DEEP LEARNING

Apa itu Deep Learning?

            Teknologi semakin maju, banyak hal yang dapat komputer lakukan sekarang ini. Salah satu pemanfaatan kemajuan teknologi ini adalah Deep Learning (Komputer yang mampu belajar dengan mendalam). Simpelnya, komputer kini mampu belajar layaknya manusia. Belajar dari pengalaman, dari buku, dari sumber-sumber, lalu dapat mengambil keputusan dan memberi jawaban.

   

         Dengan adanya Deep Learning, banyak bidang mampu berkembang lebih pesat. Mulai dari kesehatan, bercocok tanam yang lebih efektif, hingga mobil tanpa supir (self-driving car).

            Deep Learning adalah bagian dari kepintaran buatan (Artificial Intelligence — AI). AI terbukti mampu membangun dengan pesat berbagai bidang jenis industri. AI seakan menjadi “listrik baru”yang mampu memberikan penemuan-penemuan baru dalam industri. Begitu juga dengan Deep Learning.

            Beberapa hal yang perlu anda pelajari untuk mengetahui lebih lanjut mengenai Deep Learning: (dalam proses pembuatan)

1. Neural Network dan Deep Learning (jaringan syaraf dalam komputer)

2. Mengimprovisasi Deep Neural Network (jaringan syaraf komputer yang mampu belajar mendalam)

3. Menyusun struktur Machine Learning (Komputer yang mampu belajar)

4. Convolutional Neural Network (Jaringan syaraf kompleks)

5. Natural Language Processing (pengolahan bahasa, pengenalan suara)

Jenis-jenis Algorithma Deep Learning

Berikut ini adalah beberapa jenis algoritma deep learning berdasarkan kegunaannya. Halaman ini akan di-update seiring dengan berjalannya waktu.

1. Pembelajaran dengan menggunakan label (Supervised Learning)

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

CONTOH KASUS  

            Contoh kasus bunga iris di bawah adalah contoh Supervised Learning. Pada supervised learning, algoritma pembelajaran mesin diberikan contoh input (ukuran sepal dan petal) dan pasangan outputnya (spesies). Tugas algoritma pembelajaran mesin adalah mencari hubungan antara masing-masing pasangan ukuran sepal dan petal dengan spesiesnya— mencari operasi-operasi yang dibutuhkan agar semua input mengarah pada output yang tepat. Dalam pembelajaran mesin, output dari contoh input tertentu biasa disebut dengan label. Beberapa contoh algoritma supervised learning adalah Decision Tree, Naive Bayes, Nearest Neighbor, dan Support Vector Machine.

DAFTAR PUSTAKA :

- https://medium.com/@ilhamadun/pembelajaran-mesin-dan-deep-learning-5c86c7cf77b9

- https://mc.ai/apa-itu-deep-learning/

- http://aardiya.blogspot.co.id/p/deep-learning.html