Machine Learning dan Deep Learning Specialization (Coursera)

Awal tahun ini (8 Januari) saya iseng mulai ikut Machine Learning di Coursera. Setelah dua minggu ternyata saya masih semangat, jadi saya memutuskan untuk membayar, tujuan utamanya bukan supaya dapat sertifikat, tapi supaya semangat karena sudah bayar 79 USD.

Di tengah kesibukan saya selama Januari-Februari (nemu banyak bug), saya bisa menyelesaikan Course ini pada 23 Februari. Saya mengerjakan semua kuis dan tugas programming dengan Octave. Materinya dari sangat low level sekali, dari mulai linear regression sampai mengimplementasikan neural network (forward dan back propagation) dengan perkalian matriks.

Materi Machine Learning ini memang tidak membahas deep learning, jadi saya penasaran ingin belajar topik itu. Saya jadi ingat dengan blog senior saya Pak Benny Prijono (indoml.com). Pak Benny sudah mengikuti dan mereview banyak course dan membuat banyak catatan yang sangat rapi. Setelah membaca semua reviewnya, sepertinya yang menarik berikutnya adalah deep learning specialization dari pengajar yang sama.

Pengajar Machine Learning (Andrew Ng) memang enak cara penjelasannya. Dan beliau juga yang mengajar materi spesialisasi deep learning. Cara berbicaranya menurut saya agak terlalu lambat (saya terbiasa dengan kecepatan Bu Inge), tapi untungnya player video coursera mendukung percepatan video hingga 2x kecepatan normal (saya memakai kecepatan 1.50-1.75x tergantung materinya).

Kanan bawah adalah Andrew Ng, pengajar materi Machine Learning dan Deep Learning

Spesialisasi Deep Learning terdiri dari 5 Course. Review lengkapnya dalam bahasa Indonesia bisa dilihat di indoml.com, daftar 5 mata kuliahnya adalah:

Biayanya 49 USD/bulan sampai selesai. Kalau bisa selesai sebelum sebulan seperti saya, bisa hanya bayar 49 USD saja. Ada juga trial gratis 7 hari jika belum yakin apakah ingin mendapatkan sertifikat atau tidak. Untuk saya sendiri kemungkinan besar sertifikat ini tidak akan saya pakai, tapi tanpa membayar kita tidak bisa mengakses kuis dan tugas pemrogramannya.

Ikut course saja tentunya tidak membuat kita jadi expert

Saya memulai ini tanggal 23 Februari dan selesai semua materinya pada 4 Maret. Selesai dalam arti melihat sampai habis semua videonya (termasuk video opsional), semua kuis dan semua tugas pemrograman (ada 22 tugas pemrograman). Meskipun kesannya ngebut, tapi sebenarnya saya masih sangat santai, saya masih tetap melakukan banyak kegiatan biasa, ke kantor tiap hari, pergi ke kolam renang, menghadiri pernikahan, ke gereja, mengantar Jonathan ke Tae Kwon Do, Joshua ke dokter gigi, mengisi blog ini tiap hari, dan bahkan sempat bug hunting dan menemukan beberapa bug.

Tips supaya bisa cepat selesai adalah:

  • play video dengan kecepatan lebih tinggi (dengan 1.5x, video 1 jam jadi 40 menit).
  • Download materinya di ponsel dengan aplikasi coursera supaya bisa diakses kapan saja
  • Ketika iseng menunggu sesuatu, lihat videonya
  • Luangkan waktu sedikit di pagi/malam hari

Tapi sejujurnya memang ada beberapa hal yang membuat saya bisa menyelesaikan lebih cepat yaitu:

  • Saya sudah terbiasa memakai Python tiap hari
  • Saya sudah pernah utak-atik beberapa proyek machine learning walau dulu kurang paham cara kerjanya
  • Saya bekerja di perusahaan yang berhubungan dengan math optimization dengan bos yang merupakan Professor dalam bidang Matematika

Terus setelah belajar Machine Learning dan Deep Learning ini jadi bisa bikin apa? Saat ini saya belum terpikir untuk mengaplikasikan langsung ilmu saat ini, saya masih ingin belajar berbagai topik lain seputar ML, misalnya Reinforcement Learning yang tidak dicakup di semua course yang saya ikuti.

Bagi saya saat ini ilmu ini sekedar untuk melengkapi toolbox saya dalam menyelesaikan masalah. Banyak problem bisa diselesaikan dengan cepat menggunakan tool yang tepat. Dengan dasar ilmu ini, saya berharap nantinya bisa mengajari juga anak-anak saya mengenai topik AI. Seperti computational thinking, topik AI ini perlu mulai diperkenalkan sejak dini, bahkan sekarang ada penerbit di China yang sudah membuat buku AI untuk anak pre-school.

Setelah mengikuti coursenya, saya bisa mulai membaca beberapa paper ML dan bisa memahami sebagian besar isinya. Dan praktisnya sekarang saya bisa menghargai meme machine learning/deep learning seperti ini.

Meme LSTM (Long Short-Term Memory), sebuah arsitektur RNN (recurrent neural network)

Untuk yang ingin terjun ke bidang ML dan masih malas membaca buku teknis, menurut saya sebaiknya ikuti berbagai MOOC (Massive Open Online Course) seperti Coursera ini. Tidak harus course spesifik yang ini, walau menurut saya ini sangat bagus. Akan lebih bagus lagi kalau sambil membaca buku dan mengikuti course.

Saya lihat banyak sekali pemula di berbagai group machine learning yang bingung berbagai konsep sederhana (dan ingin langsung bisa mengerjakan task tertentu), padahal jika mau mengikuti course online semua akan jadi lebih jelas. Dibandingkan membaca buku: ada kuis yang menguji apakah kita benar mengerti, ada forum untuk bertanya materi spesifik, dan ada tugas programming yang menguji apakah kita bisa mengimplementasikan yang kita pelajari. Tentunya jangan mencontek atau menyalin jawaban dari Internet, kalau begitu percuma.

Sebagai informasi, saat ini Coursera juga membuka course AI for Everyone, tujuannya memperkenalkan AI ke orang non teknis. Supaya seseorang bisa tahu ekspektasi AI seperti apa, bagaimana caranya bekerjasama dengan Team AI, dsb. Coursenya baru dibuka awal bulan ini. Jika tidak ingin dapat certificate, coursenya bisa diikuti dengan gratis.

Tinggalkan Balasan

This site uses Akismet to reduce spam. Learn how your comment data is processed.