Halo, teman-teman! Kamu tentu pernah mendengar istilah self driving car. Pernahkah kamu bertanya, teknologi apa di balik self driving car yang mampu memproses data visual marka jalan, rambu lalu lintas, dan berbagai objek lain di jalan secara real-time? Nah, salah satu teknologi di balik self-driving car adalah deep learning.

Deep learning merupakan subbidang machine learning yang algoritmanya terinspirasi dari struktur otak manusia. Saat ini, teknik deep learning sangat populer di kalangan praktisi data dan menarik perhatian banyak pihak. Hal ini karena teknologi deep learning telah diterapkan dalam berbagai produk berteknologi tinggi seperti self-driving car. Selain itu, ia juga ada di balik produk dan layanan yang kita gunakan sehari-hari. Contohnya antara lain, asisten digital, Google Translate, dan voice-activated device (perangkat cerdas yang bisa diaktifkan dengan suara). 

Menarik, kan?

Nah, bagi kamu yang penasaran dan ingin mempelajari lebih dalam tentang deep learning, kamu dapat mempelajarinya di Dicoding lho. Kamu bisa belajar di  learning path Machine Learning Developer. Segera cek learning pathnya ya.

Pada artikel ini kita akan membahas lebih dalam mengenai deep learning. Apa itu definisinya dan apa penerapannya untuk kehidupan sehari-hari? Simak artikelnya dengan baik ya.

Apa itu deep learning?

Deep learning merupakan subbidang machine learning yang algoritmanya terinspirasi dari struktur otak manusia. Struktur tersebut dinamakan Artificial Neural Networks atau disingkat ANN. Pada dasarnya, ia merupakan jaringan saraf yang memiliki tiga atau lebih lapisan ANN. Ia mampu belajar dan beradaptasi terhadap sejumlah besar data serta menyelesaikan berbagai permasalahan yang sulit diselesaikan dengan algoritma machine learning lainnya.

Jenis algoritma

Deep learning terdiri dari beberapa jaringan saraf tiruan yang saling berhubungan. Berikut ini adalah beberapa algoritmanya:

• Convolutional Neural Network (CNN)
  CNN terdiri dari banyak layer untuk memproses dan mengekstrak fitur dari data. Ia biasanya digunakan untuk memproses gambar dan mendeteksi objek. Saat ini, CNN banyak digunakan untuk mengidentifikasi citra satelit, citra medis, dan mendeteksi anomali.

• Recurrent Neural Network (RNN)
  Recurrent Neural Networks (RNN) merupakan salah satu bentuk arsitektur Artificial Neural Networks (ANN) yang dirancang khusus untuk memproses data yang bersambung/ berurutan (sequential data). RNN biasanya digunakan untuk menyelesaikan permasalahan data historis atau time series, contohnya data ramalan cuaca. Selain itu, RNN juga dapat diimplementasikan pada bidang natural language understanding (pemahaman bahasa alami), misalnya  translasi bahasa.

• Long Short Term Memory Network (LTSM)
  LSTM merupakan tipe Recurrent Neural Network yang dapat mempelajari data historis atau time series. Ia merupakan algoritma deep learning yang kompleks dan dapat mempelajari informasi jangka panjang dengan sangat baik. LSTM sangat powerful untuk menyelesaikan berbagai permasalahan kompleks seperti speech recognition, speech to text application, komposisi musik, dan pengembangan di bidang farmasi.

• Self Organizing Maps (SOM)
  Jenis terakhir adalah self organizing maps atau SOM. Algoritma ini mampu membuat visualisasi data secara mandiri. SOM diciptakan untuk membantu penggunanya dalam memahami data dan informasi berdimensi tinggi.

Manfaat deep learning

Setelah menyimak penjelasan di atas, mari kita bahas mengenai  manfaat  deep learning. Berikut beberapa manfaat penerapannya:

• Dapat memproses unstructured data seperti teks dan gambar.
• Dapat mengotomatisasi proses ekstraksi fitur tanpa perlu melakukan proses pelabelan secara manual.
• Memberikan hasil akhir yang berkualitas.
• Dapat mengurangi biaya operasional.
• Dapat melakukan manipulasi data dengan lebih efektif.

Penerapan

Sebelumnya kita sudah menyinggung beberapa contoh penerapan deep learning. Nah, sekarang mari kita bahas penerapan lainnya. Berikut adalah beberapa penerapannya:

• Pengenalan gambar
  Teknologi ini digunakan untuk mengenali dan mendeteksi objek  pada gambar dan video. Contohnya antara lain, fitur untuk menandai seseorang dalam sebuah foto di media sosial, fitur face unlock pada ponsel pintar, dan aplikasi Google Photo yang dapat mendeteksi wajah.

• Pengenalan suara
  Deep learning juga dapat mengenali suara manusia dan dapat memberikan respon berupa teks. Selain itu, teknologi ini juga dapat mendeteksi karakteristik suara yang diterima, contohnya pada aplikasi aplikasi Google Assistant atau Apple Siri.

• Natural language processing
  NLP merupakan subbidang Artificial Intelligence (AI) untuk menganalisis, memodelkan, dan memahami bahasa manusia. Teknik NLP digunakan di setiap aplikasi cerdas yang melibatkan bahasa alami. Ia merupakan komponen penting dalam berbagai aplikasi perangkat lunak yang kita gunakan dalam kehidupan sehari-hari. Contoh penerapan deep learning dalam bidang NLP antara lain, mesin penerjemah, digital assistant, mesin pencari, layanan customer service, dan chatbot.

• Deteksi anomali
  Deteksi anomali merupakan tahapan untuk mengidentifikasi pola yang tidak beraturan atau tidak sesuai dengan perilaku yang diprediksi. Anomali dapat diartikan sebagai perilaku atau pola yang tidak wajar dan dapat menjadi tanda adanya kesalahan dalam sistem. Teknologi ini memiliki berbagai kegunaan, antara lain, untuk memprediksi kesalahan yang terjadi pada sistem, pengawasan kesehatan, sampai deteksi penipuan.

Kesimpulan

Jadi, itulah pembahasan kita mengenai deep learning. Bagaimana menarik, kan? Ia merupakan subbidang machine learning yang algoritmanya terinspirasi dari struktur otak manusia. Struktur tersebut dinamakan Artificial Neural Networks atau disingkat ANN. Deep learning terdiri dari beberapa algoritma dan menjadi teknologi penting bagi berbagai produk atau layanan yang kita gunakan sehari-hari.

Sekian artikel kali ini, semoga artikel ini dapat menjadi sumber ilmu untuk kamu. Nantikan artikel selanjutnya ya.

Mengenal Deep Learning Lebih Jelas- end

Untuk menambah kemampuan lain, simak juga beberapa artikel berikut ya: 

1. 7 Langkah Praktis untuk Memulai Karir Menjadi Machine Learning Developer
2. Machine Learning Developer dan Upaya Menekan Covid-19
3. Apa itu Machine Learning? Beserta Pengertian dan Cara Kerjanya