• Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Dasar-Dasar Graph Machine Learning

Text

Dasar-Dasar Graph Machine Learning

HERYADI, Yaya - Nama Orang; Ilvico Sonata - Nama Orang;

Machine Learning merupakan sebuah cabang ilmu Kecerdasan Artifisial yang berfokus kepada pengembangan algoritma "cerdas" yang mampu mempelajari pola dari data yang terstruktur maupun tidak-terstruktur tanpa diprogram secara eksplisit. Menggunakan proses pembelajaran model bersifat iteratif, sebuah model Machine Learning dapat dipergunakan untuk menganalisis data berukuran sangat besar secara efisien sehingga dapat dimanfaatkan ke dalam sejumlah teknologi untuk membantu manusia menyelesaikan pekerjaan rutin yang semula dikerjakan secara manual, antara lain: mendeteksi objek di dalam citra, melakukan segmentasi citra, dan mendeteksi ujaran kebencian di dalam kalimat.

Namun demikian, algoritma Machine Learning tidak dapat diaplikasikan langsung ke dalam data berstruktur graf disebabkan oleh beberapa hal, antara lain: struktur data graf yang bersifat kompleks, tidak memiliki titik referensi, dan bersifat dinamis. Oleh karena itu, algoritma Machine Learning perlu diadaptasi agar dapat dipergunakan untuk menganalisis data graf. Publikasi yang ditulis oleh Gori, Monfardini, dan Scarselli (2005) mungkin menjadi salah satu titik awal berkembangnya Graph Machine Learning, sebuah cabang ilmu Kecerdasan Artifisial yang menggabungkan Machine Learning dan Teori Graf. Dengan menggunakan metode Graph Machine Learning, data graf dapat dianalisis pada beberapa level, yaitu (i) level vertex, misalnya: memprediksi kategori akun dari data sebuah jaringan media sosial, (ii) level edge, misalnya: memprediksi apakah seorang calon konsumen akan menyukai sebuah produk/layanan yang ditawarkan, dan (iii) level sub-graf atau graf, misalnya: memprediksi apakah subgraf hasil pembelajaran seorang mahasiswa sampai semester tertentu memiliki kemiripan dengan dengan subgraf hasil pembelajaran mahasiswa lain yang telah lulus dengan IPK tinggi atau mahasiswa dropout.


Ketersediaan
3755005.11 HER d.1.ED1 WSD-2022Kampus Tipes (005)Tersedia
3756005.11 HER d.2.ED1 WSD-2022Kampus Tipes (005)Tersedia
Informasi Detail
Judul Seri
Dan Implementasinya Menggunakan Bahasa Python
No. Panggil
005.11 HER d.1.ED1 WSD-2022
Penerbit
Yogyakarta. : Gava Media.., 2022
Deskripsi Fisik
xiv + 196; 16 x 23
Bahasa
Indonesia
ISBN/ISSN
978-623-5690-16-2
Klasifikasi
005.11
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
Nifas dan Menyusui
KECERDASAN BUATAN
Info Detail Spesifik
-
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

Perpustakaan Universitas Duta Bangsa Surakarta
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik