[id] cs-229-unsupervised-learning #139

swicaksono · 2019-05-06T15:29:34Z

Hi, I've finished and need a review for my work translating the unsupervised learning cheatsheet. Thank you.

…cheatsheet-machine-learning-tips-and-tricks.md

Indonesia

gitarja

Mas perkenalkan saya Prasetia, dan ada beberapa review. Menurut saya untuk weights tidak perlu diterjemahkan dikarenakan merupakan kosakata teknis yang umum di bidang neural network.

Terimakasih

gitarja · 2019-05-25T04:10:44Z

id/cheatsheet-deep-learning.md

@@ -60,7 +60,7 @@

 **11. Learning rate ― The learning rate, often noted α or sometimes η, indicates at which pace the weights get updated. This can be fixed or adaptively changed. The current most popular method is called Adam, which is a method that adapts the learning rate.**

-&#10230;**11. Learning rate - Learning rate (Tingkat pembelajaran), sering dinotasikan sebagai α atau η, merupakan fase pembaruan pembobotan. Tingkat pembelajaran dapat diperbaiki atau diubah secara adaptif. Metode yang paling populer saat ini disebut Adam, yang merupakan metode yang dapat menyesuaikan tingkat pembelajaran.
+&#10230;**11. Learning rate - Learning rate (Tingkat pembelajaran), sering dinotasikan sebagai α atau η, merupakan fase pembaruan pembobotan. Tingkat pembelajaran dapat diperbaiki atau diubah secara adaptif. Metode yang paling populer saat ini disebut Adam, yang merupakan metode yang dapat menyesuaikan tingkat pembelajaran.**


Learning rate- Learning rate, sering dinotasikan sebagai α atau η, mendefinisikan seberapa cepat nilai weight diperbaharui. Learning rate bisa diset dengan nilai fix atau dirubah secara adaptif. Metode yang paling terkenal saat ini adalah Adam, sebuah method yang merubah learning rate secara adaptif.

gitarja · 2019-05-25T04:12:24Z

id/cheatsheet-deep-learning.md

@@ -78,61 +78,62 @@

 **14. Updating weights ― In a neural network, weights are updated as follows:**

-&#10230;
+&#10230;**14. Memperbaharui bobot w - Dalam neural network, bobot w diperbarui nilainya dengan cara berikut:**



Memperbaharui nilai weights - Dalam neural network, nilai weights diperbaharui nilainya dengan cara berikut:

Menurut saya weights tidak usah diterjemahkan, karena merupakan kosakata teknis pada neural network

gitarja · 2019-05-25T04:13:21Z

id/cheatsheet-deep-learning.md


 <br>

 **15. Step 1: Take a batch of training data.**

-&#10230;
+&#10230;**15. Langkah 1: Mengambil jumlah batch dari data latih.**



Langkah 1: Mengambil batch (sample data) dari keseluruhan training data.

gitarja · 2019-05-25T04:15:36Z

id/cheatsheet-deep-learning.md


 <br>

 **16. Step 2: Perform forward propagation to obtain the corresponding loss.**

-&#10230;
+&#10230;**16. Langkah 2: Melakukan forward propagation untuk mendapatkan nilai loss yang sesuai. **



Langkah 2: Melakukan forward propagation untuk mendapatkan nilai loss berdasarkan nilai masukan (input).

gitarja · 2019-05-25T04:16:05Z

id/cheatsheet-deep-learning.md


 <br>

 **18. Step 4: Use the gradients to update the weights of the network.**

-&#10230;
+&#10230;**18. Langkah 4: Menggunakan gradient untuk untuk memperbarui nilai dari network.**



Langkah 4: Menggunakan gradient untuk untuk memperbarui nilai weight dari network.

gitarja · 2019-05-25T04:17:56Z

id/cheatsheet-deep-learning.md


 <br>

 **19. Dropout ― Dropout is a technique meant at preventing overfitting the training data by dropping out units in a neural network. In practice, neurons are either dropped with probability p or kept with probability 1−p**

-&#10230;
+&#10230;**19. Dropout - Dropout adalah teknik untuk mencegah overfitting data latih dengan menghilangkan satu atau lebih unit layer dalam neural network. Pada praktiknya, neurons melakukan drop dengan probabilitas p atau tidak melakukannya dengan probabilitas 1-p** 


Dropout - Dropout adalah teknik untuk mencegah model overfit terhadap training data dengan menghilangkan satu atau lebih unit layer dalam neural network. Pada praktiknya, neurons di-drop dengan probabilitas p atau dipertahankan dengan probabilitas 1-p

gitarja · 2019-05-25T04:18:38Z

id/cheatsheet-deep-learning.md


 <br>

 **21. Convolutional layer requirement ― By noting W the input volume size, F the size of the convolutional layer neurons, P the amount of zero padding, then the number of neurons N that fit in a given volume is such that:**

-&#10230;
+&#10230; **21. Kebutuhan layer convolutional - W adalah ukuran volume input, F adalah ukuran dari layer neuron convolutional, P adalah jumlah zero padding, maka jumlah neurons N yang dapat dibentuk dari volume yang diberikan adalah: **



maka jumlah neuron N yang sesuai dengan ukuran dimensi masukan adalah:

gitarja · 2019-05-25T04:19:02Z

id/cheatsheet-deep-learning.md


 <br>

 **22. Batch normalization ― It is a step of hyperparameter γ,β that normalizes the batch {xi}. By noting μB,σ2B the mean and variance of that we want to correct to the batch, it is done as follows:**

-&#10230;
+&#10230; **22. Batch normalization - Adalah salah satu step hyperparameter γ,β yang menormalisasikan batch {xi}. Dengan notasi μB,σ2B adalah rata-rata dan variansi nilai yang digunakan untuk perbaikan dalam batch, dapat diselesaikan sebagai berikut:** 



Dengan mendefinisikan μB,σ2B sebagai nilai rata-rata dan variansi dari batch yang ingin kita normalisasi, hal tersebut dapat dilakukan dengan cara:

id/cheatsheet-deep-learning.md

shervinea · 2019-05-29T07:33:54Z

Thanks a lot @swicaksono for all your work! It is really appreciated.

It seems that there are several translations besides the one for the unsupervised-learning cheatsheet. Could you please remove the other ones and place them in separate pull requests? It will make the review process more efficient.

gitarja · 2019-10-10T08:23:03Z

Malam Mas @swicaksono

Apakah translasi bisa diteruskan atau bagaimana?
Terimakasih

swicaksono · 2019-10-11T06:01:19Z

Malam Mas @swicaksono

Apakah translasi bisa diteruskan atau bagaimana?
Terimakasih

Halo mas @gitarja.
Iya transliterasinya bisa diteruskan mas. Sudah update sampai bagian apa mas?

gitarja · 2019-10-12T01:16:01Z

Malam Mas @swicaksono
Apakah translasi bisa diteruskan atau bagaimana?
Terimakasih

Halo mas @gitarja.
Iya transliterasinya bisa diteruskan mas. Sudah update sampai bagian apa mas?

Yang belum yg supervised sama machine learning Mas.
Tolong yang reviews saya diresolve dan dimerge Mas

Terimakasih

swicaksono · 2019-10-12T14:38:17Z

ok mas siap

…

On Sat, Oct 12, 2019 at 9:16 AM Prasetia Utama Putra < ***@***.***> wrote: Malam Mas @swicaksono <https://github.com/swicaksono> Apakah translasi bisa diteruskan atau bagaimana? Terimakasih Halo mas @gitarja <https://github.com/gitarja>. Iya transliterasinya bisa diteruskan mas. Sudah update sampai bagian apa mas? Yang belum yg supervised sama machine learning Mas. Tolong yang reviews saya diresolve dan dimerge Mas Terimakasih — You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub <#139?email_source=notifications&email_token=AEG5X7S3OOZZUCDMTSEWQYDQOEQNNA5CNFSM4HLBBTYKYY3PNVWWK3TUL52HS4DFVREXG43VMVBW63LNMVXHJKTDN5WW2ZLOORPWSZGOEBBRSCA#issuecomment-541268232>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AEG5X7Q54I26CROXHKPCUGLQOEQNNANCNFSM4HLBBTYA> .

