Pemahaman Dasar Deep Learning

Apa itu deep learning?

• Deep learning adalah metode pembelajaran mesin yang menggunakan jaringan saraf tiruan dengan banyak lapisan untuk menganalisis data.

• Deep learning adalah proses manual dalam analisis data yang tidak melibatkan komputer.

• Deep learning adalah metode untuk mengoptimalkan database tanpa jaringan saraf.

• Deep learning adalah teknik pengolahan data menggunakan algoritma sederhana.

Sebutkan salah satu aplikasi deep learning!

• Pengolahan citra

• Penerjemahan bahasa

• Pengenalan suara

• Pengenalan wajah

Apa perbedaan antara machine learning dan deep learning?

• Machine learning dan deep learning adalah istilah yang sama.

• Machine learning hanya digunakan untuk pengenalan gambar.

• Machine learning adalah algoritma analisis data, sedangkan deep learning adalah subbidang machine learning yang menggunakan jaringan saraf dalam.

• Deep learning adalah metode yang tidak memerlukan data.

Sebutkan komponen utama dalam jaringan saraf!

• Neuron dan sinapsis

• Sistem saraf pusat

• Lapisan otak dan sumsum tulang

• Neuron, lapisan input, lapisan tersembunyi, lapisan output.

Apa yang dimaksud dengan overfitting dalam deep learning?

• Overfitting adalah kondisi di mana model dapat generalisasi dengan baik pada data baru.

• Overfitting adalah saat model tidak belajar dari data pelatihan.

• Overfitting terjadi ketika model terlalu sederhana untuk data yang diberikan.

• Overfitting adalah kondisi di mana model terlalu cocok dengan data pelatihan dan tidak dapat generalisasi dengan baik pada data baru.

Apa itu transfer learning dalam konteks deep learning?

• Transfer learning adalah metode untuk menghapus data yang tidak relevan dari model.

• Transfer learning adalah proses di mana data baru digunakan untuk melatih model dari awal.

• Transfer learning adalah teknik di mana model yang telah dilatih pada satu tugas digunakan untuk meningkatkan pembelajaran pada tugas lain.

• Transfer learning adalah teknik yang hanya digunakan dalam pengenalan gambar.

Sebutkan salah satu tantangan dalam penerapan deep learning!

• Kecepatan pemrosesan yang lambat

• Penggunaan algoritma sederhana

• Keterbatasan data pelatihan

• Kesulitan dalam pengenalan pola sederhana

Apa yang dimaksud dengan regularisasi dalam deep learning?

• Regularisasi adalah metode untuk mengurangi kompleksitas model dan mencegah overfitting.

• Regularisasi adalah cara untuk mengoptimalkan fungsi biaya tanpa mempengaruhi akurasi.

• Regularisasi adalah proses untuk menambah jumlah data pelatihan.

• Regularisasi adalah teknik untuk meningkatkan kecepatan pelatihan model.

Apa itu fungsi aktivasi dalam jaringan saraf?

• Fungsi aktivasi adalah fungsi yang menentukan output dari neuron berdasarkan input yang diterima.

• Fungsi aktivasi adalah metode untuk mengoptimalkan fungsi biaya.

• Fungsi aktivasi adalah proses untuk mengurangi kompleksitas model.

• Fungsi aktivasi adalah teknik untuk meningkatkan kecepatan pelatihan model.

Sebutkan salah satu jenis algoritma optimasi yang umum digunakan dalam deep learning!

• Stochastic Gradient Descent (SGD)

• Linear Regression

• Decision Tree

• Random Forest