Apa itu Deep Learning?

• Sebuah teknik pengolahan gambar.

• Sebuah metode statistik untuk menganalisis data.

• Sebuah cabang dari Machine Learning yang menggunakan jaringan neural dengan banyak lapisan.

• Sebuah metode untuk optimasi parameter model.

Apa peran TensorFlow dalam Deep Learning?

• Sebagai alat untuk melakukan preprocessing data.

• Sebagai framework untuk merancang dan melatih model deep learning.

• Sebagai database untuk menyimpan data.

• Sebagai metode untuk menampilkan hasil visualisasi data.

Apa yang dimaksud dengan Keras dalam konteks deep learning?

• Library untuk preprocessing gambar.

• Antarmuka tingkat tinggi yang berjalan di atas TensorFlow untuk membangun dan melatih model deep learning.

• Algoritma optimasi untuk melatih model neural network.

• Platform untuk mengelola dataset.

Apa itu Artificial Neural Network (ANN)?

• Model machine learning yang sederhana dan tanpa lapisan tersembunyi.

• Jaringan saraf tiruan yang mencoba meniru cara kerja otak manusia.

• Algoritma yang digunakan untuk clustering data.

• Sebuah model untuk optimasi fungsi objektif.

Apa perbedaan utama antara Artificial Neural Network (ANN) dan Deep Neural Network (DNN)?

• ANN hanya memiliki satu lapisan tersembunyi, sementara DNN memiliki lebih dari satu lapisan tersembunyi. 

• ANN digunakan untuk data numerik, sementara DNN digunakan untuk data teks.

• ANN membutuhkan lebih banyak data daripada DNN. 

• DNN hanya bisa digunakan untuk pengolahan gambar, sedangkan ANN untuk semua jenis data.

Dalam ANN, apa yang dimaksud dengan "node" di dalam jaringan?

• Sebuah lapisan yang berisi banyak neuron.

• Sebuah representasi matematis dari input dan output.

• Titik di jaringan yang mewakili neuron dan mengolah informasi.

• Sebuah teknik untuk mengurangi overfitting.

Apa fungsi aktivasi yang umum digunakan dalam lapisan tersembunyi ANN dan DNN?

• Softmax

• ReLU (Rectified Linear Unit)

• Linear Function

• Sigmoid

Apa tujuan dari optimasi dalam pelatihan model ANN/DNN?

• Untuk membuat model lebih cepat saat prediksi.

• Untuk menyesuaikan bobot model agar menghasilkan prediksi yang lebih akurat.

• Untuk menambah lapisan dalam model.

• Untuk mengurangi ukuran dataset.

Apa yang dimaksud dengan "backpropagation" dalam pelatihan model neural network?

• Proses membagi data menjadi training dan testing.

• Algoritma untuk menghitung dan menyebarkan error dari output ke input guna memperbarui bobot.

• Metode untuk memilih fungsi aktivasi terbaik.

• Proses melatih model menggunakan batch kecil dari dataset.

Apa yang dimaksud dengan "overfitting" dalam model ANN atau DNN?

• Model yang terlalu sederhana dan tidak mampu menangkap pola data.

• Situasi di mana model memiliki performa yang buruk dalam hal kecepatan pelatihan.

• Proses meningkatkan akurasi model dengan menambahkan lebih banyak data

• Model yang terlalu kompleks sehingga belajar terlalu banyak dari data training, dan tidak generalisasi dengan baik pada data baru.