Pilihan lain selalu terlihat lebih baik daripada pilihan kita?
.
.
.
A Thread
Dalam kehidupan sehari-hari, kita sering dihadapkan pada 2 pilihan dimana tidak jarang kita bingung untuk memilih mana pilihan yang terbaik
Untuk mengambil pilihan terbaik, pastinya kita perlu pertimbangan yang matang dan tidak boleh terburu-buru dalam mengambil keputusan supaya kita tidak menyesali keputusan tersebut
Selain kata hati dan intuisi manusia itu sendiri, salah satu tools yang dapat digunakan sebagai pertimbangan sebuah keputusan adalah statistik
Disini statistik berperan sebagai penguat decision apa yang diambil berdasarkan fakta-fakta yang ada dan hal rasional lainnya
Salah satu contohnya adalah dalam “Two Envelopes Problem” nih gais. Jadi ceritanya seperti ini
Suatu hari kamu sedang bertemu dengan teman kamu, kamu kaget karena dia membawa 2 amplop dan menawarkan kamu untuk mengambil salah satu amplop
Dia bilang bahwa 2 amplop tersebut berisikan uang dan uang pada salah satu amplop lebih besar 2 kali lipat dari amplop lainnya. Disini kamu harus memilih nih amplop mana yang mau kamu pilih
Kedua amplop ini memiliki probabilitas yang sama buat kamu pilih ya, 50% memilih amplop 1 dan 50% memilih amplop 2
Nah ceritanya kamu memilih amplop 1, tetapi sebelum kamu membuka amplop tersebut, tiba-tiba teman kamu bertanya
“Kamu yakin mau ambil amplop ini? Kalau kamu masih ragu, kamu boleh tukar kok!”
Disini kamu langsung berpikir nih, masa iya amplop yang kamu ambil isinya lebih kecil daripada amplop 2?
Karena sudah belajar statistika, langsung deh kamu menghitung ekspektasi nilai uang di amplop 2, biar tambah yakin lagi sama pilihan sendiri
Misalkan uang di amplop kita adalah variabel random X, berarti uang di amplop 2 hanya mungkin 2X atau ½X dong ya sesuai sama perkataan teman kita tadi. Dan juga kemungkinannya berarti hanya 50% 50% untuk 2X atau ½X
Berarti ekspektasi nilai uang di amplop 2 nggak sulit untuk dihitung dong ya :D
½ (2X) + ½ (½X) = X + ¼X = 1.25X
Wah nilai ekspektasi uang di amplop satunya 1.25X?! Berarti harapannya uang di amplop 2 lebih besar 1.25 kali dari uang di amplop kita dong??
Tapi nih, kamu juga berpikir lagi, misalnya kamu berubah pikiran dan mengambil amplop 2. Saat kamu menghitung lagi ekspektasi uang di amplop 1, pasti akan didapat ekspektasi uang sebesar 1.25 kali uang di amplop 2
Dan perhitungan ini akan selalu menghasilkan hasil yang sama untuk penukaran amplop berapa kali pun..
Loh loh.. jadi uang di amplop mana dong yang lebih besar? Kenapa ekspektasi uang di amplop yang tidak kita pilih selalu lebih besar?!
Etss tenang dulu,, kira-kira udah pada tau belum ini salahnya dimana?? Atau malah jadi pusing :((
Jadi gini gais, sebenarnya hitungan tadi itu benar benar saja, tetapi hasil perhitungan tersebut menjadi tidak masuk akal ketika asumsi yang kita gunakan adalah asumsi yang salah
Pada hitungan tadi, kita mengasumsikan bahwa probabilitas uang pada amplop lainnya berisi 2X atau ½X adalah sama yaitu 50% 50%
Padahal asumsi tersebut tidak dapat kita pakai, sebenarnya bisa-bisa aja sih tapi akan nggak masuk akal dengan kondisi yang ada. Kira-kira begini penjelasannya
Misalkan uang pada amplop 1 kita sebut variabel random X. Nilai yang mungkin untuk X pasti berkisar antara 0 sampai tak hingga dong ya, karena misalkan isi amplop lain adalah 1 maka amplop 1 (X) pasti berisi 2 atau ½. Atau misalkan amplop lain berisi 4 maka X pasti 8 atau 2
Dengan pemahaman ini juga, berarti nilai yang mungkin untuk X adalah dari 2 pangkat min tak hingga sampai 2 pangkat tak hingga. Serta dengan asumsi tadi, probabilitas masing-masing nilai terpilih adalah sama
Dengan distribusi ini, kira-kira berapa probabilitasnya? Misalkan Pr(1/1000 < X < 1000)?
