1. Konsep Neural network
Jaringan syaraf tiruan merupakan algoritma klasifikasi yang meniru prinsip kerja dari jaringan syaraf manusia. Algoritma ini memetakan data masukan pada layer masukan menuju target pada layer keluaran melalui neuron-neuron pada layer tersembunyi. Data masukan dirambatkan maju, dihubungkan oleh bobot-bobot masukan yang sebelumnya telah diinisialisasi secara acak menuju neuron pada layer tersembunyi. Neural Network adalah suatu model yang dibuat untuk meniru fungsi belajar yang dimiliki otak manusia atau jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia.
2. Apa itu deep learning
Deep learning adalah jenis pembelajaran mesin dengan model belajar dengan melakukan tugas- tugas klasifikasi langsung dari gambar, teks, atau suara.
Deep Learning biasanya diimplementasikan menggunakan arsitektur jaringan saraf.
Istilah “Deep" mengacu pada jumlah lapisan dalam jaringan, semakin banyak lapisan, semakin dalam jaringan (deeper network).
Jaringan saraf tradisional hanya mengandung 2 atau 3 lapisan, sedangkan Deep Network dapat memiliki ratusan.
3. Proses Machine learning vs Deep Learning
4. Aplikasi Deep Learning
Beberapa Contoh Aplikasi Deep Learning
1. Kendaraan yang bisa menyetir sendiri melambat saat mendekati penyeberangan pejalan kaki.
2. ATM menolak uang kertas palsu.
3. Aplikasi smartphone memberikan terjemahan instan tanda jalan berbahasa asing
Deep Learning sangat cocok untuk aplikasi identifikasi seperti pengenalan wajah, terjemahan teks, pengenalan suara, dan sistem bantuan pengemudi tingkat lanjut, termasuk, klasifikasi jalur dan pengenalan rambu lalu lintas.
5. Deep Neural Network
DNN menggabungkan beberapa lapisan pemrosesan nonlinear, menggunakan elemen sederhana yang beroperasi secara paralel dan terinspirasi oleh sistem saraf biologis.
Terdiri dari lapisan input, beberapa lapisan tersembunyi, dan lapisan keluaran. Lapisan saling berhubungan melalui node, atau neuron, dengan setiap lapisan tersembunyi menggunakan output dari lapisan sebelumnya sebagai inputnya.
6. Jenis Algoritma Deep Learning
- Convolutional neural networks (CNN)
- Long short term memory network (LSTM)
- Reccurent Neural Network (RNN)
- Self Organizing Maps (SOM)
7. Manfaat Deep Learning
- Memaksimalkan kinerja unstructured data dalam aplikasi atau situs web
- menghilangkan kebutuhan teknologi untuk rekayasa fitur
- Memberikan tampilan output yang jauh lebih berkualitas
- Mengurangi biaya operasional development
- Teknik manipulasi data yang efektif
8. Machine Learning vs Deep Learning
MACHINE LEARNING
Hasil bagus dengan dataset kecil
Cepat untuk melatih model
Perlu mencoba berbagai fitur dan pengklasifikasi untuk mencapai hasil terbaik
Akurasi datar (stabil tanpa kemajuan)
DEEP LEARNING
Membutuhkan dataset yang sangat besar
Intensif secara komputasi Mempelajari fitur dan
pengklasifikasi secara otomatis
Akurasi tidak terbatas
9. Memulai Deep Learning
Cara cepat dan mudah untuk memulai adalah dengan menggunakan jaringan yang ada, seperti AlexNet, CNN yang dilatih pada lebih dari satu juta gambar.
AlexNet paling umum digunakan untuk klasifikasi gambar.
AlexNet dapat mengklasifikasikan gambar ke dalam 1000 kategori yang berbeda, termasuk keyboard, mouse komputer, pensil, dan peralatan kantor lainnya, serta berbagai jenis anjing, kucing, kuda, dan hewan lainnya.
AlexNet pertama kali diterbitkan pada tahun 2012, dan telah menjadi model yang terkenal di komunitas penelitian.
0 Comments