Mohon tunggu...
Iip  Syarip Hidayat
Iip Syarip Hidayat Mohon Tunggu... Guru - Teacher, Blogger, Enterprenuer, Konten Kretor dan penulis

email :iipsyarip1@gmail.com Fb. Iip Syarip Hidayat Telp. 085524657568

Selanjutnya

Tutup

Pendidikan

Kupas Tuntas Tentang Pembelajaran Deep Learning

25 November 2024   21:13 Diperbarui: 25 November 2024   21:26 79
+
Laporkan Konten
Laporkan Akun
Kompasiana adalah platform blog. Konten ini menjadi tanggung jawab bloger dan tidak mewakili pandangan redaksi Kompas.
Lihat foto
sumber gambar :  tirto.id

Pernah mendengar istilah pembelajaran Deep learning ? 

Baru - baru ini beredar kabar tentang pembelajaran Deep learning seiring dengan pergantian menteri pendidikan dikdasmen era presiden Prabowo dengan menteri barunya yaitu Prof. Dr. Abdul Mu'ti, M.Ed.  sebuah hal menarik ketika pergantian menteri baru maka akan ada sebuah gebrakan baru, baik dalam system kebijakan pendidikan maupun kurikulum. Kali ini hal menarik untuk dibahas adalah pendekatan pembelajaran yaitu Deep learning. 

Apa itu Deep Learning ? 

Deep learning adalah salah satu cabang dari machine learning yang menggunakan jaringan saraf tiruan (neural networks) untuk memproses data dan membuat keputusan berdasarkan pola yang ditemukan. Metode ini terinspirasi oleh cara kerja otak manusia, dengan memanfaatkan lapisan-lapisan jaringan saraf untuk melakukan tugas yang kompleks, seperti pengenalan gambar, pemrosesan bahasa alami, dan prediksi berbasis data.  bisa diartikan bahwa Pembelajaran deep learning adalah metode pembelajaran yang menekankan pada pemahaman konsep dan penguasaan kompetensi secara mendalam. 

Kenapa harus Deep Learning ? 

Sebuah pertanyaan menggelitik sebetulnya kenapa harus deep learning ? 

Pendekatan ini dirancang untuk memproses data dalam jumlah besar dan menemukan pola-pola kompleks yang sulit diidentifikasi oleh metode pembelajaran tradisional. 

Karakteristik Pendekatan Deep Learning

  1. Hierarki Pembelajaran
    Deep learning belajar secara hierarkis, yaitu dari fitur sederhana ke fitur kompleks. Contohnya, pada pengenalan gambar, lapisan awal mungkin mengenali garis atau bentuk dasar, sementara lapisan lebih dalam mengenali pola atau objek yang lebih kompleks.

  2. Belajar Secara Otomatis
    Pendekatan ini tidak memerlukan pembuatan fitur secara manual. Model deep learning secara otomatis mengekstraksi fitur penting dari data.

  3. Data Berukuran Besar
    Deep learning membutuhkan data dalam jumlah besar untuk memberikan hasil yang optimal. Semakin banyak data yang digunakan, semakin baik kinerja model.
  4. Komputasi Intensif
    Proses pelatihan deep learning membutuhkan daya komputasi tinggi dan sering kali memanfaatkan perangkat keras seperti GPU (Graphics Processing Units) atau TPU (Tensor Processing Units).

Pendekatan dalam Deep Learning

HALAMAN :
  1. 1
  2. 2
  3. 3
Mohon tunggu...

Lihat Konten Pendidikan Selengkapnya
Lihat Pendidikan Selengkapnya
Beri Komentar
Berkomentarlah secara bijaksana dan bertanggung jawab. Komentar sepenuhnya menjadi tanggung jawab komentator seperti diatur dalam UU ITE

Belum ada komentar. Jadilah yang pertama untuk memberikan komentar!
LAPORKAN KONTEN
Alasan
Laporkan Konten
Laporkan Akun