Machine Learning
Deep Learning Pertemuan 12
Konsep Neural network
1. Proses Kerja Jaringan Syaraf Pada Otak Manusia
Sebuah neuron menerima impuls dari neuron lain melalui dendrit dan mengirimkan sinyal yang dihasilkan oleh badan sel melalui akson. Akson dari sel syaraf ini bercabang-cabang dan berhubungan dengan dendrit dari sel syaraf lain dengan cara mengirimkan impuls melalui sinapsis. Sinapsis adalah unit fungsional antara 2 buah sel syaraf, misal A dan B, dimana yang satu adalah serabut akson dari neuron A dan satunya lagi adalah dendrit dari neuron B. Kekuatan sinapsis bisa menurun/meningkat tergantung seberapa besar tingkat propagasi (penyiaran) sinyal yang diterimanya. Impuls-impuls sinyal (informasi) akan diterima oleh neuron lain jika memenuhi batasan tertentu, yang sering disebut dengan nilai ambang (threshold).
2. Struktur Neural Network
- Input, berfungsi seperti dendrite
- Output, berfungsi seperti akson
- Fungsi aktivasi, berfungsi seperti sinapsis
Neural Network merupakan kategori ilmu Soft Computing. Neural Network sebenarnya mengadopsi dari kemampuan otak manusia yang mampu memberikan stimulasi/rangsangan, melakukan proses, dan memberikan output. Output diperoleh dari variasi stimulasi dan proses yang terjadi di dalam otak manusia. Kemampuan manusia dalam memproses informasi merupakan hasil kompleksitas proses di dalam otak. Misalnya, yang terjadi pada anak-anak, mereka mampu belajar untuk melakukan pengenalan meskipun mereka tidak mengetahui algoritma apa yang digunakan. Kekuatan komputasi yang luar biasa dari otak manusia ini merupakan sebuah keunggulan di dalam kajian ilmu pengetahuan.
Apa itu deep learning
Pengertian deep learning dapat diartikan sebagai salah satu teknik dalam machine learning yang mengarahkan sebuah sistem komputer maupun mesin untuk bekerja layaknya manusia secara natural, yakni dengan mempelajari situasi dengan pembelajaran atau pemrograman tertentu.
Deep learning juga merupakan kunci dari pengembangan teknologi yang mengandalkan kecerdasan buatan atau Artificial Intelligence (AI). Dalam deep learning, sebuah komputer akan mempelajari berbagai model dan mengklasifikasikan tugas-tugasnya melalui data yang dikumpulkan. Data tersebut bisa berupa gambar, teks, hingga suara. Bahkan, tingkat akurasinya pun lebih tinggi dalam mengolah data-data berjumlah besar.
Proses Machine learning vs Deep Learning
Machine Learning dapat mengeksekusi data terstruktur walau dalam jumlah yang tidak terlalu besar dalam hitungan menit atau jam.
Sedangkan Deep Learning membutuhkan data dalam jumlah yang besar untuk dieksekusi pada banyak jaringan, dan membutuhkan waktu hingga berminggu-minggu.
