<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	
	>
<channel>
	<title>
	Comments on: Transfer Learning: Solusi Deep Learning dengan Data Sedikit	</title>
	<atom:link href="https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/feed/" rel="self" type="application/rss+xml" />
	<link>https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/</link>
	<description>Tutorial, Catatan, Dokumentasi</description>
	<lastBuildDate>Tue, 28 Sep 2021 10:46:12 +0000</lastBuildDate>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=7.1.4</generator>
	<item>
		<title>
		By: Rian Adam		</title>
		<link>https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/#comment-342</link>

		<dc:creator><![CDATA[Rian Adam]]></dc:creator>
		<pubDate>Tue, 28 Sep 2021 10:46:12 +0000</pubDate>
		<guid isPermaLink="false">http://structilmy.com/?p=1498#comment-342</guid>

					<description><![CDATA[In reply to &lt;a href=&quot;https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/#comment-341&quot;&gt;Zainal&lt;/a&gt;.

Maksudnya pretraining dengan data sendiri itu seperti apa ya?

Di paper &quot;How transferable are features in deep neural networks?&quot; yang dibahas di artikel ini juga ada jenis transfer learning dengan data sendiri. Jadi nanti nanti di-train 2x, dengan train kedua sebagian layernya di-freeze, namanya Selffer Network (lihat ilustrasi ketiga di artikel ini, lalu cek bagian yang ungu di baris ketiga). Apakah seperti itu yang dimaksud?]]></description>
			<content:encoded><![CDATA[<p>In reply to <a href="https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/#comment-341">Zainal</a>.</p>
<p>Maksudnya pretraining dengan data sendiri itu seperti apa ya?</p>
<p>Di paper &#8220;How transferable are features in deep neural networks?&#8221; yang dibahas di artikel ini juga ada jenis transfer learning dengan data sendiri. Jadi nanti nanti di-train 2x, dengan train kedua sebagian layernya di-freeze, namanya Selffer Network (lihat ilustrasi ketiga di artikel ini, lalu cek bagian yang ungu di baris ketiga). Apakah seperti itu yang dimaksud?</p>
]]></content:encoded>
		
			</item>
		<item>
		<title>
		By: Zainal		</title>
		<link>https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/#comment-341</link>

		<dc:creator><![CDATA[Zainal]]></dc:creator>
		<pubDate>Mon, 27 Sep 2021 07:32:32 +0000</pubDate>
		<guid isPermaLink="false">http://structilmy.com/?p=1498#comment-341</guid>

					<description><![CDATA[Terima kasih atas ilmunya, mohon izin untuk bertanya.

Saya memiliki data dari sensor akselerometer dan giroskop smartphone dan ingin menggunakan transfer learning serta metode LSTM untuk klasifikasinya.

Pertanyaan saya, saya ingin melakukan pretrained pada data saya terlebih dahulu, lalu menggunakan data tersebut untuk klasifikasi LSTM, apakah hal tersebut memungkinkan? Mengingat saya hanya memiliki 1 dataset saja.

Terima kasih]]></description>
			<content:encoded><![CDATA[<p>Terima kasih atas ilmunya, mohon izin untuk bertanya.</p>
<p>Saya memiliki data dari sensor akselerometer dan giroskop smartphone dan ingin menggunakan transfer learning serta metode LSTM untuk klasifikasinya.</p>
<p>Pertanyaan saya, saya ingin melakukan pretrained pada data saya terlebih dahulu, lalu menggunakan data tersebut untuk klasifikasi LSTM, apakah hal tersebut memungkinkan? Mengingat saya hanya memiliki 1 dataset saja.</p>
<p>Terima kasih</p>
]]></content:encoded>
		
			</item>
		<item>
		<title>
		By: Ahmad		</title>
		<link>https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/#comment-312</link>

		<dc:creator><![CDATA[Ahmad]]></dc:creator>
		<pubDate>Mon, 19 Jul 2021 05:08:44 +0000</pubDate>
		<guid isPermaLink="false">http://structilmy.com/?p=1498#comment-312</guid>

					<description><![CDATA[In reply to &lt;a href=&quot;https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/#comment-311&quot;&gt;Rian Adam&lt;/a&gt;.

Terima kasih pak atas jawabannya, dapat dipahami dengan baik.]]></description>
			<content:encoded><![CDATA[<p>In reply to <a href="https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/#comment-311">Rian Adam</a>.</p>
<p>Terima kasih pak atas jawabannya, dapat dipahami dengan baik.</p>
]]></content:encoded>
		
			</item>
		<item>
		<title>
		By: Rian Adam		</title>
		<link>https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/#comment-311</link>

		<dc:creator><![CDATA[Rian Adam]]></dc:creator>
		<pubDate>Mon, 19 Jul 2021 04:31:41 +0000</pubDate>
		<guid isPermaLink="false">http://structilmy.com/?p=1498#comment-311</guid>

					<description><![CDATA[In reply to &lt;a href=&quot;https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/#comment-310&quot;&gt;Ahmad&lt;/a&gt;.

