How to Employ Machine Learning on Industry
Pada hari Jumat lalu, 21 Februari 2020, diadakan sesi kuliah tamu di Magister Teknik Informatika (MTI), Universitas Bina Nusantara dengan pembicara Bapak Risman Adnan Mattotorang, Director, Software Group, Samsung R&D Institute Indonesia, bertempat di Exhibition Hall Lantai 3, Kampus Anggrek, Kemanggisan, Jakarta Barat. Judul kuliah tamu yang disampaikan adalah “How to Employ Machine Learning on Industry”. Pak Risman telah malang-melintang di dunia IT software selama lebih dari 15 tahun. Sebelum aktif di Samsung, Beliau berkarier di Microsoft Indonesia. Sesi guest lecture ini tidak hanya dihadiri oleh mahasiswa-mahasiswi MTI Reguler dan Online, melainkan juga dihadiri publik dari Komunitas Machine Learning Indonesia (MLI). Selama kurang lebih 2 jam, Pak Risman berbagi tentang aspek teknis dari Machine Learning, khususnya Deep Learning, dan implementasinya di dunia industri.
Pak Risman menyampaikan bahwa dalam mempelajari Machine Learning, dibutuhkan tiga aspek yang harus dilakukan seluruh
nya, yakni Fundamental, Conceptual, dan Practical (FCP). Seseorang yang ingin ahli dan paham di bidang Machine Learning tidak bisa mengkotak-kotakkan dirinya bahwa dia hanya bermain di programming atau sisi practical saja, atau hanya membaca papers untuk menguatkan aspek fundamental dan conceptual saja. Jika demikian, maka tidak seluruh aspek dari Machine Learning dapat dipahami dengan baik. Memiliki ketiga aspek tersebut dalam satu kepala memang tidak mudah, membutuhkan waktu yang lama. Namun, hal tersebut janganlah dijadikan masalah. Masalah bukan terletak pada saat seseorang mempelajari sesuatu lalu menemukan kesulitan dalam mempelajarinya, melainkan saat seseorang berhenti di tengah jalan. Be patient! If learning something takes you months, then be it! No problem. Nasihat ini sangat dibutuhkan oleh para mahasiswa MTI karena penelitian thesis mahasiswa membutuhkan tingkat pemahaman dan kemampuan analisis yang baik, tidak hanya selesai.
Aspek teknikal yang disampaikan Pak Risman lebih dititik beratkan pada deep learning. Ada beberapa arsitektur deep learning, di mana implementasinya tergantung pada jenis masalah yang ingin dipecahkan. Convolutional Neural Network (CNN) cocok untuk masalah-masalah yang menggunakan tipe data spatial. Untuk data-data yang bersifat time series, maka Long Short-Term Memory (LSTM) atau Recurrent Neural Network (RNN) yang sesuai untuk pengolahan datanya. Pembahasan disampaikan dengan cukup mendalam hingga menyentuh aspek optimasi dan penentuan parameter. Sejumlah istilah yang disampaikan dapat dipelajari teorinya dari buku “Pattern Recognition and Machine Learning” dan “Neural Networks for Pattern Recognition” oleh Christopher M. Bishop.
Selama jalannya perkuliahan, peserta aktif bertanya ke Beliau, mulai dari teknik deep learning yang relevan dengan thesis mereka hingga tips and tricks dalam mempelajari ranah yang sulit ini. Secara keseluruhan, sesi berlangsung lancar dan interaktif. Para peserta tidak hanya mendapatkan pengetahuan mengenai deep learning secara konseptual, tetapi juga contoh-contoh penerapannya di dunia industri. Pak Risman juga menyatakan bahwa bidang ini memiliki potensi yang luar biasa bagus dari sisi bisnis karena Indonesia memiliki potensi pasar yang luas. Beliau berbagi mengenai contoh-contoh startups di bidang ini yang sukses di masyarakat. Hal ini bisa menjadi inspirasi bagi mahasiswa untuk mulai melirik entrepreneurship di bidang teknologi, khususnya Artificial Intelligence.
Catatan yang bisa dibawa pulang oleh mahasiswa adalah jangan pernah menyerah dalam mempelajari sesuatu dan tidak perlu terburu-buru. Jika suatu bidang dirasa sulit dan membutuhkan waktu yang lama untuk mempelajarinya, lakukan saja. Tidak perlu dalam satu waktu langsung memahaminya, tetapi bisa dilanjutkan kemudian setelah diselingi break. Pada intinya adalah jangan berhenti! Kegagalan bukan terjadi saat seseorang tidak paham, melainkan saat seseorang berhenti di tengah jalan.
Referensi:
Bishop, C. M. (1995). Neural networks for pattern recognition. Oxford university press.
Bishop, C. M. (2006). Pattern recognition and machine learning. springer.