Podcast
Questions and Answers
Manakah pernyataan berikut yang benar tentang Support Vector Machine (SVM)?
Manakah pernyataan berikut yang benar tentang Support Vector Machine (SVM)?
- Mencoba membuat sebuah pohon keputusan
- Digunakan untuk mengidentifikasi teks dalam gambar
- Mempelajari untuk mendefinisikan hiperplane untuk memisahkan data menjadi dua kelas (correct)
- Memperkenalkan pemilihan fitur secara acak
Apa perbedaan fundamental antara bagging dan random forest?
Apa perbedaan fundamental antara bagging dan random forest?
- Bagging menggunakan sekumpulan pohon keputusan, sedangkan random forest menggunakan sekumpulan *support vectors*
- Random Forest menggunakan semua fitur secara bersamaan untuk membuat keputusan
- Pada bagging, suboptimal splits diperkenalkan, sedangkan pada Random Forest hanya optimal split points yang dipertimbangkan
- Pada Random Forest, hanya subset fitur yang dipilih secara acak, sedangkan pada bagging semua fitur dipertimbangkan (correct)
Apa yang dilakukan Boosting sebagai teknik ensemble?
Apa yang dilakukan Boosting sebagai teknik ensemble?
- Memperkenalkan kerugian dari model pertama ke model kedua
- Membuat model dari data latih dan kemudian tidak membuat model kedua
- Mencoba membuat classifier lemah dari sejumlah classifier kuat (correct)
- Menggabungkan semua model ke dalam satu pohon keputusan besar
Apakah yang umumnya dicoba diperbaiki oleh SVM?
Apakah yang umumnya dicoba diperbaiki oleh SVM?
Apa tujuan utama dari Random Forest dalam pembuatan decision trees?
Apa tujuan utama dari Random Forest dalam pembuatan decision trees?
Bagaimana SVM berbeda dari Boosting dalam pembentukan model?
Bagaimana SVM berbeda dari Boosting dalam pembentukan model?
Apa yang dilakukan Random Forest ketika membuat decision trees?
Apa yang dilakukan Random Forest ketika membuat decision trees?
Study Notes
Transfer Pembelajaran
- Transfer pembelajaran memanfaatkan model CNN yang telah dilatih sebelumnya dengan memotong lapisan terakhir dan melatih ulang pada set data baru.
Alat Terbaik untuk Masalah Deep Learning
- TensorFlow, PyTorch, Keras, dan Caffe adalah alat populer yang digunakan untuk menerapkan algoritma Deep Learning.
- TensorFlow diakui sebagai salah satu kerangka kerja Deep Learning terbaik dan dipilih oleh perusahaan besar seperti Airbus, Twitter, dan IBM karena arsitektur sistemnya yang sangat fleksibel.
Pendekatan ML/DL untuk Penelitian Multidisiplin
- Terdapat dosen dengan latar belakang dari berbagai bidang seperti Ilmu Komputer, Teknik Informatika, Sistem Informasi, dan Ekonomi.
- Dosen dari berbagai sektor seperti agrikultur, pariwisata, dan bisnis berkontribusi dalam pemrograman, pengujian, dan implementasi problem solving di bidang tersebut.
Siklus Hidup Sistem Otomasi Berbasis AI
- Proses kerja AI melibatkan penambahan model hingga set pelatihan dapat diprediksi dengan sempurna atau hingga jumlah maksimum model ditambahkan.
Algoritma Regresi Linear
- Persamaan Regresi Linear: y = w0 + w1 * x1.
- Algoritma Regresi Linear mencakup pendekatan dan teknik untuk analisis data.
Tipe dan Tugas Machine Learning
- Learning dibagi menjadi tiga kategori:
- Supervised Learning: Menggunakan algoritma klasifikasi dan teknik regresi untuk model prediktif. Algoritma ini mencakup regresi linear, regresi logistik, serta jaringan syaraf, selain pohon keputusan, Support Vector Machine (SVM), random forest, naive Bayes, dan k-nearest neighbor.
- Unsupervised Learning: Algoritma yang digunakan untuk menarik kesimpulan dari dataset tanpa label di mana data input tidak memiliki respons yang terlabel. Contoh algoritma klustering meliputi klustering hierarkis yang membangun hierarki multi-level dari kluster.
- Reinforcement Learning: Metode machine learning di mana agen menerima penghargaan tertunda untuk mengevaluasi tindakan sebelumnya. Banyak digunakan dalam permainan seperti Atari dan Mario, sering kali dengan performa setara atau lebih baik daripada manusia.
Studying That Suits You
Use AI to generate personalized quizzes and flashcards to suit your learning preferences.
Description
Learn about transfer learning in deep learning, a technique where a pre-trained CNN model is used for one dataset, with the last layer cut off and retrained on a different dataset. Discover popular tools like TensorFlow, PyTorch, Keras, and Caffe commonly used for solving deep learning problems.
