AI selalu menggunakan deep learning

ML merupakan bagian dari AI

AI hanya fokus pada data terstruktur

ML tidak menggunakan data

Microsoft Word

Kalkulator ilmiah

Voice Assistant

Text editor

HTML

CSS

Python

PHP

NumPy

Flask

Django

Selenium

Unsupervised Learning

Reinforcement Learning

Supervised Learning

Semi-supervised Learning

K-Means

Decision Tree

Apriori

PCA

Menghapus semua data

Mempercepat komputasi GPU

Meningkatkan kualitas data sebelum pemodelan

Menentukan algoritma terbaik

Nilai numerik kontinu

Cluster data

Label kelas

Grafik visualisasi

Fairness

Transparency

Privacy

Kecepatan prosesor

Jumlah data

Kecepatan pelatihan

Keberadaan label data

Jenis hardware

Supervised Learning

Unsupervised Learning

Reinforcement Learning

Deep Learning

Menghitung loss function

Mengevaluasi performa model klasifikasi

Melakukan clustering

Melakukan preprocessing

Accuracy

Precision dan Recall

Mean Squared Error

R^2 Score

Decision Tree

Support Vector Machine

Neural Network

K-Means

Forward Propagation

Gradient Descent

Backpropagation

Feature Scaling

Teks

Time series

Citra

Data tabular sederhana

Data statis

Data berurutan

Data acak

Data kategorikal

Pooling

Convolution

Attention

Normalization

Baseline model

Overfitting model

Pretrained model

Shallow model

Data → Model → Problem → Evaluasi

Problem → Data → Model → Evaluasi

Model → Data → Evaluasi → Problem

Evaluasi → Data → Model → Problem

Tidak mampu belajar dari data

Terlalu sederhana

Terlalu baik pada data latih tetapi buruk pada data uji

Memiliki sedikit parameter

Menambah kompleksitas model

Mengurangi overfitting

Mempercepat training

Menambah jumlah data

$$f(x)=\frac{1}{1+e^{-x}}$$

$$f(x)=\tanh(x)$$

$$f(x)=\max(0,x)$$

$$f(x)=x^2$$

Convolution Layer

Pooling Layer

Fully Connected Layer

Decision Layer

Pemilihan warna UI

Konsistensi performa di lingkungan produksi

Penulisan laporan

Dokumentasi teori

Meningkatkan kecepatan inferensi

Menjelaskan keputusan model AI

Mengurangi ukuran model

Menghilangkan bias data

Akurasi tertinggi

Perlakuan adil terhadap semua kelompok

Ukuran dataset

Kecepatan training

Supervised learning

Clustering

Large Language Models

Data preprocessing

Penghapusan semua algoritma klasik

Penurunan kebutuhan data

Perubahan ekosistem bisnis dan pekerjaan AI

Berkurangnya kebutuhan komputasi