Aplikasi Deep Learning
Deep learning kebanyakan dapat ditemui pada aplikasi yang sudah mendukung program berbasis suara dengan menganalisis dari pola pemakaian penggunaan aplikasi tersebut sehingga dapat mudah menggunakannya. Contohnya Google maps
Deep Neural Network
Algoritma DNN (Deep Neural Networks) adalah salah satu algoritma berbasis jaringan saraf yang dapat digunakan untuk pengambilan keputusan. Contoh yang dibahas kali ini adalah mengenai penentuan penerimaan pengajuan kredit sepeda motor baru berdasarkan kelompok data yang sudah ada. Inti perhitungan pada algoritma berbasis jaringan adalah untuk mencari bobot terbaik dari contoh / sampel data yang sudah ada. Karena hasil pada contoh data sudah diketahui, maka nilai bobot akan dihitung berdasarkan nilai hasil yang sudah tersedia, sampai ditemukan nilai bobot terbaik yang paling banyak cocok apabila dihitungkan kembali pada data awal. Kemudian nilai bobot tersebut dapat digunakan untuk menghitung data lain yang tidak diketahui hasilnya. Pada kasus ini, metode yang digunakan untuk mencari bobot terbaik adalah menggunakan metode PSO (Particle Swarm Optimization)
Jenis Algoritma Deep Learning
- Recurrent Neural Network
- Convolutional Neural Network
- Long Short Term Memory Networking
- Self Organizing Maps
Manfaat Deep Learning
1. Dapat menghasilkan fitur otomatis
Deep learning dapat menghasilkan fitur baru tanpa adanya campur tangan manusia di dalamnya. Ini menandakan bahwa deep learning bisa melakukan tugas-tugas kompleks yang membutuhkan rekayasa fitur yang ekstensif.
2. Bisa bekerja dengan baik meski data tidak terstruktur
Salah satu daya tarik lain dari deep learning adalah kemampuannya yang dapat bekerja otomatis meskipun datanya tidak terstruktur. Data-data yang tidak terstruktur tersebut, di antaranya teks, gambar, hingga suara.
3. Mendukung algoritma paralel dan terdistribusi
Dalam deep learning, terdapat algoritma paralel dan terdistribusi dalam skala yang cukup besar. Sebagai gambaran, apabila kamu ingin melatih suatu model dalam satu komputer, biasanya dibutuhkan waktu hingga 10 hari. Namun dengan adanya algoritma paralel, model tersebut bisa didistribusikan ke beberapa sistem dalam waktu kurang dari
Machine Learning vs Deep Learning
1. Definisi
Machine Learning merupakan mesin yang diprogram untuk belajar dan membuat prediksi secara otomatis berdasarkan data yang telah ditetapkan sebelumnya seperti apa.
Sedangkan Deep Learning adalah bagian dari Machine Learning yang mampu memproses Big Data dari awal sampai akhir dengan tingkat akurasi yang sangat tinggi melalui berbagai macam variabel kompleks.
2. Eksekusi Data
Machine Learning dapat mengeksekusi data terstruktur walau dalam jumlah yang tidak terlalu besar dalam hitungan menit atau jam.
Sedangkan Deep Learning membutuhkan data dalam jumlah yang besar untuk dieksekusi pada banyak jaringan, dan membutuhkan waktu hingga berminggu-minggu.
Bagaimana cara data disajikan ini merupakan perbedaan utama antara machine learning dan deep learning.
3. Penyelesaian Masalah
Machine Learning akan membagi persoalan terlebih dahulu menjadi beberapa bagian, kemudian nantinya akan disatukan untuk membuat sebuah keputusan atau prediksi.
Sedangkan Deep Learning mampu memecahkan masalah dari awal sampai akhir karena data yang diproses begitu besar.
4. Penggunaan
Pada praktiknya, Machine Learning mampu mengidentifikasi input-an serta membuat model secara manual sesuai data yang yang telah ditetapkan.
Sedangkan Deep Learning, algoritmanya akan bertugas untuk mempelajari semua fitur datanya sendiri dari awal sampai akhir.
Memulai Deep Learning
Tanpa kita disadari, kita menerapkan deep learning yang terdapat di dalam suatu aplikasi. Kira-kira apa saja contoh penerapan deep learning yang sering tidak disadari tetapi ada di dalam suatu aplikasi? Yuk, simak informasinya.
Google search auto suggest merupakan salah satu fitur yang ada di dalam Google Search Bar. Adanya fitur ini membuat para pengguna internet mendapatkan berbagai macam rekomendasi kata meskipun belum selesai mengetik.
Bisa juga kita mencari kebutuhan kita di pembelanjaan online spt tokopedia,atau shoope
Referensi
https://socs.binus.ac.id/2012/07/26/konsep-neural-network/
Komentar
Posting Komentar