.png)
Belajar Deep Learning
Pernahkah anda mendengar tentang Deep Learning?
Mungkin anda pernah mendengar beberapa istilah tentang Deep Learning, seperti Deep Belief Network, Convolutional Network, Backpropagation,Non-linearity, atau Image Recognition?
Atau mungkin anda juga pernah mendengar tentang peneliti terkenal di bidang Deep Learning seperti Andrew Ng, Geoff Hinton, Yann LeCun, Yoshua Bengio, Andrej Karpathy?
Deep Learning ini adalah bidang yang sedang sangat heboh diperbincangkan di bidang IT, terutama di area kecerdasan buatan(Artificial Intelligence). Google sempat menghabiskan uang sebesar 400.000.000 USD untuk membeli perusahaan DeepMind yang bergerak di bidang Deep Learning; Toyota juga telah menyiapkan uang 1.000.000.000 USD untuk penelitian di bidang ini.
Jadi, apa itu Deep Learning?
Menurut saya, deep learning adalah pengembangan dari Jaringan Saraf Tiruan (Artificial Neural Network) yang memiliki lebih banyak lapisan(layer). Dengan Lapisan yang lebih banyak, Deep learning diharapkan untuk dapat mengenali proses yang lebih kompleks. Kita juga dapat dengan mudah melihat hasil setiap lapisan, contohnya, pada pengenalan wajah lewat algoritma Convolutional Deep Belief Network di bawah ini.
Lapisan pertama akan mengenali warna dari setiap titik pixel yang ada di gambar. Hasil dari lapisan pertama, yaitu kumpulan titik-titik, akan menjadi masukan dari lapisan kedua yang menghasilkan pola garis. Pada lapisan ketiga, kumpulan dari garis akan menghasilkan bagian dari wajah seperti mata, hidung, dan telinga. Kemudian pada lapisan keempat, dari kumpulan mata, hidung, dan telinga, akan dihasilkan bentuk yang dapat digunakan untuk mengenali wajah manusia.
Jenis-jenis Algorithma Deep Learning
Berikut ini adalah beberapa jenis algoritma deep learning berdasarkan kegunaannya. Halaman ini akan di-update seiring dengan berjalannya waktu.
| Pengolahan data berupa tulisan - analisa sentimen - penguraian kalimat |
Recurrent Network, Recurrent Network Tensor Network |
| Pengolahan citra digital | Deep Belief Network, Convolutional Network |
| Pengenalan obyek | Convolutional Network, Recurrent Network Tensor Network |
| Pengolahan suara | Recurrent Network |
2. Pembelajaran tanpa menggunakan label (Unsupervised Learning)
Bila ingin mencoba mengenali pola atau mengekstrak data, gunakan Restricted Boltman Machines atau Autoencoder
3. Berdasarkan obyektif
- Bila anda ingin melakukan klasifikasi data, gunakan algoritma Multi Layer Perceptron dengan Rectified Linear Unit, atau Deep Belief Network
- Jika anda ingin melakukan deep learning dengan data yang dapat berubah terhadap waktu, gunakan Recurrent Neural Network
thank gan for your knowledge ...
ReplyDeleteDitunggu penjelasan lebih dalam tentang deep learning, thanks
ReplyDeletemakasih gan, bermanfaat banget dapet pencerahan
ReplyDelete