Teknologi Artificial Intelligence (AI) semakin banyak digunakan di seluruh industri. Hal ini juga disebabkan oleh banyaknya konsep dan perkembangan AI baru yang diluncurkan hampir setiap hari. Dalam artikel ini akan membahas enam tren teknologi AI yang menarik perhatian para Data Scientist.

1. MLOps

Operasi pembelajaran mesin (MLOps) bukanlah konsep baru, ini merupakan praktik yang relatif baru bagi tim operasional yang mengoperasionalkan model Machine Learning. MLOps berusaha memahami apa yang berfungsi dan tidak berfungsi dalam sebuah model untuk membuat model yang lebih andal di masa depan. Ini adalah langkah terakhir dari pembuatan Model Machine Learning dan praktik yang secara historis belum banyak mendapat perhatian.

2. Contrastive Learning

Contrastive learning adalah teknik Machine Learning yang dapat menemukan hal-hal serupa dan tidak serupa dalam sebuah kumpulan data mentah. Ini dapat digunakan pada database gambar, misalnya, untuk menemukan gambar yang mirip satu sama lain.

3. Transformers

Transformers adalah arsitektur jaringan saraf yang menangani data input sekuensial. Hal ini digunakan secara luas dalam model bahasa, termasuk terjemahan bahasa dan aplikasi text-to-speech.

Dikembangkan oleh peneliti Google pada tahun 2017, transformer telah menggantikan model RNN (Recurrent Neural Networks) yang populer, seperti  long short-term memory (LSTM), yang digunakan dalam aplikasi pemrosesan bahasa alami.

4. Grafik

Grafik banyak digunakan dalam Data Science untuk memaparkan hubungan antara satu hal dan hal lain. Terdiri dari node (mewakili subjek, seperti orang, objek atau tempat) dan edges  (mewakili hubungan antara node) grafik yang dapat menangkap hubungan yang kompleks.

Graph neural network (GNN) adalah jenis Neural Network Architecture yang dapat membantu memahami grafik dan memungkinkan orang membuat prediksi. Misalnya, dengan menggunakan GNN, seseorang dapat memprediksi genre film mana yang akan dibintangi oleh seorang aktor, atau efek samping yang mungkin ditimbulkan oleh obat baru.

5. Tools yang Efisien

Seringkali tim leader dan Data Science diharuskan mengumpulkan bermacam-macam tools untuk melakukan test, training dan deployment. Namun, dalam beberapa tahun terakhir, vendor teknologi ternama telah berusaha untuk melengkapi tools mereka sehingga mereka para perusahaan tidak harus menggunakan banyak tools yang berbeda dari berbagai sumber.

Hal ini memungkinkan para Data Scientist untuk menggunakan satu platform untuk bekerja dan menghilangkan masalah yang muncul dari pemindahan data dan model antara berbagai tools yang berbeda. Banyak dari platform ini juga menampilkan aplikasi low-code atau no-code, yang memungkinkan mereka lebih cepat dan lebih mudah digunakan oleh ilmuwan data.

6. Contextualized Word Embeddings

Contextualized word embeddings memungkinkan penggunaan matematika untuk menganalisis keterkaitan sebuah kata dengan kata lain. Misalnya, "apel" lebih dekat dengan "lemon" daripada "rumah".

Salah satu tren yang paling berpengaruh adalah perpindahan dari penyisipan kata statis seperti word2vec dan GloVe ke penyisipan kata kontekstual seperti ELMo dan BERT. BERT dan ELMo adalah model bahasa yang mengurangi waktu pelatihan dan meningkatkan kinerja model mutakhir.

Contextualized word embeddings dapat mengurangi masalah ketergantungan sebuah kata pada konteksnya, seperti 'bulan' dalam konteks waktu yang memiliki arti berbeda dari 'bulan' dalam konteks astronomi.

Artificial Intelligence merupakan salah satu bagian dari Data science yang penggunaanya semakin meningkat akhir akhir ini. Jika kamu ingin mempelajari perkembangan Data science, Bootcamp Data Science Hacktiv8 terbuka untuk kamu para pemula yang ingin menjadi seorang Data Scientist atau Data Analyst dalam 12 minggu.