Apa itu 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 Learning

Setelah 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?

1.         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.

2.         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.

3.         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.

4.         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 Learning

Dalam 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 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 sehari.

Contoh Penerapan Deep Learning

Tanpa 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 informasi yang sudah disusun oleh Dewaweb di bawah ini.

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 marketplace

Contoh 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.