Apa itu kerangka kerja Machine Learning? Machine Learning bergantung pada algoritma. Kecuali
kita adalah seorang data scientist atau pakar ML, algoritma ini sangat rumit
untuk dipahami dan digunakan. Kerangka ini, kemudian, menyederhanakan algoritma
ML. Kerangka kerja ML adalah alat, antarmuka, atau libarry yang memungkinkan
Anda mengembangkan model ML dengan mudah, tanpa memahami algoritme yang
mendasarinya. Ada berbagai kerangka kerja pembelajaran mesin,
yang ditujukan untuk tujuan yang berbeda. Hampir semua kerangka kerja ML—yang
kita bahas di sini dan yang tidak—ditulis dengan Python. Python adalah bahasa
pemrograman pembelajaran mesin yang dominan. Memilih tool untuk Machine Learning kita. Dalam memilih tool, kita perlu bertanya apa tujuan kita:
Machine learning atau Deep Learning? Deep Learning berarti menggunakan jaringan
neural untuk melakukan banyak tugas, ini digunakan untuk menganalisis data: · Data gambar · Data bahasa · Sejumlah besar data bernomor dan kategoris Dengan menggunakan data, dimungkinkan untuk: · Membuat model pendeteksi wajah · Memanipulasi gambar, seperti dengan deep fakes · Menghasilkan artikel lengkap dan hampir koheren
tentang subjek tertentu · Memprediksi tindakan perilaku rutin, seperti saat
seseorang mungkin membatalkan keanggotaan gymnya · Menawarkan rekomendasi, jika kita menyukai satu
restoran/film/produk, inilah restoran lain yang kemungkinan besar akan kita
nikmati Machine Learning, di sisi lain, bergantung pada
algoritma yang didasarkan pada matematika dan statistik—bukan jaringan neural—untuk
menemukan pola. Sebagian besar tutorial, kasus penggunaan, dan rekayasa dalam
kerangka kerja ML yang lebih baru ditargetkan untuk membangun kerangka kerja
yang akan melatih dirinya sendiri pada basis data gambar atau pembuatan atau
klasifikasi teks dalam waktu tercepat, menggunakan memori paling sedikit, dan
berjalan di kedua GPU dan CPU. Kerangka Machine Learning yang terkenal. Bisa dibilang, TensorFlow, PyTorch, dan
scikit-learn adalah framework ML paling populer. Namun, memilih kerangka kerja
mana yang akan digunakan akan bergantung pada pekerjaan yang akan kita lakukan.
Kerangka kerja ini berorientasi pada matematika dan pemodelan statistik
(pembelajaran mesin) sebagai lawan dari pelatihan jaringan neural (deep
learning). Berikut rincian singkat dari kerangka kerja ML
populer ini: · TensorFlow dan PyTorch adalah pesaing langsung
karena kesamaan mereka. Keduanya menyediakan seperangkat alat aljabar linier
yang banyak, dan mereka dapat menjalankan analisis regresi. · Scikit-learn telah ada sejak lama dan akan paling
akrab bagi programmer R, tetapi ada peringatan besar: framework ini tidak
dibangun untuk dijalankan melintasi sebuah cluster.
Spark ML dibuat untuk
berjalan di sebuah cluster, karena itulah inti dari Apache Spark. |