CNN dan klasifikasi gambar
Convolutions, pooling, arsitektur (VGG, ResNet), transfer learning, data augmentation, fine-tuning
1Apa itu operasi convolution dalam CNN?
Apa itu operasi convolution dalam CNN?
Jawaban
Convolution adalah operasi matematis yang menerapkan filter (kernel) pada gambar dengan menggeser filter tersebut di atas input dan menghitung dot product di setiap posisi. Ini memungkinkan ekstraksi feature lokal seperti tepi, tekstur, atau pola. Berbeda dengan jaringan dense di mana setiap neuron terhubung ke semua input, convolution memanfaatkan struktur spasial gambar dengan berbagi bobot filter di seluruh gambar.
2Apa peran stride dalam lapisan convolution?
Apa peran stride dalam lapisan convolution?
Jawaban
Stride mendefinisikan ukuran langkah saat memindahkan filter melintasi gambar. Stride 1 memindahkan filter satu piksel pada setiap langkah, sedangkan stride 2 memindahkannya 2 piksel, sehingga mengurangi ukuran output. Meningkatkan stride memungkinkan pengurangan dimensi spasial feature map dan biaya komputasi, tetapi juga dapat menyebabkan kehilangan informasi jika stride terlalu besar.
3Apa tujuan padding dalam lapisan convolution?
Apa tujuan padding dalam lapisan convolution?
Jawaban
Padding terdiri dari menambahkan piksel (biasanya nol) di sekitar gambar input sebelum menerapkan convolution. Ini memungkinkan mengontrol ukuran output dan menjaga informasi di tepi gambar. Dengan padding 'same', output memiliki ukuran yang sama dengan input, sedangkan dengan 'valid' (tanpa padding), ukurannya berkurang. Padding juga mencegah piksel tepi kurang terwakili dalam feature map.
Apa perbedaan antara Max Pooling dan Average Pooling?
Apa itu feature map dalam CNN?
+21 pertanyaan wawancara
Topik wawancara Data Science & ML lainnya
Dasar-dasar Python
Pemrograman Berorientasi Objek Python
Struktur Data Python
Dasar-Dasar Git
Dasar-dasar SQL
Dasar-Dasar NumPy
Dasar-dasar Pandas
Jupyter & Google Colab
SQL Joins & Kueri Lanjutan
Pandas Lanjutan
Visualisasi dengan Matplotlib & Seaborn
Visualisasi Interaktif dengan Plotly
Statistik Deskriptif
Statistik Inferensial
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Terbimbing: Regresi
ML Terbimbing: Klasifikasi
Pohon Keputusan & Ensemble
ML Tanpa Pengawasan
Pipeline ML & Validasi
Deret Waktu & Peramalan
Dasar-Dasar Deep Learning
TensorFlow & Keras
RNN & Sekuens
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps dan Deployment
Kuasai Data Science & ML untuk wawancara berikutnya
Akses semua pertanyaan, flashcards, tes teknis, latihan code review dan simulator wawancara.
Mulai gratis