Pertanyaan :
- What is the key difference between supervised and unsupervised learning? Provide an example for each.
- What is “overfitting” in a machine learning model, and why is it a problem?
- Describe the three main components of reinforcement learning: agent, environment, and reward.
- How does a training dataset differ from a testing dataset, and why is this separation important?
Status : 100%
Pernyataan : sudah mengerjakan dengan sungguh-sungguh
bukti :
1. What is the key difference between supervised and unsupervised learning? Provide an example for each.
Jawaban:
Supervised learning adalah metode pembelajaran mesin yang menggunakan data yang sudah memiliki label atau jawaban yang benar. Contohnya, AI dilatih menggunakan gambar kucing dan anjing yang sudah diberi label agar dapat membedakan keduanya.
Unsupervised learning adalah metode pembelajaran mesin yang menggunakan data tanpa label untuk menemukan pola atau kelompok secara otomatis. Contohnya, AI mengelompokkan pelanggan berdasarkan kebiasaan belanja mereka tanpa diberi kategori sebelumnya.
2. What is “overfitting” in a machine learning model, and why is it a problem?
Jawaban:
Overfitting adalah kondisi ketika model machine learning terlalu fokus mempelajari data pelatihan, termasuk detail dan kesalahan yang tidak penting. Akibatnya, model dapat bekerja dengan baik pada data pelatihan, tetapi kesulitan memberikan prediksi yang akurat pada data baru.
Overfitting menjadi masalah karena model tidak mampu melakukan generalisasi dengan baik. Salah satu cara mengatasinya adalah menggunakan lebih banyak data yang beragam dan menerapkan teknik regularisasi.
3. Describe the three main components of reinforcement learning: agent, environment, and reward.
Jawaban:
Tiga komponen utama dalam reinforcement learning adalah:
Agent: Pihak atau sistem yang mengambil tindakan untuk mencapai tujuan. Contohnya, robot yang belajar berjalan.
Environment: Lingkungan tempat agent berinteraksi. Contohnya, lantai dan ruangan tempat robot berjalan.
Reward: Nilai atau umpan balik yang diberikan berdasarkan tindakan agent. Contohnya, robot mendapatkan reward positif ketika berhasil bergerak menuju tujuan dengan benar.
Ketiga komponen tersebut bekerja bersama agar agent dapat belajar dari pengalaman dan memilih tindakan yang lebih baik.
4. How does a training dataset differ from a testing dataset, and why is this separation important?
Jawaban:
Training dataset adalah kumpulan data yang digunakan untuk melatih model machine learning agar dapat mengenali pola dan membuat prediksi.
Testing dataset adalah kumpulan data terpisah yang digunakan untuk menguji kemampuan model setelah proses pelatihan selesai.
Pemisahan kedua dataset ini penting untuk mengetahui apakah model dapat bekerja dengan baik pada data baru yang belum pernah dipelajari. Pemisahan tersebut juga membantu mendeteksi overfitting sehingga hasil evaluasi model menjadi lebih objektif dan dapat dipercaya