Machine learning dan Deep learning
Machine learning dan deep learning tentunya menjadi dua hal yang melekat pada sistem pengambilan keputusan dalam perusahaan. Keduanya kerap disamakan lantaran sama-sama menjadi cabang dari teknologi kecerdasan buatan (Artificial Intelligence). Padahal, sebenarnya keduanya memiliki perbedaan yang cukup signifikan.
Perkembangan teknologi yang canggih saat ini berdampak ke berbagai bidang. Mulai dari bidang kesehatan, pendidikan, teknologi, ekonomi, bisnis, dan masih banyak lainnya. Sebagai contoh dalam bidang teknologi, perkembangan artificial intelligence atau kecerdasan buatan saat ini menjadi salah satu bukti yang paling menonjol. Artificial intelligence sendiri memiliki teknologi cabang, diantaranya adalah machine learning dan deep learning. Apakah kalian telah mengetahui perbedaan dari machine learning vs deep learning?
Apa itu Machine Learning ?
Dengan machine learning, sistem komputer diprogram untuk belajar dari data yang diinput tanpa terus diprogram ulang. Dengan kata lain, system tersebut terus meningkatkan kinerja mereka pada tugas misalnya, memainkan game tanpa bantuan tambahan dari manusia.
Machine learning membuat hal yang tidak mungkin seperti program yang dikembangkan oleh Arthur Samuel pada tahun 1959 — menggunakan system search tree yang relatif sederhana (digunakan sebagai standar saat ini) sebagai kendali utamanya, dan komputer IBM-nya terus ditingkatkan performanya sebagai checker serta dibantu Internet juga.
Apa itu Deep Learning ?
Beberapa orang menganggap bahwa deep learning sebagai batas dari machine learning berikutnya. Kita mungkin sudah menggunakan hasil dari program deep learning yang mendalam tanpa menyadarinya! Jika pernah menonton Netflix, kita mungkin telah melihat rekomendasinya untuk apa yang harus ditonton.
Dan beberapa layanan streaming-musik memilih lagu berdasarkan apa yang telah Kita dengarkan di masa lalu atau lagu yang telah Kita berikan jempol atau tekan tombol “suka”.
Kedua kemampuan itu didasarkan pada deep learning. Algoritma pengenalan suara dan pengenalan gambar Google juga menggunakan deep learning.
Sama seperti machine learning dianggap sebagai jenis AI, deep learning sering dianggap sebagai jenis machine learning bahkan beberapa menyebutnya sebagai subset. Sementara machine learning menggunakan konsep yang lebih sederhana seperti model prediktif sedangkan deep learning menggunakan jaringan saraf buatan yang dirancang untuk meniru cara manusia berpikir dan belajar.
Perbedaan Machine learning dan deep learning
Setelah mengetahui arti dari machine learning dan deep learning, lantas apa perbedaan keduanya? Agar lebih jelasnya, berikut adalah 6 perbedaan machine learning serta deep learning yang perlu Anda ketahui agar tidak salah dalam membedakannya
1. Jumlah Data
Pertama, perbedaan dari machine learning dan deep learning adalah data. Pada keduanya, terdapat perbedaan dari performa data ketika jumlah data terus menerus meningkat. Pada machine learning dapat mengolah data baik dalam jumlah sedikit maupun banyak. Sedangkan pada deep learning justru tidak dapat mengolah data secara maksimal pada data yang jumlah kecil. Hal ini dikarenakan pada deep learning telah mempelajari data secara mendalam sehingga akan lebih maksimal jika data yang diolah adalah data dalam jumlah yang besar.
2. Lama Waktu Eksekusi
Perbedaan selanjutnya terletak pada lama waktu eksekusi. Melansir dari Hackr.io, algoritma machine learning mengeksekusi data mentah dalam waktu satu menit hingga hitungan jam. Namun sebaliknya, deep learning membutuhkan selang waktu yang lebih lama. Bahkan untuk menyelesaikan suatu proses, deep learning bisa menghabiskan waktu hingga beberapa minggu. Ini merupakan hal yang wajar, mengingat deep learning sendiri umumnya berguna untuk menyelesaikan data dalam jumlah besar.
3. Pendekatan penyelesaian masalah
Untuk menyelesaikan masalah dengan algoritma machine learning, disarankan untuk memecahnya menjadi beberapa bagian agar dapat diselesaikan secara terpisah.
Kemudian, penyelesaiannya dapat digabungkan untuk mendapatkan hasil yang utuh.
Sementara itu, deep learning menggunakan pendekatan yang berbeda.
Deep learning digunakan untuk membuat jaringan saraf buatan yang mampu menyelesaikan masalah secara keseluruhan dari awal sampai akhir tanpa perlu dipisahkan menjadi beberapa bagian.
4. Intervensi Manusia
Sedangkan dengan sistem machine learning, manusia perlu mengidentifikasi dan memberi hand code untuk fitur yang diterapkan berdasarkan jenis data (misalnya, nilai piksel, bentuk, orientasi), sistem deep learning mencoba mempelajari fitur-fitur tersebut tanpa intervensi manusia tambahan.
Ambil contoh kasus program pengenalan wajah. Program ini pertama-tama belajar untuk mendeteksi dan mengenali tepi dan garis wajah, kemudian bagian wajah yang lebih signifikan, dan kemudian akhirnya representasi keseluruhan wajah. Jumlah data yang terlibat dalam proses ini sangat besar, dan seiring berjalannya waktu dan program melatih dirinya sendiri, kemungkinan jawaban yang benar (yaitu, mengidentifikasi wajah secara akurat) meningkat.
Dan pelatihan itu terjadi melalui penggunaan jaringan saraf, mirip dengan cara kerja otak manusia, tanpa perlu manusia untuk menyandikan ulang program.
0 comments:
Post a Comment