DEEP LEARNING
Pembelajaran
Dalam (Deep Learning) adalah salah satu cabang dari ilmu Pembelajaran mesin (bahasa Inggris: Machine Learning) yang terdiri algoritme
pemodelan abstraksi tingkat tinggi pada data menggunakan sekumpulan fungsi
transformasi non-linear yang ditata berlapis-lapis dan mendalam. Teknik
dan algoritme dalam Pembelaran dalam dapat digunakan baik untuk kebutuhan
pembelajaran terarah (supervised learning), pembelajaran tak terarah (unsupervised
learning) dan semi-terarah (semi-supervised learning) dalam berbagai aplikasi
seperti pengenalan citra, pengenalan suara, klasifikasi teks, dan sebagainya.
Model pada Pembelaran Dalam pada dasarnya dibangun berdasarkan Jaringan saraf tiruan,
yang risetnya sudah berlangsung sejak era 80an namun baru-baru ini kembali
bangkit dengan adanya komputer yang semakin cepat apalagi ditambah dengan
kemampuan Kartu grafis modern yang mampu
melakukan kalkulasi berbasis matriks secara simultan.
Contoh Deep Learning :
Dengan tersedianya hardware yang memadai perkembangan deep learning mulai pesat, dan menghasilkan produk-produk yang dapat kita nikmati saat ini seperti pengenal wajah, self-driving car, pengenal suara, dan lain lain.
MACHINE LEARNING
Pemelajaran
mesin, cabang dari kecerdasan buatan, adalah disiplin ilmu yang mencakup
perancangan dan pengembangan algoritme yang memungkinkan komputer untuk mengembangkan
perilaku yang didasarkan pada data empiris, seperti dari sensor
data basis data. Sistem pembelajar dapat memanfaatkan contoh (data)
untuk menangkap ciri yang diperlukan dari probabilitas yang mendasarinya (yang
tidak diketahui). Data dapat dilihat sebagai contoh yang menggambarkan hubungan
antara variabel yang diamati. Fokus besar penelitian pemelajaran mesin adalah
bagaimana mengenali secara otomatis pola kompleks dan membuat keputusan cerdas
berdasarkan data. Kesukarannya terjadi karena himpunan semua peri laku yang
mungkin, dari semua masukan yang dimungkinkan, terlalu besar untuk diliput oleh
himpunan contoh pengamatan (data pelatihan). Karena itu pembelajar harus
merampatkan (generalisasi) perilaku dari contoh yang ada untuk menghasilkan
keluaran yang berguna dalam kasus-kasus baru.
Contoh Machine Learning :
- Search Engine
- Rekomedasi Produk Market Place
- Pengalaman Penngguna Sosial Media
- Penyaring Pesan Spam
- Asistem Pribadi Virtual
Tidak ada komentar:
Posting Komentar