Transfer learning itu adalah AI yang pertama belajar untuk satu tugas, lalu pengetahuan yang dipelajari pada tugas pertama dipakai untuk belajar tugas kedua. Transfer learning ini bisa dipakai kalau misalnya kita ingin AI kita mengerjakan tugas kedua, tapi nggak punya dataset yang cukup banyak pada tugas kedua. Punyanya, dataset yang banyak pada tugas pertama. Dan tugas pertama ini ada hubungannya dengan tugas kedua.
Misalnya, tugas pertamanya adalah klasifikasi gambar. Kita bisa dapat dataset yang banyak dari mendownload dataset ImageNet yang punya 1,2 juta training data. Tugas kedua adalah mendeteksi gambar, di mana selain harus mengklasifikasi objek, juga harus memprediksi lokasinya. Misalnya dengan menggunakan dataset VOC 2007 dengan jumlah training data yang jauh lebih sedikit.
yaitu 5.000 data, atau bisa juga data yang dikumpulkan sendiri. Nah, tugas kedua ini ada hubungannya dengan tugas pertama, karena dua-duanya berurusan dengan gambar. Saat AI training atau belajar pakai ImageNet, AI juga bisa belajar mengenai warna, tekstur, bentuk, yang membantu AI dalam mengklasifikasi gambar. Konsep mengenali warna, tekstur, dan bentuk ini dapat ditransfer ke tugas kedua yaitu mendeteksi gambar.
Kalau pada deep learning, istilahnya pre-training pada tugas pertama lalu fine-tuning pada tugas kedua. Analoginya pada manusia, misalnya setelah belajar berjalan, belajar berlari. Atau setelah belajar naik sepeda, belajar naik motor.
Atau setelah belajar main biola, belajar main Cello. Atau setelah belajar ngoding pake MATLAB, belajar ngoding pake Python. Dan lain sebagainya.
Makin mirip tugasnya, makin baik. Kalau terlalu jauh tugasnya, misalnya belajar main Biola ke belajar ngoding pake Python, ya susah. Bagian apa dari main Biola yang bisa dipakai buat ngoding Python? Jadi, jika teman-teman tertarik belajar AI lebih lanjut, Jangan lupa subscribe channel ini biar nggak ketinggalan update-nya ya Daaah