…nslation

GunawanTri · 2020-02-17T14:09:27Z

id/cheatsheet-deep-learning.md

+
+**8. Activation function ― Activation functions are used at the end of a hidden unit to introduce non-linear complexities to the model. Here are the most common ones:**
+
+&#10230; **8. Fungsi aktivasi - Fungsi aktivasi di unit hidden terakhir berfungsi untuk menunjukkan kompleksitas non-linear terhadap model. Beberapa yang umum digunakan:**


Fungsi aktivasi - Fungsi aktivasi digunakan oleh unit tersembunyi untuk menunjukkan kompleksitas non-linear terhadap model. Berikut beberapa model yang umum digunakan:

GunawanTri · 2020-02-17T14:09:58Z

id/cheatsheet-deep-learning.md

+
+**10. Cross-entropy loss ― In the context of neural networks, the cross-entropy loss L(z,y) is commonly used and is defined as follows:**
+
+&#10230;**10. Cross-entroy loss - Dalam konteks neural networks, cross-entroy loss L(z,y) sangat umum digunakan untuk mendefinisikan:**


Cross-entropy loss - Dalam konteks jaringan neural, cross-entropy loss L(z,y) umumnya digunakan dan didefinisikan sebagai berikut:

GunawanTri · 2020-02-17T14:36:18Z

id/cheatsheet-deep-learning.md

+
+**11. Learning rate ― The learning rate, often noted α or sometimes η, indicates at which pace the weights get updated. This can be fixed or adaptively changed. The current most popular method is called Adam, which is a method that adapts the learning rate.**
+
+&#10230;**11. Learning rate - Learning rate, sering dinotasikan sebagai α atau η, mendefinisikan seberapa cepat nilai weight diperbaharui. Learning rate bisa diset dengan nilai fix atau dirubah secara adaptif. Metode yang paling terkenal saat ini adalah Adam. Sebuah method yang merubah learning rate secara adaptif.**


Learning rate - Learning rate, sering dinyatakan dengan α atau terkadang η, menujukkan seberapa cepat nilai weight diperbarui. Laju tersebut bisa diubah atau disesuaikan. Metode paling umum saat ini adalah Adam, sebuah metode yang menyesuaikan dengan learning rate.

GunawanTri · 2020-02-17T14:53:25Z

id/cheatsheet-deep-learning.md

+
+**12. Backpropagation ― Backpropagation is a method to update the weights in the neural network by taking into account the actual output and the desired output. The derivative with respect to weight w is computed using chain rule and is of the following form:**
+
+&#10230;**12. Backpropagation - Backpropagation adalah metode untuk memperbarui bobot dalam neural networks dengan memperhitungkan output aktual dan output yang diinginkan. Bobot w dihitung dengan menggunakan aturan rantai turunan dalam bentuk berikut:**


Backprogation - Backprogation adalah sebuah metode untuk memperbarui nilai weights pada jaringan neural dengan memperhitungkan keluaran riil dan keluaran yang dikehendaki. Turunan yang berhubungan dengan nilai weight w dihitung dengan menggunakan kaidah rantai dan berbentuk sebagai berikut:

swicaksono added 27 commits April 5, 2019 22:03

Create folder id for Indonesia translation

54096cd

Delete id

f96d857

Create README.md

1c1c7ca

Update README.md

7522015

Update README.md

0bdc9d7

Add cheatsheet-deep-learning

1f08af9

Rename template/cheatsheet-machine-learning-tips-and-tricks.md to id/…

e1e4953

…cheatsheet-machine-learning-tips-and-tricks.md

Rename id/cheatsheet-machine-learning-tips-and-tricks.md to template/…

b828f96

…cheatsheet-machine-learning-tips-and-tricks.md

Translating into Bahasa Indonesia

e8141a6

Update cheatsheet-deep-learning.md

2d6b7ea

Update cheatsheet-deep-learning.md

dac448f

Update cheatsheet-deep-learning.md

1e5a359

Update cheatsheet-deep-learning.md

68b90cf

Fixing typo

1bf5e3f

Adding some files and fixing typo

597295d

Translating machine learning tips and tricks into Bahasa

344a424

Indonesia

Add translation to Bahasa Indonesia

9b4f85d

Translating some numbers into Bahasa Indonesia

f1b014d

Translating into Bahasa Indonesia

c819837

Translating cheatsheet-supervised-learning to Indonesia language.

