Introducing Deep Learning (Mechine Learning - AI)

Deep Learning merupakan bagian dari Machine Learning, sehingga sebelum membicarakan Deep Learning ada baiknya mengetahui lebih dahulu mengenai Machine Learning.

Machine learning adalah bukan sebuah benda yang berupa fisik seperti sebuah mesin di pabrik melainkan disiplin ilmu yang mencakup perancangan dan pengembangan algoritma yang memungkinkan komputer mengelola data, mempelajari data tersebut, dan menerapkan apa yang telah dipelajari untuk membuat keputusan yang akan memberikan prediksi untuk suatu tujuan.

Agar sebuah machine learning dapat melakukan hal tersebut perlu dilatih terlebih dahulu menggunakan data-data, yang disebut dengan training data hingga akhirnya machine dapat belajar dari data-data tersebut secara mandiri / secara otomatis tanpa campur tangan manusia dalam membuat keputusan. 

Deep Learning adalah bagian dari machine learning, yang merupakan algoritma yang dirancang untuk terus menganalisis data dengan struktur logika yang mirip dengan bagaimana otak manusia dalam mengambil keputusan.

Untuk dapat melakukan itu, deep learning menggunakan struktur algoritma berlapis yang disebut Artificial Neural Network (ANN). ANN terinspirasi dari neural otak manusia. Hal ini membuat mesin kecerdasannya menjadi jauh lebih baik dari model machine learning standar.

ANN adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan sistem saraf manusia yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan data yang mengalir melalui jaringan tersebut yang secara sederhana dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data.

Berikut ini adalah beberapa istilah penting yang perlu dipahami yaitu :

• Neuron : gambar yang berbentu lingkaran, saling terhubung dengan tanda pana
• Weigth : setiap koneksi neuron di sebut dengan weigth
• Bias : koneksi output layer yang menerima input dari hidden layer
• Input Layer : layer yang berisika neuron untuk menerima input
• Output Layer : layer yang berisikan neoron untuk memberikan hasil
• Hidden Layer : layer proses neuron yang tersembunyi

Deep Learning disebut sebagai Deep (dalam) karena struktur dan jumlah jaringan saraf pada algoritmanya sangat banyak bisa mencapai hingga ratusan lapisan.

Data-data yang digunakan dalam sebuah deep learning sangatlah penting, karena semakin banyak datanya, maka semakin banyak yang bisa dipahami algoritma deep learning tersebut. Deep Learning dapat digunakan untuk memecahkan berbagai masalah seperti robotika, bahasa, matematika, game, persepsi, diagnosis medis, teknik, analisis keuangan, analisis sains.