The role of deep learning for green technology
Deep Learning adalah salah satu
jenis algoritma jaringan saraf tiruan yang menggunakan metadata sebagai input
dan mengolahnya menggunakan sejumlah lapisan tersembunyi (hidden layer) transformasi
non linier dari data masukan untuk menghitung nilai output. Algortima pada Deep Learning memiliki fitur
yang unik yaitu sebuah fitur yang mampu mengekstraksi secara otomatis. Hal ini
berarti algoritma yang dimilikinya secara otomatis dapat menangkap fitur yang
relevan sebagai keperluan dalam pemecahan suatu masalah. Algortima semacam ini
sangat penting dalam sebuah kecerdasan buatan karena mampu mengurangi beban
pemrograman dalam memilih fitur yang eksplisit. Dan, algortima ini dapat
digunakan untuk memecahkan permasalahan yang perlu pengawasan (supervised), tanpa pengawasan (unsupervised), dan semi terawasi (semi supervised).
Dalam
jaringan saraf tiruan tipe Deep Learning setiap lapisan tersembunyi
bertanggung jawab untuk melatih serangkaian fitur unik berdasarkan output dari
jaringan sebelumnya. Algortima ini akan menjadi semakin komplek dan bersifat
abstrak ketika jumlah lapisan tersembunyi (hidden layer) semakin bertambah banyak. Jaringan saraf
yang dimiliki oleh Deep Learning terbentuk
dari hirarki sederhana dengan beberapa lapisan hingga tingkat tinggi atau
banyak lapisan (multi layer).
Berdasarkan hal itulah Deep Learning dapat
digunakan untuk memecahkan masalah kompleks yang lebih rumit dan terdiri dari
sejumlah besar lapisan transformasi non linier.
Jenis Deep Learning
- Deep Learning untuk Pembelajaran Tanpa Pengawasan (Unsupervised Learning): Deep Learning tipe ini digunakan pada saat label dari variabel target tidak tersedia dan korelasi nilai yang lebih tinggi harus dihitung dari unit yang diamati untuk menganalisis polanya.
- Hybrid Deep Networks (Deep Learning gabungan): Pendekatan tipe ini
bertujuan agar dapat dicapai hasil yang baik dengan menggunakan pembelajaran
yang diawasi untuk melakukan analisis pola atau dapat juga dengan menggunakan
pembelajaran tanpa pengawasan.
Machine Learning (Pembelajaran Mesin)
Pembelajaran mesin, cabang
dari kecerdasan buatan, adalah disiplin ilmu yang mencakup perancangan dan
pengembangan algoritma yang memungkinkan komputer untuk mengembangkan
perilaku yang didasarkan pada data empiris, seperti dari sensor
data basis data[5]. Hal Ini merupakan teknik yang digunakan untuk
mengembangkan mesin otomatis berdasarkan eksekusi pada algoritma dan kumpulan
aturan yang terdefinisikan.
Dalam data latih sebagai input pada Machine Learning diberi
sejumlah aturan program yang dijalankan oleh algoritma. Oleh karena itu, pada
teknik Mesin Belajar dapat dikategorikan sebagai instruksi yang dijalankan dan
dipelajari secara otomatis untuk menghasilkan hasil output yang optimal. Hal
ini dilakukan secara otomatis tanpa ada campur tangan manusia sedikitpun. Semua
dilakukan secara otomatis untuk mengubah data menjadi beberapa pola dan
diinputkan jauh ke dalam sistem untuk mendeteksi masalah produksi secara otomatis.