f3f225f

Translating cheatsheet-supervised-learning

658ca3f

Translating cheatsheet supervised learning

b0fa838

Translating into Bahasa Indonesia

2916693

Translating into Indonesia Language

941c931

Translating supervised learning into Indonesia language

dbffb1a

Translate cheatsheet unspervised learning into Indonesia language

12a47ab

Translating cheatsheet unspervised learning into Indonesia

c07c746

gitarja reviewed May 25, 2019

View reviewed changes

shervinea added the reviewer wanted Looking for a reviewer label May 29, 2019

Delete deep-learning-tips-and-tricks.md

625b6b6

shervinea added 4 commits May 29, 2019 00:31

Delete convolutional-neural-networks.md

9b578a9

Delete recurrent-neural-networks.md

981c088

Delete refresher-linear-algebra.md

ebe5952

Delete refresher-probability.md

1666ef9

swicaksono added 3 commits October 19, 2019 21:25

review unspervised learning

80e9009

Merge branch 'master' of https://github.com/swicaksono/cheatsheet-tra…

252530a

…nslation

review cheatsheet-unsupervised-learning

303057c

GunawanTri suggested changes Feb 17, 2020

View reviewed changes

shervinea changed the title ~~[id] Unsupervised learning~~ [id] cs-229-unsupervised-learning Oct 6, 2020

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

[id] cs-229-unsupervised-learning #139

[id] cs-229-unsupervised-learning #139

swicaksono commented May 6, 2019

gitarja left a comment

gitarja May 25, 2019

gitarja May 25, 2019

gitarja May 25, 2019

gitarja May 25, 2019

gitarja May 25, 2019

gitarja May 25, 2019

gitarja May 25, 2019

gitarja May 25, 2019

shervinea commented May 29, 2019

gitarja commented Oct 10, 2019

swicaksono commented Oct 11, 2019

gitarja commented Oct 12, 2019

swicaksono commented Oct 12, 2019 via email

GunawanTri Feb 17, 2020

GunawanTri Feb 17, 2020

GunawanTri Feb 17, 2020

GunawanTri Feb 17, 2020


		8. Activation function ― Activation functions are used at the end of a hidden unit to introduce non-linear complexities to the model. Here are the most common ones:

		⟶ 8. Fungsi aktivasi - Fungsi aktivasi di unit hidden terakhir berfungsi untuk menunjukkan kompleksitas non-linear terhadap model. Beberapa yang umum digunakan:


		10. Cross-entropy loss ― In the context of neural networks, the cross-entropy loss L(z,y) is commonly used and is defined as follows:

		⟶10. Cross-entroy loss - Dalam konteks neural networks, cross-entroy loss L(z,y) sangat umum digunakan untuk mendefinisikan:


		11. Learning rate ― The learning rate, often noted α or sometimes η, indicates at which pace the weights get updated. This can be fixed or adaptively changed. The current most popular method is called Adam, which is a method that adapts the learning rate.

		⟶11. Learning rate - Learning rate, sering dinotasikan sebagai α atau η, mendefinisikan seberapa cepat nilai weight diperbaharui. Learning rate bisa diset dengan nilai fix atau dirubah secara adaptif. Metode yang paling terkenal saat ini adalah Adam. Sebuah method yang merubah learning rate secara adaptif.


		12. Backpropagation ― Backpropagation is a method to update the weights in the neural network by taking into account the actual output and the desired output. The derivative with respect to weight w is computed using chain rule and is of the following form:

		⟶12. Backpropagation - Backpropagation adalah metode untuk memperbarui bobot dalam neural networks dengan memperhitungkan output aktual dan output yang diinginkan. Bobot w dihitung dengan menggunakan aturan rantai turunan dalam bentuk berikut:

[id] cs-229-unsupervised-learning #139

Are you sure you want to change the base?

[id] cs-229-unsupervised-learning #139

Conversation

swicaksono commented May 6, 2019

gitarja left a comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

shervinea commented May 29, 2019

gitarja commented Oct 10, 2019

swicaksono commented Oct 11, 2019

gitarja commented Oct 12, 2019

swicaksono commented Oct 12, 2019 via email

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment