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.