Sebenarnya ini masalah yang umum karena model machine learning didesain untuk spesifik tugas tertentu. Jadi selalu akan ada celah jika data yang ditemui setelah model terlatih memiliki karakteristik yang berbeda dengan data latih.

Ada beberapa solusi yang bisa dipakai:
1. Lakukan pengecekan di awal apakah itu permukaan bangunan atau bukan sebelum dideteksi kerusakannya. Ini bisa dilakukan dengan rule-based, pengecekan warna, atau bisa juga menggunakan machine learning (klasifikasi 2 kelas, bangunan atau bukan)
2. Tambah data latih dengan citra yang tidak relevan. Sehingga model semakin terlatih dengan mana yang kerusakan bangunan mana yang bukan. Sebagai contoh pada kasus mas Ahmad bisa dengan menambah data latih gambar wajah, pemandangan, dll.]]></description>
			<content:encoded><![CDATA[<p>In reply to <a href="https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/#comment-310">Ahmad</a>.</p>
<p>Sebenarnya ini masalah yang umum karena model machine learning didesain untuk spesifik tugas tertentu. Jadi selalu akan ada celah jika data yang ditemui setelah model terlatih memiliki karakteristik yang berbeda dengan data latih.</p>
<p>Ada beberapa solusi yang bisa dipakai:<br />
1. Lakukan pengecekan di awal apakah itu permukaan bangunan atau bukan sebelum dideteksi kerusakannya. Ini bisa dilakukan dengan rule-based, pengecekan warna, atau bisa juga menggunakan machine learning (klasifikasi 2 kelas, bangunan atau bukan)<br />
2. Tambah data latih dengan citra yang tidak relevan. Sehingga model semakin terlatih dengan mana yang kerusakan bangunan mana yang bukan. Sebagai contoh pada kasus mas Ahmad bisa dengan menambah data latih gambar wajah, pemandangan, dll.</p>
]]></content:encoded>
		
			</item>
		<item>
		<title>
		By: Ahmad		</title>
		<link>https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/#comment-310</link>

		<dc:creator><![CDATA[Ahmad]]></dc:creator>
		<pubDate>Mon, 19 Jul 2021 03:53:13 +0000</pubDate>
		<guid isPermaLink="false">http://structilmy.com/?p=1498#comment-310</guid>

					<description><![CDATA[Ingin bertanya pak. jadi saya melakukan training model dengan pretrained model. saya ingin membuat deteksi kerusakan permukaan pada bangunan. Untuk pendeteksian berhasil, tetapi jika iseng di tes dengan gambar orang, akan menunjukan bouding box pada wajahnya. Apakah ada solusi agar model tidak mendeteksi wajah pak ?
Terimakasih]]></description>
			<content:encoded><![CDATA[<p>Ingin bertanya pak. jadi saya melakukan training model dengan pretrained model. saya ingin membuat deteksi kerusakan permukaan pada bangunan. Untuk pendeteksian berhasil, tetapi jika iseng di tes dengan gambar orang, akan menunjukan bouding box pada wajahnya. Apakah ada solusi agar model tidak mendeteksi wajah pak ?<br />
Terimakasih</p>
]]></content:encoded>
		
			</item>
		<item>
		<title>
		By: tana		</title>
		<link>https://structilmy.com/blog/2021/01/31/transfer-learning-solusi-deep-learning-dengan-data-sedikit/#comment-283</link>

		<dc:creator><![CDATA[tana]]></dc:creator>
		<pubDate>Fri, 23 Apr 2021 00:48:31 +0000</pubDate>
		<guid isPermaLink="false">http://structilmy.com/?p=1498#comment-283</guid>

					<description><![CDATA[Terima kasih pak atas penjelasannya selalu mudah dipahami.]]></description>
			<content:encoded><![CDATA[<p>Terima kasih pak atas penjelasannya selalu mudah dipahami.</p>
]]></content:encoded>
		
			</item>
	</channel>
</rss>

<!--
Performance optimized by W3 Total Cache. Learn more: https://www.boldgrid.com/w3-total-cache/?utm_source=w3tc&utm_medium=footer_comment&utm_campaign=free_plugin

Object Caching 0/110 objects using Memcache
Page Caching using Disk: Enhanced 
Database Caching using Redis

Served from: structilmy.com @ 2026-11-17 06:57:57 by W3 Total Cache
-->