<?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: Question Answer (QA) Chatbot dengan DistillBERT Transformer	</title>
	<atom:link href="https://structilmy.com/blog/2021/11/02/question-answer-qa-chatbot-dengan-distillbert-transformer/feed/" rel="self" type="application/rss+xml" />
	<link>https://structilmy.com/blog/2021/11/02/question-answer-qa-chatbot-dengan-distillbert-transformer/</link>
	<description>Tutorial, Catatan, Dokumentasi</description>
	<lastBuildDate>Wed, 31 Aug 2022 03:31:11 +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/2021/11/02/question-answer-qa-chatbot-dengan-distillbert-transformer/#comment-664</link>

		<dc:creator><![CDATA[Rian Adam]]></dc:creator>
		<pubDate>Wed, 31 Aug 2022 03:31:11 +0000</pubDate>
		<guid isPermaLink="false">https://structilmy.com/?p=2562#comment-664</guid>

					<description><![CDATA[In reply to &lt;a href=&quot;https://structilmy.com/blog/2021/11/02/question-answer-qa-chatbot-dengan-distillbert-transformer/#comment-663&quot;&gt;Rajab&lt;/a&gt;.

Wah maaf baru terbaca komentarnya.

Tujuannya beda-beda tergantung model pretrained apa yang dipakai. Pretrained model kan artinya model yang sudah dilatih (kita tinggal pakai), nah dilatih untuk apa bisa beda-beda tergantung siapa yang melatih. Untuk pretrained model yang menggunakan algoritma BERT saja ada banyak pilihannya, kalau di artikel ini, model BERT yang dipakai yang sudah dilatih untuk menemukan jawaban pertanyaan dari suatu teks. Kalau FastText atau Word2Vec mereka pretrained model yang bisa dipakai untuk word embedding (ubah kata jadi vector).
]]></description>
			<content:encoded><![CDATA[<p>In reply to <a href="https://structilmy.com/blog/2021/11/02/question-answer-qa-chatbot-dengan-distillbert-transformer/#comment-663">Rajab</a>.</p>
<p>Wah maaf baru terbaca komentarnya.</p>
<p>Tujuannya beda-beda tergantung model pretrained apa yang dipakai. Pretrained model kan artinya model yang sudah dilatih (kita tinggal pakai), nah dilatih untuk apa bisa beda-beda tergantung siapa yang melatih. Untuk pretrained model yang menggunakan algoritma BERT saja ada banyak pilihannya, kalau di artikel ini, model BERT yang dipakai yang sudah dilatih untuk menemukan jawaban pertanyaan dari suatu teks. Kalau FastText atau Word2Vec mereka pretrained model yang bisa dipakai untuk word embedding (ubah kata jadi vector).</p>
]]></content:encoded>
		
			</item>
		<item>
		<title>
		By: Rajab		</title>
		<link>https://structilmy.com/blog/2021/11/02/question-answer-qa-chatbot-dengan-distillbert-transformer/#comment-663</link>

		<dc:creator><![CDATA[Rajab]]></dc:creator>
		<pubDate>Sun, 28 Aug 2022 15:16:45 +0000</pubDate>
		<guid isPermaLink="false">https://structilmy.com/?p=2562#comment-663</guid>

					<description><![CDATA[mau tanya kak terkait PRE-TRAINED MODEL, kan ada pre-trained word embedding misal : Word2Vec ato FastText, nah yg ini pre-trained model transformer, BERT dll.
sebenarnya fungsi/manfaat dari 2 tipe pre-trained yg tadi sama ato berbeda ??

maksudnya misal Word2Vec itu berfungsi utk index kata yg sdh jadi vector ato seperti apa ? hehehe... mohon pencerahan kak]]></description>
			<content:encoded><![CDATA[<p>mau tanya kak terkait PRE-TRAINED MODEL, kan ada pre-trained word embedding misal : Word2Vec ato FastText, nah yg ini pre-trained model transformer, BERT dll.<br />
sebenarnya fungsi/manfaat dari 2 tipe pre-trained yg tadi sama ato berbeda ??</p>
<p>maksudnya misal Word2Vec itu berfungsi utk index kata yg sdh jadi vector ato seperti apa ? hehehe&#8230; mohon pencerahan kak</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 0/106 objects using Memcache
Page Caching using Disk: Enhanced 
Database Caching using Redis (Request-wide modification query)

Served from: structilmy.com @ 2026-11-18 01:31:58 by W3 Total Cache
-->