deep learning kuliah pak lukas 18 nov 2021
[08.59, 17/11/2021] DR Lukas Atmajaya: mohon dapat siapkan platform utk kita "ngoprek" besok malam... silakan download Matlab (evaluation version 30 hari) dari www.mathworks.com
[09.00, 17/11/2021] DR Lukas Atmajaya: atau kalo prefer Open source, coba www.octave.org trus download, baik file exec maupun dokumentasinya ya
evolusni ANI hanya keperliuan terbatas, hanya predetiksi saham, pertambangan
AGI ( General)
ASI ( super AI_) lebih besar
20 thn genneal AI sdh setara dgn manusia
proaktif , bisa menegur kr pengetahuan lebih banyak,,,,ketergantungan terhadap teknologi , bisa bahaya buat generasi muda.
belajar dulu stepnya , harus punya data dulu sebagai awalnya, AI hanya automation m ketergantungan terhdsap data, data privacy lagi concern, akibatnya ketergantungan data.
penggunaan data harus diprivatisasi dulu.
hasilnya outputnya adalah model . yg kita tuju mendapatkan model hasi; belajar. model dipakai untuk infrensi.
yg penting distrink (perbedaan) .
resiko, over fiting, terlalu percaya,......contoh kalau mau ujian nasional tp ke belajar dari bank soal, semua oertanyaan segitu doang, ternyta tidak . justru qualitas teralu rendah
occem razor, ada problenm disiuruh memecah masalah kita pilih yg paling sederhana.. silet , ,..
kebutuhan bikin mei, sawono bikindari awal tepung, khalij :pakai indomee, welly :pakai goofood ,,,
komputasi yang mudah , tapi komputer yg sederhana.
Ridge regrassion - solusi
akurasi kecil tapi kompleksitasnya juga kecil
eror rendah tapi ordenya tingkat tingi
CPA ,analysis , cost .......
Critical path analysis
latih /traingn set pakai hanya 80 % dulu , tdk usah samapai 100%
pakaia cross validation , 1
tipe machine learning - untuk keteraturan
reinforcement :
belajar dari respond saja, dapat feed back untuk memperbaiki nya
potif reinforcement belajar dengan perhatian yang nyaman, kalo lulus jalan 2 keluar negri, biar dia semangat
negatif reinforcemnt, tdk menyukaia yg tida enak, kalau tidak turut aturan tidak dapat makan enak/hukuman.
Neural Network ., bab 2
teachable machine
bedanya adalajh
natural lagueguas, ini agak rumit
karena ada tulisan dari kiri kenan atau sebaliknya
bagaiman mengolah bahasa
AI ini cerdas, bisa mengerti bahasa manusia
deep learning: neteworknya sangat kompelk
perlu graphical card
VGA perlu 1juta pixel , perlu GPU . akibatnya : akan patah 2mtidak asik mainnya
GPU bisa pakai deeplearning
online learning
level by level break down / deep : end to end learning
manual feature selection/ autimatic prosesnya
easy too learn/ hard to learing, kompleks
deep
neoron. kalao baru satu belm di tanggapi
alo banyak baru perhatian
karena noural lapisannya banyak makanya Dalam. Deep
paralel koputation , neoral network . bukan centreraliza
belum ada koputer manyamai manusia,
masih serqkwensial masukannya, satu satu blm paralel seprti otk manua
infomasi itu diolah untuk menjadi knowledge , tau trend
kalau diterapkan di kompoter manjadi deep learning
otak manusia lebih kompels lagi , kr terhubng 1 juta syaraf
dengan pemodelan neural dpt modeling
1958 , ai mulai di utarakan
perang duna ke 2 selesai, penemuan pertama komputer digital
2 prof standford,
2006 deep learnong ditemukan
dimensi 1000 , dipisahkan plain yg dimensi 1 lebih rendah
SVM kemampuan dimensi tak hingga utk
ada kernel trik, jadi lebih mudah
Multi layer Perseson
apa guna hhiden layer
SEMAKAIN BANYAK LAYERBYA AKAN BAYAK KEREPATANNYA
dengan akurasinya tinggi.
ketika pergi camping,
mata ditutup, gunakan kaki mencari
akan mencari titik terndah dengan menggunakan prisip gradien
karena variablenya banyak kita pakai turunan parsial
pakai planan kuda , mencari yg paling optimal di titik aman
harus bisa di parameterize kan, harus bisa di ukur
memudahkan proses auto ,eror yg paling rendah
heigt map
bikin perusahan makan, harus bisa menghitung loss fungtion
saya nga berhasil hkrena tidak tepat , karena factor ini
entropi dipakai sering untuk ,cross entropi
klasifikasiotn=ion, mapingnya discreat
regration = rentang
tinggi badan anaka = regrtion
buah dipisahkan = discrit
Mean Scmew Eror, bukan harga mati =o,1
harus eror sekecil mungkin
SPM aterjamin
dibagi 3
batch gradient descent, mencapai solusi bagus,tp waktu terlalu lama
cepat
mini batch gradientn descent _ gabungan
learnong rate . kalo besar. langkah besar baik
- langkahnya besar 2
kalo kecil . langjkah hny lamber
- langkahnya kecil kecil
ekpeert sistem, tdak puya kemampuan learning
belajar
AI adalah byk , thing human
learning : back propagation
eror adalha target - output
in hibutori : mencegah
exatori : se
Comments
Post a Comment