Modul 5: Computer Vision & NLP

Gambar = grid angka. CNN (convolutional neural network) menggeser filter kecil ke seluruh gambar untuk menangkap pola lokal — garis, tekstur, lalu bentuk — dan pooling memadatkannya. Tugas klasik: klasifikasi (apa ini?), deteksi (di mana objeknya?), segmentasi (piksel mana milik objek?).

Teks tidak bisa dimasukkan mentah ke model. Tokenisasi memecah teks jadi unit (token), embedding mengubah tiap token jadi vektor yang 'bermakna' — kata mirip bermakna dekat di ruang vektor. Dua langkah ini fondasi semua pemrosesan bahasa modern.

# intuisi embedding: kata mirip = vektor dekat
vec = {'kucing': [0.9, 0.1], 'anjing': [0.85, 0.15], 'mobil': [0.1, 0.9]}
def dekat(a, b):
    return sum((x - y) ** 2 for x, y in zip(vec[a], vec[b])) ** 0.5
print(round(dekat('kucing', 'anjing'), 2), '|', round(dekat('kucing', 'mobil'), 2))

Output:
0.07 | 1.13

Tugas NLP yang perlu dikenal: klasifikasi teks (sentimen), NER (kenali entitas), question answering, summarization, dan machine translation. Semuanya kini biasanya dikerjakan model berbasis Transformer — yang kita bedah di modul berikutnya.