Teori Deep Learning, Bagian 1: Predict

Apa itu deep learning ?

Deep learning adalah bagian dari metode machine learning, studi dan pengembangan mesin yang dapat belajar dari data. Deep learning menggunakan neural networks, algoritma yang terinspirasi dari sistem jaringan otak manusia (neuron).

Algoritma machine learning bisa terdiri dari supervised atau unsupervised machine learning maupun parametric atau nonparametric learning.

Supervised machine learning menggunakan data yang ditrasnformasikan untuk memprediksi data lain. Misal data harga saham pada hari Senin selama 10 tahun terakhir dapat digunakan untuk memprediksi harga saham pada hari Selasa pada rentang waktu yang sama.

Unsupervised machine learning secara umum membuat kluster dari data sehingga dapat memberi gambaran tentang struktur data.

Parametric learning adalah model yang memiliki karakter parameter yang jumlahnya tetap dan ditentukan sebelumnya. Sedangkan pada nonparametric learning, jumlah parameter ditentukan oleh data itu sendiri.

Deep learning menggunakan neural networks untuk menjalankan prediksi baik supervised ataupun unsupervised learning. Untuk selanjutnya, yang menjadi bahasan adalah supervised deep learning.

Predict

Secara gampangnya, sebuah model supervised deep learning melakukan pengulangan langkah predict, compare, and learn untuk menemukan prediksi dengan nilai error paling kecil dibanding dengan nilai aslinya.

Pada langkah pertama yaitu predict, model menerima data input yang dikalikan dengan sebuah parameter dengan bobot (weight) untuk memprediksi hasil.

Contohnya sebagai berikut, membuat model untuk memprediksi gol yang akan dicetak oleh seorang pemain bola dengan diketahui data rata-rata tendangan ke gawang dan jumlah gol yang dicetak.

Tendangan ke gawang : 8. Gol yang dicetak : 2

Pada saat menginisiasi model, sebuah parameter dibuat dengan bobot/weight acak, untuk contoh ini semisal 0.5. Apabila dibuat model dengan neural network sederhana maka kodenya sebagai berikut :

weight = 0.5

def neural_network(input,weight):
    prediction = input * weight
    return prediction

Bila data di atas dijalankan pada kode neural network tadi maka :

input = 8
pred = neural_network(input,weight)
print(pred)

Output/keluaran dari neural network tadi adalah 8 * 0.5 = 4

Jadi prediksi dari model yang dibuat 4 gol. Berbeda dengan nilai aslinya yaitu 2 gol. Prediksi dari model tidak selalu tepat, tetapi model dapat melakukan komparasi (compare) dan belajar dari data(learn). Prosesnya dilakukan dengan percobaan berkali-kali sehingga menemukan jawaban yang akurat, 2 gol.

Langkah compare dan learn akan dibahas pada tulisan-tulisan selanjutnya ya.