute),<ref>{{Cite web|title=What is Computational Geometry?|url=https://www.computersciencedegreehub.com/faq/what-is-computational-geometry/|website=Computer Science Degree Hub|language=en-US|access-date=2023-12-20}}</ref><ref name=":7" /> desain [[sirkuit terpadu]] (''integrated circuit/IC''; desain dan verifikasi geometri IC),<ref name=":7" /> [[CAE|teknik berbantuan komputer]] (''Computer-aided Engineering/''CAE; generasi jaring),<ref name=":8" /> [[visi komputer]] (rekonstruksi 3D).<ref name=":7" /><ref name=":8" />
=== Teori komputasi pembelajaran ===
Teori komputasi pembelajaran mengkaji proses kognisi secara matematis,<ref>{{Cite book|last=Anthony|first=Martin|last2=Biggs|first2=Norman|date=1997|title=Computational learning theory: an introduction|location=Cambridge|publisher=Cambridge Univ. Press|isbn=978-0-521-41603-0|edition=1. paperback ed. (with corr.)|series=Cambridge tracts in theoretical computer science}}</ref> memberikan penjelasan menggunakan nalar matematika yang kaku (''rigor'') mengenai bagaimana proses pembelajaran terjadi.<ref>{{Cite journal|last=Angluin|first=Dana|date=1992|title=Computational learning theory: survey and selected bibliography|url=http://portal.acm.org/citation.cfm?doid=129712.129746|language=en|publisher=ACM Press|pages=351–369|doi=10.1145/129712.129746|isbn=978-0-89791-511-3}}</ref> Teori ini mengambil fokus dalam [[Pemelajaran terarah|pembelajaran terarah]] (''supervised learning'') dalam konteks pembelajaran mesin. <ref name=":02">{{Cite web|last=Brownlee|first=Jason|date=2020-09-07|title=A Gentle Introduction to Computational Learning Theory|url=https://machinelearningmastery.com/introduction-to-computational-learning-theory/|website=Machine Learning Mastery|access-date=2023-12-21}}</ref>
Dalam pembelajaran terarah, suatu algoritma diberikan sampel-sampel yang telah diberi label untuk belajar/berlatih dengan sampel-sampel berlabel tersebut. Sebagai contoh, tupel pada sampel jamur berisi data-data deskriptif ragam spesies jamur, dan labelnya bisa berupa apakah jamur-jamur tersebut dapat dimakan atau tidak. Algoritma yang akan dilatih mengambil sampel yang telah dilabeli terlebih dahulu dan membuat suatu fungsi klasifikasi yang mempelajari secara induksi pola-pola relasi antara label jamur dan sampel data jamur.
Kemudian, fungsi klasifikasi memberikan label pada sampel uji ataupun sampel baru yang belum diproses melalui algoritma tersebut. Dari hasil pelabelan sampel uji, akan dilakukan perbandingan dengan sampel latih dan dilihat keakuratan prediksi fungsi klasifikasi dalam mengklasifikasikan jamur yang bisa dimakan dan tidak bisa dimakan.
Teori komputasi pembelajaran fokus dalam melakukan analisis formal matematis terhadap keakuratan fungsi klasifikasi dalam contoh. Pada contoh sebelumnya, analisis keakuratan tergolong mudah, karena label bersifat biner (bisa dimakan/1 dan tidak bisa dimakan/0).<ref name=":02" /> Teori komputasi pembelajaran juga melakukan eksplorasi formal matematis terhadap ragam bentuk klasifikasi lain, yang terbukti sangat sulit dilakukan.<ref>{{Cite book|last=Russell|first=Stuart J.|last2=Norvig|first2=Peter|date=2021|title=Artificial intelligence: a modern approach|location=Hoboken, NJ|publisher=Pearson|isbn=978-0-13-461099-3|edition=Fourth Edition|series=Pearson Series in Artificial Intelligence|others=Ming-wei Chang, Jacob Devlin, Anca Dragan, David Forsyth, Ian Goodfellow, Jitendra Malik, Vikash Mansinghka, Judea Pearl, Michael J. Wooldridge}}</ref>
== Referensi ==
|