Apa sampeyan kudu ngerti babagan evolusi intelijen buatan
Learning jero yaiku wangun mesin sing mumpuni (ML) sing mbangun struktur matématika rumit sing disebut jaringan saraf nggunakake jumlah data (informasi) sing akèh.
Definisi Deep Learning
Learning jero yaiku cara kanggo ngleksanakake ML nggunakake sawetara lapisan jaringan saraf kanggo ngolah jinis data sing luwih kompleks. Kadhangkala disebut learning hierarchical, sinau jero nggunakake macem-macem jinis jaringan saraf kanggo sinau fitur (uga disebut representasi) lan nemokake ing gedhe set data mentah, ora dilabel (data unstructured). Salah siji saka demonstrasi terobosan sing sepisanan saka pembelajaran jero yaiku program sing kasil milih gambar kucing metu saka video YouTube.
Contoh Learning Deep in Life Daily
Learning jero ora mung digunakake ing pangenalan gambar, nanging uga terjemahan basa, deteksi penipuan, lan nganalisis data sing dikumpulake dening perusahaan babagan para pelanggan. Contone, Netflix migunakake pembelajaran jero kanggo nganalisa kabutuhan ndeleng lan prédhiksi sing nuduhake lan film sing luwih seneng ditonton. Mangkono carane Netflix mangerteni kanggo nyelehake film aksi lan dokumenter alam ing antrian saran. Amazon migunakake sinau jero kanggo nganalisa dhuwit anyar lan item anyar sing lagi wae ditelusuri kanggo nggawe saran kanggo album musik negara anyar sing mungkin bakal ditarik lan sampeyan ana ing pasar kanggo sepasang tenis abu-abu lan kuning sepatu. Minangka sinau jero nyedhiyakake wawasan sing luwih akeh lan luwih akeh saka data sing ora diwangun lan mentahan, perusahaan bisa luwih apik ngantisipasi kebutuhan para pelanggan nalika sampeyan, pelanggan individu bisa dadi layanan pelanggan sing luwih pribadi.
Jaringan Neural Buatan dan Learning Jauh
Kanggo nggawe sinau jero luwih gampang kanggo mangerteni, ayo maneh mirsani perbandingan jaringan saraf buatan (ANN). Kanggo sinau jero, mbayangno bangunan kantor 15 tingkat sing ana ing blok kutha karo lima bangunan kantor liyane. Ana telung bangunan ing saben pinggir dalan. Bangunan kita bangunan A lan nuduhake sisih dalan sing padha karo bangunan B lan C. Sisih dalan saka gedung A arupa bangunan 1, lan ing antarane bangunan B bangunan 2, lan sateruse. Saben bangunan nduweni macem-macem jubin, digawe saka bahan sing beda lan nduweni gaya arsitektur sing beda saka liyane. Nanging, saben bangunan isih disusun ing lantai (lantai) sing kapisah saka kantor (kelenjar) -ke saben bangunan iku ANN sing unik.
Mbayangno yen paket digital teka ing bangunan A, ngemot akeh macem-macem informasi saka macem-macem sumber kayata data teks, stream video, stream audio, panggilan telepon, gelombang radio lan foto-Nanging, dheweke teka ing salah siji sing gedhe-gedhe lan ora dilabeli utawa diurutake ing sembarang cara logis (data sing ora direksa). Informasi dikirim liwat saben lantai supaya saka 1 st liwat 15 th kanggo proses. Sawise jujugan informasi tekan lantai 15 (output), dikirim menyang lantai 1 (input) bangunan 3 bebarengan karo asil pangolahan akhir saka bangunan A. Bangunan 3 sinau saka lan nggabungake asil dikirim dening bangunan A lan banjur ngolah jumalan informasi liwat saben lantai kanthi cara sing padha. Nalika informasi tekan lantai paling gedhé gedhung 3, dikirim saka ing kono kanthi asil bangunan kasebut kanggo bangunan 1. Bangunan 1 sinau saka lan nggabungake asil saka bangunan 3 sadurunge ngolah lantai-dening-lantai. Bangunan 1 ngliwati informasi lan ngasilake cara sing padha kanggo mbangun C, sing proses lan dikirim menyang bangunan 2, sing proses lan dikirim menyang bangunan B.
Saben bangunan (ANT) ANN nggoleki fitur sing beda ing data sing ora diresepake (kesimpulan informasi) lan ngliwati asil menyang bangunan sabanjure. Bangunan sabanjure nggabungake (sinau) output (asil) saka siji sadurunge. Minangka data sing diproses dening saben bangunan ANN, dianakake lan dilebokke (diklasifikasikaké) dening fitur tartamtu supaya nalika data tekan output pungkasan (tingkat ndhuwur) saka ANN (bangunan) pungkasan, diklasifikasikaké lan dilabeli (luwih disusun).
Artificial Intelligence, Machine Learning, and Deep Learning
Carane jero sinau menyang gambar sakabèhé saka artificial intelligence (AI) lan ML? Learning jero ngupaya daya ml lan nambah akeh tugas AI bisa nindakake. Amarga jero sinau nggunakake panggunaan jaring saraf lan fitur pangenalan ing set data tinimbang kalkulus spesifik tugas sing spesifik, bisa nemokake lan nggunakake rincian saka data sing ora dibangun (mentah) tanpa perlu programmer kanthi label kasebut kanthi manual pisanan-wektu -Akibatake tugas sing bisa nuduhake kasalahan. Learning jero ngewangi komputer bisa luwih apik lan luwih apik nggunakake data kanggo mbantu perusahaan lan individu.