ADP-1

Apa itu Deep Learning?

• Metode statistik untuk analisis data

• Sub-bidang dari machine learning yang menggunakan jaringan saraf tiruan dengan banyak lapisan

• Algoritma pengurutan data sederhana

• Program komputer untuk memvisualisasikan data

Apa fungsi utama dari lapisan “activation” dalam jaringan saraf?

• Mengurangi dimensi data

• Memperbaiki koneksi antara neuron

• Menambahkan non-linearitas pada model

• Mengatur jumlah parameter

Algoritma backpropagation digunakan untuk:

• Menghitung output dari jaringan saraf

• Meng-update bobot berdasarkan error pada output

• Membangun arsitektur jaringan saraf baru

• Memperbesar dataset

Fungsi ReLU (Rectified Linear Unit) memiliki nilai keluaran:

• Hanya negatif

• Hanya positif atau nol

• Linear antara -1 dan 1

• Sinusoidal

Pada jaringan saraf, epoch adalah:

• Setiap kali model menyimpan bobotnya

• Satu siklus penuh saat model dilatih pada seluruh dataset

• Lapisan tambahan pada jaringan saraf

• Proses pembagian data menjadi batch

Salah satu metode untuk menghindari overfitting pada deep learning adalah:

• Menggunakan batch size yang kecil

• Menggunakan dropout layer

• Menambah lapisan jaringan

• Mengurangi learning rate

Apa fungsi dari pooling layer dalam CNN?

• Mengurangi resolusi gambar

• Menambah ketajaman gambar

• Mengurangi jumlah parameter

• Kedua A dan C benar

Transfer learning biasanya digunakan untuk:

• Membuat jaringan baru dari nol

• Mempercepat pelatihan dengan menggunakan model yang sudah dilatih sebelumnya

• Menggunakan model pada komputer lain

• Mengonversi data ke format lain

Fungsi aktivasi sigmoid memiliki rentang nilai antara:

• -1 dan 1

• 0 dan 1

• 0 dan 10

• -1 dan 0

Optimizer yang paling sering digunakan dalam deep learning adalah:

• Stochastic Gradient Descent (SGD)

• Genetic Algorithm

• AdaBoost

• Newton-Raphson