Jika kalian hitung pasti probabilitasnya adalah 0. Karena dari distribusi tadi yang nilainya lebih besar dari 1/1000 dan lebih kecil dari 1000 hanya ada 19 kemungkinan dari tak hingga kemungkinan yang ada (2^-9, 2^-8, …, 2^9) sehingga 19 / tak hingga = 0
Jadi kalau kita telusuri probabilitas X mengandung bilangan tak hingga yang bukan 0 adalah pasti 0 (banyaknya kemungkinan dibagi tak hingga kemungkinan = 0)
Oleh karena itu, X hanya dapat bernilai 0 atau tak hingga saja yang memenuhi. Nah inilah efek dari asumsi awal kita jika probabilitas masing-masing nilai terpilih adalah sama
Lalu hubungan dengan ekspektasi 1.25X diawal apa dong min? 😕
Ekspektasi uang pada amplop lain adalah 1.25X jika asumsi tersebut kita pakai. Atau dengan kata lain hanya dapat terpenuhi jika X bernilai 0 atau tak hingga saja
0 = 1.25 * 0
Tak hingga = 1.25 * tak hingga
Benar kan?
Asumsi ini tidak bisa kita pakai karena pada kondisi awal teman kita sudah bilang bahwa pada amplop tersebut berisi uang, tidak mungkin 0 (kosong) atau tak hingga uang didalamnya
Lalu jika asumsi tersebut tidak bisa kita pakai, berarti untuk menghitung nilai ekspektasinya kita harus memperhatikan lagi distribusi dari uang tersebut untuk mengetahui probabilitas nilai uang pada amplop tersebut
Jadi kalau mimin ringkas lagi nih, jika probabilitas nilai uang pada amplop lainnya sama besar dan kamu sudah tahu uang di amplop kamu, lebih baik tukar karena ekspektasi uang pada amplop lainnya 1.25 lebih besar daripada uang di amplop kamu
Tapi kalau probabilitas nilai uang nya berbeda, kamu harus memperhitungkan distribusi uang tersebut ~~
Pemahaman yang lebih keren tentang statistik bakalan kamu dapat jika kamu mendaftar di kelas statistical modeling di non-degree program Data Scientist. Yuk buruan daftarin diri kamu di bit.ly/PendaftaranNon… , masih ada promo PAYDAYFEB lohh. Sampai ketemu di kelas nantii!
Rekomendasi musik pakai machine learning? Here’s how.
.
.
.
A thread
Haloo semua, malam ini, mimin akan bahas gimana caranya platform streaming musik digital zaman now bisa nyariin lagu baru yang tepat sama selera kamu. Siapa nih yang ngerasa terbantu sama fitur recommendation?
Umumnya, ada dua pendekatan yang biasa digunakan recommender system di dunia digital music distribution untuk merekomendasikan lagu ke usernya.
Speaking skill, penentu terbesar kesuksesan seseorang
.
.
.
A thread (part 2)
Halooo semua! Sesuai janji, mimin bakal lanjutin nihh thread kita minggu lalu tentang speaking skill. Kalau ketinggalan yang part 1, nih baca di sini yaa 👇🏼👇🏼👇🏼
Nah, kemarin kita udah bahas sampai properti yang digunakan dalam presentasi atau pembicaraan kalian, hari ini mimin mau lanjutin tentang gimana sih caranya audience ini tertarik ke pembicaraan kalian
Get to Know Rachel Thomas, salah satu dari Forbes 20 Incredible Women in AI
.
.
.
A thread
Happy International Women’s Day untuk seluruh perempuan di luar sana!
Dalam rangka merayakan international women’s day tahun ini, Pacmann.AI ingin memperkenalkan Rachel Thomas, perempuan inspiring dalam dunia machine learning. Yuk, kenalan dengan sosok satu ini! (Pict: Medium.com/@racheltho)
Main tebak gambar sama artificial intelligence yuk!
.
.
.
A thread
Halooo semuaaa, mimin mau nanya nihh, di sini ada yang pernah main Skribbl atau Gartic gaa? Itu lohh game tebak gambar yang hits beberapa waktu laluu
Well, kalo kalian pernah main game tebak gambar gitu, kalian harus cobain ini nih. Game dari Google namanya “Quick, Draw!” quickdraw.withgoogle.com jadi kyk main Skribbl tapi AI yang nebak. monggo dicoba duluu
Improve your focus with effortless activity.
.
.
.
A thread
Coba buka setting HP kamu, cek bagian screen time. Berapa lama kamu ngabisin waktu di HP rata-rata tiap harinya?
Kalau jawabannya kurang dari 6 jam, selamat! Kamu menjadi salah satu orang dengan penggunaan HP harian di bawah rata-rata orang Indonesia pada umumnya, congrats!!
Machine learning, solusi penipuan deepfake (manipulasi muka seseorang menjadi mirip dengan orang lain).
.
.
.
A Thread
Hai guyss udah tau belom kali ini mimin mau bahas apa? Coba absen dong siapa nih yang pernah pake FaceApp?
Nah FaceApp itu salah satu aplikasi yang menggunakan metode deepfake. Dia bisa memanipulasi gambar muka seseorang menjadi mirip seseorang yang lain, coba kalian lihat dibawah ini