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. MLOpsOperasi 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 LearningContrastive 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. TransformersTransformers 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. GrafikGrafik 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 EfisienSeringkali 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 EmbeddingsContextualized 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. |