Siapa di sini yang suka nonton film lewat aplikasi Netflix? Kadang abis selesai nonton 1 film, kita lanjut maraton film lainnya dari rekomendasi menarik di halaman beranda aplikasi.
Begitu juga kalau kamu suka nonton video-video di YouTube, kadang video yang muncul di halaman beranda tidak hanya berasal dari channel yang kamu subscribe. Tapi konteks video nya mirip dengan historical video-video yang telah kamu tonton.
Nah contoh rekomendasi ini adalah real case dari output Machine Learning serta Deep Learning. 2 cabang ilmu ini adalah komponen penting dalam Data Science, karena membantu menyempurnakan data dari perilaku user untuk menghasilkan probabilitas.
Rekomendasi film pada netflix atau rekomendasi video pada YouTube adalah bentuk probabilitas yang diambil dari data perilaku user.
Mulai kebayang apa itu Machine Learning dan Deep Learning? Apakah Machine Learning dan Deep Learning sama? Temukan jawabannya di bawah ini.
Apa Itu Machine Learning dan Deep Learning
Machine Learning adalah cabang dari kecerdasan buatan (AI) dan ilmu komputer yang menciptakan algoritma untuk mempelajari pola, insight, dan menyempurnakan data. Machine learning adalah komponen penting dari data science, karena melalui metode statistik, algoritma dilatih untuk membuat prediksi dan insight dari data yang belum pernah dilihat sebelumnya.
Output dari machine learning berupa prediksi dan insight, digunakan sebagai rekomendasi dalam beberapa aplikasi dan juga pengambilan keputusan bagi bisnis secara keseluruhan.
Deep Learning adalah bagian dari Machine Learning yang mengatomasikan sebagian besar fitur ekstraksi data dan meminimalisir human intervension. Kalau machine learning mempelajari pola dan menemukan insight dari data, alogartitma Deep Learning mempelajari data untuk membantu pengkategorian data, efektifitas pemrosesan data, mencerna sekaligus memproses data tidak terstruktur; seperti gabungan gambar dan teks.
Deep learning pada dasarnya adalah neural network yang terdiri dari 3 lapisan atau lebih untuk:
- Mempelajari data dalam jumlah besar
- Membuat prediksi
- Menyempurnakan akurasi data
Jadi apakah kamu sudah punya pemahaman tentang perbedaan machine learning dan deep learning?
Perbedaan Machine Learning dan Deep Learning
Agar semakin jelas memahami perbedaan antara Machine Learning dan Deep Learning, Sabrina akan menjelaskan dengan contoh kasus.
Deep Learning membedakan dirinya dari Machine Learning berdasarkan jenis data yang digunakannya dan metode pembelajarannya.
Algoritma Machine Learning memanfaatkan data terstruktur dan berlabel untuk membuat prediksi, artinya sudah ada fitur spesifik ditentukan dari data input untuk model dan diatur ke dalam tabel.
Bukan berarti Machine Learning tidak menggunakan data tidak terstruktur; tetapi jika Machine Learning menggunakan data terstruktur berarti harus melalui beberapa pra-pemrosesan untuk mengaturnya ke dalam format terstruktur.
Nah di sisi lain, Deep Learning mampu menghilangkan beberapa pra-pemrosesan data. Seperti yang sudah dijelaskan pada bagian pengertian tadi, algoritma Deep Learning dapat memproses data tidak terstruktur dan mengotomatiskan fitur ekstraksi, yang intinya mengurangi human intervension.
Contoh Kasus Penerapan Deep Learning dan Machine Learning
Kalau kamu masih bingung dengan gambaran fitur ekstraksi, sesuai janji, Sabrina akan kasih contohnya:
Misalnya kita punya sekumpulan foto model pakaian yang berbeda dan kita ingin mengkategorikannya berdasarkan “kemeja”, “blouse”, dan “kaos”. Nah algoritma deep learning dapat menentukan fitur tertentu yang menjadi pembeda dari setiap pakaian, contohnya bagian kerah. Berbeda dengan machine learning, dalam proses pengkategorian ini fitur dibuat secara manual oleh manusia.
Kemudian, melalui proses penurunan gradien dan propagasi balik, algoritma deep learning akan meningkatkan akurasi data kategorisasi tadi untuk kemudian membuat prediksi tentang foto baru pakaian dengan tingkat presisi yang lebih tinggi.
Model / Metode Machine Learning & Deep Learning
Model machine learning dan deep learning juga mampu melakukan berbagai jenis pembelajaran, yang biasanya dikategorikan sebagai Supervised Learning, Unsupervised Learning, dan Semi-Supervised Learning.
- Supervised Learning menggunakan kumpulan data berlabel untuk mengkategorikan atau membuat prediksi. Jenis pembelajaran ini memerlukan campur tangan manusia untuk melabeli data input dengan benar.
- Unsupervised Learning tidak memerlukan kumpulan data berlabel, dan sebaliknya, ia mendeteksi pola dalam data, mengelompokkannya berdasarkan karakteristik yang membedakan.
- Semi-Supervised Learning adalah proses di mana model belajar menjadi lebih akurat untuk melakukan tindakan di lingkungan berdasarkan feedback untuk memaksimalkan hasil.
Kesimpulan
Kesimpulan dari perbedaan antara Machine Learning dan Deep Learning terletak pada peran algoritma dalam memproses data. Pada dasarnya Deep Learning adalah bagian dari Machine Learning yang mampu mengkategorikan data dengan fitur tertentu secara otomatis dan meningkatkan akurasi data, yang kemudian oleh Machine Learning diproses menjadi rekomendasi dan insight.
Jika kamu ingin mendalami Machine Learning dan Deep Learning untuk kemudian menjadi Data Scientist, kamu bisa belajar bareng praktisi ahli di Bootcamp Data Science BINAR!
Bootcamp Data Science BINAR mempunyai kurikulum yang dirancang khusus untuk mengakselerasikan skill kamu dari awam sampai siap kerja. Kurikulum Bootcamp BINAR akan bantu kamu mendapatkan career opportunity yang lebih luas!
Dengan 3x pertemuan dalam satu minggu, kamu bisa maksimalkan proses belajarmu tanpa takut kewalahan. Masih ragu-ragu dan ingin berkonsultasi dengan tim BINAR? Kamu bisa tanya dan gali informasi dengan tim BINAR langsung, klik Info Lebih Lanjut!
Masih ragu-ragu apakah kamu cocok menjadi Data Scientist?
Tenang! Kamu bisa coba gali peluang yang cocok dengan kepribadianmu di Potensi Quiz!
Cuma butuh 3 menit, tinggal klik-klik, langsung dapet hasilnya. Bonus voucher Binar Insight yang bisa kamu dapatkan di akhir quiz!
.png)
.jpg)
