Deep
learning Apa Itu Deep Learning?Deep
learning atau deep
structured learning/hierarchical learning adalah bagian dari
kecerdasan buatan dan machine learning,
yang merupakan pengembangan dari neural network multiple layer untuk
memberikan ketepatan tugas. Contohnya seperti deteksi objek, pengenalan suara,
terjemahan bahasa, dan lain sebagainya. Meski
menjadi subbidang dari machine learning, deep learning ternyata
memiliki teknik yang berbeda. Mengapa demikian? Karena deep learning secara
otomatis melakukan representasi dari data, seperti gambar, video, hingga teks
tanpa memperkenalkan aturan kode atau pengetahuan domain manusia. Sebagai
informasi, deep learning pertama kali dikembangkan pada tahun
1950, namun baru pada tahun 1990 lah deep learning ini bisa
diaplikasikan dengan sukses. Dalam penerapannya, algoritma learning yang
digunakan tidak berbeda jauh dengan learning algoritma pada tahun 1990-an. Perbedaannya
hanya pada model algoritma yang digunakan berubah menjadi lebih sederhana dan
pengembangan modelnya pun sudah didukung dengan resource. Selain
dari modelnya, pengembangan data deep learning juga semakin meningkat, sehingga
mudah untuk mengelolanya. Sebagai
gambaran untuk memahami lebih lanjut pengertian dari deep learning, salah satu
contoh penerapan deep learning yakni pada fitur face unlock di smartphone.
Seperti yang diketahui, cara kerja fitur face unlock sangatlah
efisien, pengguna smartphone hanya perlu mendeteksi wajahnya
dengan mengarahkan ponsel di depan wajah, kemudian smartphone pun
akan terbuka otomatis. Kemampuan deep learning tidak
hanya bermanfaat untuk suatu aplikasi, tetapi juga menjadi teknologi utama di
balik mobil tanpa pengemudi. Tidak hanya itu, teknologi deep learning juga
menjadi kunci dari suatu kinerja voice control dalam
menjalankan perangkat sehari-hari, seperti smartphone, tablet, TV,
hingga speaker hands-free. Jenis-Jenis Algoritma
Deep LearningSetelah
memahami pengertian dan contoh dari deep learning, penting juga untuk
mengetahui apa saja jenis-jenis algoritma deep learning. Melihat
dari beberapa sumber, jenis-jenis algoritma deep learning terdiri
dari beberapa macam, seperti: 1. Convolutional
Neural Network (CNN) 2. Recurrent
Neural Network (RNN) 3. Long
Short Term Memory Network (LTSM) 4. Self
Organizing Maps (SOM) Dari
jenis algoritma deep learning yang disebutkan, apa saja yang
kira-kira membuat keempatnya berbeda? Yuk, bahas satu-satu apa saja
perbedaannya! Convolutional Neural
Network (CNN)CNN
atau Convolutional Neural Network merupakan salah satu jenis
algoritma deep learning yang terdiri dari banyak layer untuk memproses dan
mengekstrak fitur dari data. Jenis algoritma ini biasanya digunakan dengan
tujuan untuk memproses gambar dan mendeteksi suatu objek. Tidak
hanya itu, CNN juga beberapa kali digunakan untuk mengidentifikasi citra
satelit, memproses citra medis, memperkirakan deret waktu, hingga mendeteksi
anomali atau suatu keanehan. Long Short Term Memory
Network (LSTM)Selanjutnya
adalah jenis algoritma Long Short Term Memory Network atau
LSTM. Berbeda dengan CNN, LSTM justru jenis algoritma yang bermanfaat untuk
mempelajari dan menghafalkan ketergantungan yang berpola pada jangka panjang.
Itu sebabnya, LSTM sering disebut dengan time series. Jenis
algoritma ini merupakan deep learning yang kompleks dan bisa
dipelajari dengan informasi yang jangka panjang. Hal tersebut karena LSTM
merupakan algoritma yang powerful dalam menyelesaikan
permasalahan yang kompleks, seperti speech recognition, speech to
text application, komposisi musik, dan pengembangan di bidang farmasi. Recurrent Neural
Network (RNN)Jenis
algoritma deep learning lainnya yang dapat dimanfaatkan
adalah recurrent neural network (RNN). Algoritma ini dirancang
khusus untuk memproses data yang bersambung atau berurutan, itu sebabnya RNN
memiliki koneksi yang bentuknya terarah. Dalam
penerapannya, RNN sering digunakan untuk menyelesaikan permasalahan data
historis dan sering digunakan oleh merek ponsel ternama, yaitu Apple dan Google
untuk pencarian suara. Self Organizing Maps
(SOM)Jenis
terakhir dari algoritma deep learning adalah Self Organizing Maps atau
SOM. Jaringan deep learning ini termasuk jenis yang mudah dilatih dengan
metode unsupervised learning atau tanpa arahan dari data input-target. Untuk
lebih jelasnya, SOM merupakan teknik dalam neural network yang memiliki tujuan
untuk melakukan visualisasi data dengan mengurangi dimensi data melalui
penggunaan self organizing neural networks. Manfaat Deep LearningDalam
penerapannya, ada banyak manfaat yang didapatkan dari teknologi deep learning.
Mulai dari membuat pekerjaan menjadi lebih efisien, membantu pekerjaan manual,
dan lain sebagainya. Ingin tau manfaat lain dari deep learning?
Berikut informasinya. 1.
Dapat menghasilkan fitur otomatisDeep 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 terstrukturSalah 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 terdistribusiDalam 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 sehari. Contoh Penerapan Deep
LearningTanpa
disadari, ada banyak contoh penerapan 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. Contoh
selanjutnya adalah fitur beranda atau home di media sosial, seperti Facebook,
Instagram, hingga Twitter. Fitur beranda ini dimanfaatkan untuk menampilkan
unggahan dari teman-teman di Facebook maupun Twitter. Produk rekomendasi di
marketplaceContoh
penerapan deep learning yang selanjutnya adalah fitur produk
rekomendasi pada beberapa marketplace. Bagi penggemar belanja online,
fitur ini tentunya sangat bermanfaat baginya dalam mencari barang-barang yang
disukai. |