Pembelajaran Mesin menjadi kata kunci dalam Komunitas Kecerdasan Buatan. Sebagai seorang siswa, saya tertarik untuk mempelajari lebih lanjut tentang pembelajaran mesin, jaringan saraf, dan pembelajaran mendalam.
Memulai pembelajaran mesin tampaknya sangat membingungkan dan terkadang menjengkelkan karena tidak mengetahui apa yang harus dilakukan. Berada dalam posisi yang sama beberapa waktu sebelumnya, saya pikir akan sangat membantu jika seseorang telah menguraikan pedoman pembelajaran mesin. Saya tidak menganggap diri saya ahli dalam bidang ini. Namun hal itu tidak menghalangi saya untuk tidak mengejar apa yang saya sukai. Pembelajaran dan dedikasi yang terus-menerus tentu akan membuka jalan bagi kita. Panduan di bawah ini mungkin tidak terlalu membantu kita semua, tetapi pasti akan dapat memahaminya. Saya akan berterima kasih jika seseorang dapat menunjukkan kesalahan jujurnya dan saling membantu.
Berikut adalah panduan yang saya ikuti yang pada akhirnya membantu saya dalam memahami dan mengembangkan pengenalan gambar dasar (anjing atau kucing) menggunakan TensorFlow dan Deep Learning.
Langkah 1:
Sebagai bagian dari studi saya, saya diperkenalkan dengan kelas Jaringan Syaraf Tiruan dan Pembelajaran Mesin selama studi pascasarjana saya. Topik tersebut menjadi begitu menarik bagi saya sehingga membuat saya sibuk mempelajari tentang machine learning/deep learning di internet. Rasa lapar ini membuat saya menemukan kursus Pembelajaran Mesin yang ditawarkan oleh Universitas Standford yang diajarkan oleh Andrew Ng di Kursus. Setelah menyelesaikan kursus, saya cukup memahami apa itu pembelajaran mesin dan apa saja pendekatan yang berbeda untuk mengatasi masalah.
Langkah 2:
Saya menyarankan siapa pun yang mencoba mempelajari pembelajaran mesin untuk mempelajari kode di "Python". Python menyediakan sejumlah besar perpustakaan yang lebih mudah dan cocok untuk pembelajaran mesin. Jika Anda ingin memulai, saya yakin ini mungkin merupakan sumber yang bagus untuk memulai.
Langkah 3:
Setelah terbiasa dengan python, mulailah dengan perpustakaan seperti Sci-Kit learn, Pandas, Numpy, dan OpenCV. Ini adalah perpustakaan yang akan banyak membantu dalam aplikasi pembelajaran mesin.
Langkah 4:
Karena saya lebih tertarik pada pembelajaran mendalam, saya memulai dengan TensorFlow. Tutorial dasar Tensorflow diposting di situs resmi di sini. Setelah mempelajari seluk beluk pembelajaran mesin, saya terus mengeksplorasi pembelajaran mendalam dan memutuskan untuk mengerjakan proyek pembelajaran mendalam.
Sebagian besar dari kita mungkin pernah mendengar bahwa untuk proyek pembelajaran mendalam, kita memerlukan perangkat keras yang lebih canggih untuk melatih modelnya. Ya itu. Namun jangan khawatir, platform seperti
Saya telah menulis secara detail tentang proyek ini di tautan Github ini. Jangan ragu untuk melewatinya.
Ringkasan
Dedikasi yang konstan dan meluangkan waktu untuk belajar adalah cara tercepat untuk mempelajari apa pun dan hal yang sama juga berlaku dalam upaya Anda mempelajari pembelajaran mesin.
Jika Anda menyukai artikel ini, silakan bertepuk tangan di sini agar dapat menjangkau lebih banyak orang.
Tentang saya
Lebih baik hati dan jiwa, saya adalah seorang mahasiswa pascasarjana yang berfokus pada pembelajaran Mesin dan Rekayasa Perangkat Lunak. Saya suka menjelajahi berbagai dimensi pembelajaran mesin dan memiliki minat yang besar pada beberapa teknologi.
Untuk pembaruan lebih lanjut, ikuti saya di Twitter
