Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Inilah hasil akhirnya, jaringan saraf konvolusi atau CNN buatan kita sendiri dengan Python yang mengenali angka tulisan tangan dengan akurasi sekitar 98%. Grafik kiri menunjukkan loss yang turun selama pelatihan, dan di kanan tebakan model untuk gambar uji. Ayo kita mulai. Halo, selamat datang di episode K16 seri Machine Learning dengan Python. Kita masuk ke deep learning, teknologi dibalik pengenalan wajah, mobil otonom, sampai asisten AI. Intinya adalah neural network, yaitu tumpukan lapisan neuron yang belajar dengan gradient descent seperti di episode 3, hanya saja dengan ribuan bahkan miliaran parameter. Kita memakai PyTorch, framework deep learning paling populer di kalangan peneliti. Pertama, pasang PyTorch.
Langkah 1: Tensor dan autograd
Versi CPU cukup untuk tutorial ini, perintahnya ada di situs pytorch.orang. Lalu buat file dasar.py. Di PyTorch, data disimpan dalam tensor, mirip array nampai tapi bisa berjalan di GPU dan bisa menghitung turunan otomatis. Jika tensor diberi rekuires grad sama dengan true, lalu kita panggil backward, PyTorch menghitung turunannya sendiri. Untuk y sama dengan x kuadrat tambah 3x di x sama dengan 2, turunannya 7, persis seperti hitungan manual. Inilah autograd, inti dari backpropagation.
Langkah 2: Neuron dan fungsi aktivasi
Sebuah neuron menghitung jumlah input di kali bobot, ditambah bias, lalu melewatkannya ke fungsi aktifasi. Tanpa aktifasi, setumpuk lapisan hanya setara 1 regresi linier. Kita gambar 3 aktifasi populer, sigmoid, tanh, dan relu. Relu yang paling sering dipakai karena sederhana dan cepat. Nilai negatif menjadi 0, nilai positif dibiarkan. Sekarang kita bangun neural network sungguhan.
Langkah 3: Membangun MLP
Buat file mlp.py. Datanya dataset digits, gambar angka 8x8. Kita ubah ke tensor, lalu pakai data loader untuk membagi data menjadi mini-batch berisi 32 gambar. Modelnya multi-layer perceptron, 64 input, 2 lapisan tersembunyi dengan relu, dan 10 output untuk angka 0-9. Inilah training loop yang khas PyTorch.
Langkah 4: Training loop PyTorch
Untuk setiap epoch dan setiap back, hitung prediksi, hitung loss dengan cross entropy, kosongkan gradien lama dengan 0 grad, hitung gradien baru dengan backward, lalu perbarui bobot dengan optimizer Adam lewat step. Kita latih 30 epoch sambil mencetak loss, lalu mengukur akurasi di data uji dalam mode evaluasi tanpa menghitung gradien. Untuk gambar, ada arsitektur yang lebih cocok, convolutional neural network atau CNN.
Langkah 5: Arsitektur CNN
Buat file cnn.py. Lapisan konvolusi menggeser filter kecil di atas gambar untuk mendeteksi pola seperti garis dan lengkungan, lalu Max Pauling memperkecil ukurannya. Bedanya dengan mlp, CNN memahami bahwa piksel yang berdekatan saling berhubungan. Datanya kita bentuk menjadi 4 dimensi. Jumlah gambar, 1 kanal, 8, dan 8. Kita latih CNN dengan training loop yang sama, lalu menggambar kurva loss dan 12 tebakan pada gambar uji.
Langkah 6: Melatih CNN dan menyimpan model
Judul hijau berarti benar, merah berarti salah. Akurasinya sekitar 98%. Terakhir, kita simpan bobot model dengan Tor Safe supaya bisa dipakai lagi tanpa melatih ulang.
Selesai!
Selesai. Kita sudah belajar tensor dan autograd, neuron dan fungsi aktifasi, membangun mlp dengan training loop sendiri, dan CNN untuk gambar. Arsitektur lain seperti RNN untuk data berurutan dan transformer untuk bahasa dibangun di atas prinsip yang sama. Di episode berikutnya kita belajar jenis machine learning ketiga, reinforcement learning. Ingin menguasai machine learning dan data science? Cerdas inovasi digital membuka kursus Python, machine learning, dan AI dari dasar, jasa pembuatan model prediksi, analisis data, dan aplikasi AI untuk bisnis maupun penelitian, serta menjual source code lengkap tutorial ini. Ingin menguasai seluruh seri ini, dari pengenalan machine learning sampai diplo model ke web? Semua 18 episode, lengkap dengan PDF panduan langkah demi langkah, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton!
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
52 kelas video1.276 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
