Transfer Learning in Deep Learning

Questions and Answers

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?

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?

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?

Menentukan mekanisme pemisahan yang mendasari antara data Signup and view all the answers

Apa tujuan utama dari Random Forest dalam pembuatan decision trees?

Memilih titik pisah suboptimal Signup and view all the answers

Bagaimana SVM berbeda dari Boosting dalam pembentukan model?

SVM mengidentifikasi mekanisme pemisahan, sementara Boosting tidak Signup and view all the answers

Apa yang dilakukan Random Forest ketika membuat decision trees?

Subset fitur acak dipilih untuk splitting setiap node di sebuah pohon Signup and view all the answers

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.

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.