What distinguishes “deep learning” from traditional machine learning?
Status: Tercapai 100%
Keterangan: Perbedaan paling mendasar terletak pada ekstraksi fitur (feature extraction). Pada traditional machine learning, seorang ahli (manusia) harus memilih dan mendefinisikan fitur-fitur penting secara manual sebelum data dimasukkan ke dalam algoritma untuk dipelajari. Sebaliknya, deep learning menggunakan Artificial Neural Networks dengan banyak lapisan (hidden layers) untuk secara otomatis mengekstraksi fitur dan mempelajari pola langsung dari data mentah. Selain itu, deep learning membutuhkan data dan daya komputasi yang jauh lebih besar untuk mencapai performa maksimal.
What are convolutional layers and pooling layers in a CNN, and what is their primary function?Status: Tercapai 100% Keterangan:
-
Convolutional Layers: Ini adalah lapisan inti dalam CNN. Fungsinya adalah memindai input (seperti gambar) menggunakan filter/kernel matriks kecil untuk mengekstraksi fitur lokal, mulai dari fitur sederhana seperti garis dan tepi, hingga pola kompleks seperti bentuk wajah.
-
Pooling Layers: Lapisan ini bertugas melakukan downsampling atau mereduksi dimensi spasial (lebar dan tinggi) dari data yang dihasilkan oleh convolutional layer. Fungsinya adalah untuk mengurangi beban komputasi, mencegah overfitting, dan mempertahankan informasi atau fitur yang paling penting (biasanya menggunakan metode Max Pooling).
Why are CNNs particularly well-suited for image processing tasks compared to standard neural networks?Status: Tercapai 100% Keterangan:Standard neural networks (Fully Connected Networks) mengharuskan gambar berwujud 2D diratakan (flatten) menjadi array 1D, yang menyebabkan hilangnya informasi spasial (hubungan jarak antar piksel yang membentuk gambar). Selain itu, standard neural network menghubungkan setiap neuron, sehingga jumlah parameternya membengkak dan sangat berat untuk diproses.
CNN sangat cocok untuk gambar karena menggunakan parameter sharing (berbagi bobot) melalui filter, sehingga jauh lebih ringan. CNN juga memproses gambar dalam bentuk matriks 2D aslinya, sehingga hierarki spasial dan posisi piksel (seperti letak mata di atas hidung) tetap dipertahankan dan dipahami oleh model.
Name two major applications of CNNs in the real world.Status: Tercapai 100% Keterangan: Dua aplikasi utama CNN di dunia nyata adalah:
-
Computer Vision pada Kendaraan Otonom (Autonomous Vehicles): Digunakan oleh mobil pintar seperti Tesla untuk mendeteksi objek di jalan, membaca rambu lalu lintas, dan mengenali pejalan kaki secara real-time.
-
Analisis Citra Medis (Medical Image Analysis): Digunakan di rumah sakit untuk memindai X-Ray, MRI, atau CT scan guna mendeteksi penyakit seperti tumor, kanker, atau pneumonia dengan tingkat akurasi tinggi.(Contoh lain yang sering digunakan: Sistem pengenalan wajah / Face Recognition di smartphone).