Catatan Kuliah: Transfer Learning

Definisi Transfer Learning

• Transfer Learning adalah teknik dalam AI di mana pengetahuan yang diperoleh dari satu tugas digunakan untuk membantu dalam tugas lain.
• Misalnya, AI belajar dari tugas pertama dan menerapkan pengetahuan tersebut untuk tugas kedua.

Kapan Menggunakan Transfer Learning

• Digunakan saat tidak memiliki dataset yang cukup untuk tugas kedua.
• Dataset yang berhubungan dengan tugas pertama harus lebih besar untuk mendapatkan pengetahuan yang relevan.

Contoh Kasus

• Tugas Pertama: Klasifikasi gambar dari dataset ImageNet (1,2 juta data).
• Tugas Kedua: Mendeteksi gambar dengan dataset VOC 2007 (5.000 data).
• Keduanya berhubungan karena sama-sama berfokus pada gambar.

Proses Belajar AI

• Saat AI dilatih menggunakan ImageNet, AI belajar tentang:
  • Warna
  • Tekstur
  • Bentuk
• Pengetahuan ini membantu dalam proses klasifikasi dan mendeteksi gambar pada tugas kedua.

Terminologi dalam Deep Learning

• Pre-training: Proses pelatihan pada tugas pertama.
• Fine-tuning: Penyesuaian kemampuan pada tugas kedua.

Analogi untuk Memahami

• Analoginya pada manusia:
  • Belajar berjalan -> belajar berlari.
  • Belajar naik sepeda -> belajar naik motor.
  • Belajar main biola -> belajar main cello.
  • Belajar ngoding dengan MATLAB -> ngoding dengan Python.

Catatan Penting

• Makin mirip tugasnya, makin baik transfer pengetahuan.
• Jika tugas terlalu jauh, sulit untuk mentransfer pengetahuan (contoh: dari biola ke ngoding Python).

Penutupan

• Jika tertarik untuk belajar lebih lanjut tentang AI, jangan lupa untuk subscribe channel ini agar tidak ketinggalan update.