Mask R-CNN for Instance Segmentation, cerita ini dimulai ketika mendapatkan sebuah project yang berhubungan dengan computer vision untuk mengotomatisasi kematangan buah. Beberapa algoritma computer vision pernah saya coba ada banyak sekali, namun demikian ketika diterapkan pada background yang berbeda-beda, maka hasilnya jadi tidak konsisten.
5,395 ViewsNormal Distribution adalah salah satu hal paling mendasar di alam semesta kita. Itu muncul hampir di mana-mana, di alam, sains, matematika. Bahkan fenomena paling gila seperti proton yang saling bertabrakan, aksi kerumunan orang, dll. Dapat dimodelkan menggunakan distribusi normal. Rumus umum mengenai teori normal distribution yaitu dengan bilangan natural dan adalah standar … Read more
Average customer adalah konsep masa lalu, karena bisnis jaman now harus dapat menyegmentasikan basis pelanggan mereka ke dalam kelompok dan menyesuaikan pengalaman untuk setiap segmen pelanggan. Topik ini merupakan salah satu contoh di mana kita akan menggunakan machine learning dan data science yang umumnya digunakan di industri, dan memahami cara melakukannya serta melakukan analisis di dalamnya sangatlah berharga. Mari pelajari bagaimana bisnis jaman now dapat mempersonalisasi pengalaman dengan segmentasi pelanggan.
Teknik segmentasi sebenarnya sudah saya pernah bahasa, sesuai dengan pengalaman yang sudah saya kerjakan ditempat kerja saya sendiri, bisa kalian baca disini, untuk memahami cara teknis kerja tersebut, kalian bisa pelajari teknik merging dan clustering data
Perbedaan yang saya akan bahas disini berupa cara melakukan cleansing data serta melibatkan banyak produk dan bersifat customers-centric.
Tulisan ini lumayan panjang, jadi simak saja baik-baik dan sambil ngopi juga boleh!
Pengelompokan Data K-means adalah algoritma yang kuat untuk pencarian kemiripan. Ada banyak library yang cukup cepat dalam menerapkan K-Means Clustering salah satunya yaitu faiss Facebook AI Research menjadi juara yang terbaik. Melalui beberapa baris kode yang dibagikan dalam demonstrasi ini, faiss mengungguli implementasinya dalam kecepatan dan akurasi scikit-learn. #matlab
K-Means adalah algoritma iteratif, yang mengelompokkan titik data menjadi k cluster, masing-masing diwakili dengan mean / titik pusat (centroid). Pelatihan dimulai dengan beberapa tebakan awal dan kemudian berganti-ganti antara dua langkah: tugas dan pembaruan/update.
Ada banyak sekali penerapan machine learning dalam dunia nyata. Salah satunya yaitu teknologi pengenalan tulisan tangan. Ada sejumlah tantangan tersendiri dalam kasus ini yaitu banyaknya variasi tulisan tangan. Mengingat setiap tangan manusia bersifat unik sehingga hampir setiap orang mempunyai karakter/goresan pena yang berbeda untuk menulis.
Namun demikian sangat menarik sekali topik pembahasan machine learning menggunakan teknik deep machine learning dengan convolutional network, yups.
Dynamic Time Warping atau kita singkat saja dengan DTW (jangan kebalik dengan DWT) adalah algoritma penyelarasan time series yang dikembangkan awalnya untuk pengenalan suara (1). Ini bertujuan menyelaraskan dua urutan vektor fitur dengan memutar sumbu waktu secara iteratif hingga kecocokan optimal (menurut metrik yang sesuai) antara dua urutan ditemukan.
(1) Sakoe, H. And Chibam, S. Dynamic Programming algorithm optimization for spoken word recognition. IEEE Trans. On Acoust, Speech, and Signal Processing, ASSP 26, 43-49 (1978)
Algoritma greedy merupakan jenis algoritma yang menggunakan pendekatan penyelesaian masalah dengan mencari nilai maksimum sementara pada setiap langkahnya. Nilai maksimum sementara ini dikenal dengan istilah local maximum. Pada kebanyakan kasus, algoritma greedy tidak akan menghasilkan solusi paling optimal, begitupun algoritma greedy biasanya memberikan solusi yang mendekati nilai optimum dalam waktu yang cukup cepat.
Sebagai contoh dari penyelesaian masalah dengan algoritma greedy, mari kita lihat sebuah masalah klasik yang sering dijumpai dalam kehidupan sehari-hari: mencari jarak terpendek dari peta. Misalkan kita ingin bergerak dari titik A ke titik B, dan kita telah menemukan beberapa jalur dari peta:
Forecasting secara umum banyak digunakan pada Data Series atau domain waktu. Banyak sekali metode forecasting yang digunakan dengan segala asumsi yang harus dipenuhi jika menggunakan metode tertentu. Pembahasan kali ini kalian akan mempelajari Matlab- Metode Peramalan Mengunakan Fuzzy Time Series Chen yang sangat mudah dipahami, kalian bisa koq menggunakan Excel dalam melakukan perhitungannya, cuman karena di Matlab lebih mudah asalkan kalian telah pelajari Dasar-Dasar Pemrograman Matlab pada blog ini. Kalian bisa mendapatkan kode utuh secara gratis dengan cara subcribed blog ini ya! ataupun berkirim surel ke sini
Dataset yang akan digunakan yaitu terdiri dari data 16 tahun jumlah penduduk
Tahapan-tahapan dalam memprediksi dengan menggunakan metode Fuzzy Time Series (FTS) Model Chen adalah sebagai berikut:
Pada bab sebelumnya, kita telah bahas mengenai PCA untuk reduksi dimensi atas sebuah dataset gambar tulisan angka berukuran 28 x 28 menjadi hanya berukuran 3 x 1 atau terdiri dari 3 nilai saja kemudian divisualisasikan kedalam plot 3 dimensi. Nah pembahasan selanjutnya berupa t-SNE.
Video tutorial belajar Python bagian 6 telah kami terbitkan dengan topik bahasan mengenai analisis perilaku pelanggan menggunakan dataset RFM dengan teknik clustering FCM. Dilatari kebutuhan seorang sale manager untuk melihat perilaku pelanggan yang melakukan transaksi selama periode satu tahun. Melalui pengelompokan data pelanggan, maka kinerja dari sales canvaser menjadi lebih fokus dan terarah untuk melakukan reaktifasi pelanggan-pelanggan dalam kategori D (sedikit beli, sudah lama tidak melakukan pembelian, dan jarang melakukan transaksi).
Topik Bahasan di video ini: