Info Komputer

5 Library Python Teratas untuk Machine Learning dan Data Science

Untuk bidang Ilmu Data dan Pembelajaran Mesin, Python adalah prioritasnya. Ilmu Data dan Pembelajaran Mesin adalah masa depan teknologi, begitu pula Python. Kami terus-menerus berurusan dengan fitur-fitur yang dibangun di atas AI dan Pembelajaran Mesin. Kami tidak mengetahui hal sperti Google Voice Search atau Google Foto Netflix, Uber, Instacart, Rekomendasi amazon. Saat ini sebagian besar organisasi besar berinvestasi dalam AI dan ML. Sebagai pengembang python, Anda perlu mengetahui pustaka teratas yang disediakan python untuk AI, ML, dan Ilmu Data. Mari beralih ke 5 perpustakaan dan ikhtisar python teratas.

  1. TensorFlow
  2. Numpy
  3. Panda
  4. Matplotlib
  5. SciKit-Learn
  6. Keras

1. TensorFlow:

Perpustakaan python yang kuat ini dikembangkan oleh Google bekerja sama dengan Brain Team. Aplikasi Google Machine Learning memiliki banyak fitur di TensorFlow. Jaringan neural dapat dengan mudah diekspresikan sebagai grafik komputasi sehingga TensorFlow dapat mengimplementasikannya menggunakan operasi tensor. Tensor adalah matriks berdimensi-N yang merepresentasikan data. Ia melakukan operasi aljabar linier dengan cepat menggunakan teknik XLA. Anda harus menginstal pustaka TensorFlow terlebih dahulu untuk python. Kemudian Anda dapat melakukan operasi pada array. Di bawah ini adalah potongan kode sederhana untuk menunjukkan perkalian dua array. Pertama, Anda harus menginisialisasi dua variabel untuk penyimpanan array menggunakan Constant () dan meneruskan array sebagai argumen yang ingin Anda kalkulasi.

impor tensorflow sebagai tf
arr1 = tf.constant ([10,20,30,40]) # array 1 berisi 10,20,30,40
arr2 = tf.constant ([1,2,3,4]) # array 2 berisi 1,2,3,4
# sekarang kalikan kedua larik menggunakan tensorflow
multiplyOutput = tf.multiply (arr1, arr2)
# sekarang jika Anda ingin menampilkan hasil, Anda harus menginisialisasi sesi
# Inisialisasi Sesi
sessnew = tf.Session ()
# Sekarang cetak hasil multiplyOutput
cetak (sessnew.run (multiplyOutput))
# Sekarang Anda harus menutup sesi
sessnew.close ()
Keluaran:
[10,40,90,160]

Kita bisa memasukkan data menggunakan TensorFlow. Kemudian beberapa plotting dapat dilakukan. Kemudian kita dapat memasukkan data ke dalam mesin untuk pemodelan. Hal terbaiknya adalah Kami dapat memvisualisasikan setiap bagian grafik menggunakan TensorFlow yang tidak tersedia di Numpy atau SciKit. Pencarian Suara Google atau Foto Google adalah aplikasi TensorFlow.

2. Numpy:

Numpy adalah pustaka python yang populer dan blok bangunan dasar pembelajaran mesin. Ini menangani perhitungan matriks. TensorFlow dan library python lainnya menggunakan Numpy secara internal sehingga Numpy wajib dipelajari. Numpy adalah Array Interface, satu dimensi atau N-dimensional. Numpy digunakan untuk mengekspresikan gambar, suara, video, atau aliran mentah biner lainnya dalam bentuk larik bilangan real dimensi-N.

Di bawah ini adalah potongan kode untuk mendeklarasikan array Numpy kosong:

impor numpy sebagai npy
arr_one = npy.array ([])
jenis (arr_one)
Keluaran:
numpy.ndarray

Anda dapat menggunakan kode di bawah ini untuk membuat array satu dimensi:

larik_onedim = npy.array ([1, 2, 3, 4, 5])
print (array_onedim.ndim) # atribut ndim menampilkan dimensi dari sebuah array
print (array_onedim.size) # atribut ukuran menampilkan panjang array
Keluaran:
1
5

Ada satu cara lagi untuk membuat array menggunakan arange (). Larik setelah dibuat, dapat dibentuk ulang ke dimensi lain juga. Misalnya, Anda memiliki larik satu dimensi dari 10 elemen. Itu dapat diubah menjadi larik 2 dimensi yaitu 5 elemen dalam satu baris dan 5 elemen lainnya di baris kedua. Ini adalah bagaimana perluasan dilakukan dalam array NumPy. Pustaka python ini berguna dalam penghitungan waktu nyata. Di sini hanya sedikit Data yang hilang. Tetapi tetap saja, penghitungan perlu dilakukan sehingga kami memperluas data yang ada dan melanjutkan.

print (npy.arange (2, 12))
npy.arange (2,12) .reshape (2, 5) # 1 dimensi array dibentuk ulang menjadi 2 dimensi.
Keluaran:
[2 3 4 5 6 7 8 9 10 11]
larik ([[2, 3, 4, 5, 6],
[7, 8, 9, 10, 11]])

Sekarang array yang dibentuk ulang dapat diratakan juga. Ini berarti kita akan mengubahnya kembali menjadi array satu dimensi. Kode di bawah ini adalah contoh untuk itu.

npy.arange (2,12) .reshape (2, 5) .ravel ()
Keluaran:
larik ([2, 3, 4, 5, 6, 7, 8, 9, 10, 11])

Karena Numpy bekerja pada Matrix, mudah bagi mesin untuk memahaminya. Tapi, bagi manusia, ini menjadi sedikit rumit, jadi jawabannya adalah Panda.

3. Panda:

Pustaka python ini paling populer untuk manipulasi dan analisis data. Sebelum Anda mulai melatih mesin dalam ML, kumpulan data harus disiapkan. Jadi, panda berguna dalam ekstraksi dan manipulasi data seperti pemfilteran, pengelompokan, penggabungan, pengisian data yang hilang. Panda tidak terkait langsung dengan ML, tetapi penting untuk persiapan data sebelum ML. Data disimpan dalam bentuk Data Frames di pustaka python ini.

Struktur data berlabel 2 dimensi disebut Bingkai Data. Mari kita lihat bagaimana kita dapat membuat bingkai data di panda:

#Menyimpan nama siswa dan nilainya masing-masing dalam mata pelajaran yang berbeda
impor panda sebagai pd
name = [“Shia”, “George”, “Pinket”, “Mia”, “Ruby”, “Anthony”]
matematika = [99, 58, 30, 40, 70, 77]
Inggris = [78, 67, 34, 33, 32, 21]
sains = [20, 50, 55, 43, 78, 87]

# Sekarang membuat bingkai data hasil yang akan menampung semua data dalam bentuk tabel.
result = pd.DataFrame ({
“Nama”: nama,
“Matematika”: matematika,
“Inggris”: inggris,
“Sains”: sains
})
cetak (hasil)
Output akan ditampilkan seperti gambar di bawah ini.

Setelah kumpulan data Anda siap, Anda dapat menganalisisnya lebih lanjut dengan menggunakan grafik atau bagan. Anda juga dapat membuat model untuk Mesin. Jadi untuk visualisasi data, kami memiliki Matplotlib dan untuk pembuatan model, kami memiliki pustaka python Scikit-Learn.

4. Matplotlib:

Perpustakaan python ini untuk Visualisasi Data. Kita dapat membuat diagram batang, diagram lingkaran, grafik tersebar, histogram yang digunakan untuk menganalisis tren, pola pengambilan keputusan. Keputusan dapat diambil oleh bisnis berdasarkan visualisasi kumpulan data. Misalnya, diagram lingkaran untuk penjualan produk dapat menampilkan persentase kategori seperti pria, wanita, dan lansia. Sehingga sebuah bisnis dapat melihat bahwa produknya populer dikalangan pria atau wanita. Di bawah ini adalah kode contoh untuk menghasilkan plot pencar.

impor matplotlib.pyplot sebagai pt
pt.plot ([1, 2, 3, 4], [10, 20, 25, 30], color = ‘lightblue’, linewidth = 5)
pt.scatter ([0.3, 3.2, 1.4, 2.8], [11, 23, 9, 28], color = ‘darkgreen’, marker = ‘^’)
pt.xlim (0,5, 4,5)
cetak (pt.show ())
Output akan ditampilkan seperti gambar di bawah ini.

5. SciKit-Learn:

Pustaka python ini untuk pembelajaran Mesin mendalam yang menyediakan Algoritme Pembelajaran yang Diawasi dan Tidak Diawasi. Perpustakaan ini berfokus pada pembangunan model. Perpustakaan ini memiliki banyak fitur untuk membangun model. Misalnya, jika Anda membuat model linier, Anda dapat mengimpor LogisticRegression dari sklearn.linear_model. Ada banyak lainnya seperti DecisionTreeClassifier dari sklearn.tree, RandomForestClassifier dari sklearn.ensemble yang berguna dalam pustaka python ini.

Bonus – Keras:

Ini adalah library Machine Learning yang sangat populer untuk Python. API jaringan neural ini dapat berjalan di atas TensorFlow, CNTK, atau Theano. Keras dapat berjalan dengan mudah di CPU dan GPU. Keras bagus untuk pemula ML untuk membangun dan mendesain Jaringan Neural. Pembuatan prototipe yang mudah dan cepat disediakan oleh pustaka Keras python. Kami tidak sadar tetapi kami menggunakan Keras setiap hari melalui program populer mis. Netflix, Uber, Yelp, Instacart, Zocdoc, Square. Keras mudah untuk di-debug karena merupakan kerangka kerja yang sepenuhnya berbasis Python.

Python juga menyediakan banyak pustaka ML. Ini termasuk SciPy, PyTorch, Theano, LightGBM, Eli5, dan NLTK selain pustaka teratas yang telah kita bahas di sini. Jika Anda menyukai Ilmu Data atau area Pembelajaran Mesin, daftar pustaka Python terbaik di atas akan membantu Anda untuk memulai. Python dengan Data Science dan ML adalah konsep yang menarik. Saya harap artikel ini akan membangkitkan minat Anda pada Python. Kami perlu lebih mendalami Ilmu Data sebelum beralih ke ML. Saya yakin Anda ingin tahu lebih banyak tentang pustaka Python di artikel selanjutnya.

Terus jelajahi dan pelajari!…

Berapa Banyak Belajar Pemrograman Python yang Cukup untuk Mulai Belajar Data Science?

Apakah Anda tertarik dengan Ilmu Data tetapi tidak yakin apakah Anda bisa berhasil karena Anda tidak memiliki pengalaman pemrograman? Atau Tidak yakin berapa banyak pemrograman yang cukup untuk memulai?
Jangan khawatir! Pada artikel ini, saya akan menjelaskan konsep dasar pemrograman python yang diperlukan untuk memulai perjalanan Anda dalam mempelajari Ilmu Data. Bahkan jika Anda tidak memilih python untuk mempelajari Ilmu Data, topiknya tetap sama.

Menyiapkan Lingkungan

Langkah pertama adalah mengatur lingkungan yang benar, untuk mempelajari python yang terbaik adalah menginstal Anaconda. Ada beberapa keuntungan dalam menggunakan Anaconda.

  • Muncul dengan Jupyter Notebook dan Spyder IDEs
  • Anda memiliki opsi untuk mengakses IDE melalui Command Prompt atau menggunakan Navigator (berbasis UI)
  • Ini memiliki lebih dari 1500 paket ilmu data
  • Sangat mudah dan cepat untuk menyiapkan dan memulai
  • Mudah untuk membuat banyak lingkungan, fitur ini sangat berguna ketika Anda mengerjakan banyak proyek. Dengan ketergantungan kontras yang berbeda pada pustaka

Instal Anaconda dari sini. Anda dapat memulai dengan Anaconda menggunakan tautan di sini, ini akan mencakup semua perintah dan fitur dasar. Jika Anda lebih suka video, saya telah membuat video tentang memulai dengan Anaconda, lihat di bawah ini:

Sebelum memulai dengan topik apa pun, cobalah membiasakan diri dengan IDE yang akan Anda kerjakan. Hal-hal sederhana seperti memulai IDE, mematikan IDE, membersihkan memori, menjalankan skrip, dan sebagainya.

Variabel dan Jenis Data String

Pada pemasangan alat yang berhasil, langkah selanjutnya adalah mengetahui tentang mendeklarasikan variabel. Dan mempelajari lebih lanjut tentang tipe data string dan operasi yang dapat dilakukan pada tipe data string.
Penting untuk memahami bagaimana tipe data string bekerja dengan python. Tipe data string dalam Python dianggap sebagai array karakter. Dan karakter string dapat diakses menggunakan tanda kurung siku dengan menentukan indeks

Beberapa operasi string yang harus Anda pahami adalah

  • Replace () – Digunakan untuk mengganti nilai tertentu dalam string dengan nilai baru
  • Split () – Digunakan untuk membagi string menjadi 2 bagian atau lebih berdasarkan pemisah
  • Concatenation – Operator plus digunakan untuk menggabungkan sejumlah string
  • Trim () – Digunakan untuk menghapus spasi ekstra sebelum dan sesudah string
  • Lower () dan Upper () – Digunakan untuk mengubah huruf besar/kecil. Baik huruf besar ke huruf kecil atau dari huruf kecil ke huruf besar
  • Penggunaan Indeks untuk memfilter subset string
  • Gunakan ‘IN’ dan ‘NOT’ untuk memeriksa ada/tidaknya frase dalam string

Numerik, Boolean, dan Operator

Pelajari tentang tiga tipe data numerik dalam python – Integer, Float, dan Complex. Juga tentang metode untuk mengubah data dari satu format numerik ke format numerik lainnya. Fan bagaimana hal itu akan tercermin dalam data seperti itu. Misalnya, tentukan integer, ubah menjadi float dan periksa apa yang terjadi pada nilainya.
Boolean mewakili True atau False. Mereka umumnya digunakan untuk mengevaluasi ekspresi / kondisi seperti Apakah A> B?
Datang ke Operator, mereka digunakan untuk melakukan operasi antara variabel atau nilai atau kombinasi dari variabel dan nilai. Beberapa operator yang tersedia dengan python adalah,

  • Operator Penugasan
  • Operator Perbandingan
  • Operator Aritmatika
  • Operator Logis
  • Operator Bitwise
  • Operator Identitas dan Keanggotaan

Tipe Data Koleksi (Daftar, Tuple, Set, dan Kamus)

Ada empat tipe data koleksi di python. Semua tipe data ini mungkin terlihat sangat mirip satu sama lain untuk pemula. Tetapi masing-masing memiliki fitur unik yang membedakannya dari yang lain dan membuatnya khusus untuk kasus penggunaan tertentu. Beberapa karakteristik unik mereka adalah,

Daftar

  • Menyatakan menggunakan tanda kurung ‘[‘ dan ‘]’
  • Elemen dapat diakses menggunakan Indeks
  • Mereka bisa berubah, yang berarti mereka bisa diubah / diubah
  • Mereka bisa disortir
  • Elemen daftar dapat berupa tipe data apa pun
  • Kasus penggunaan: Ini adalah tipe data pengumpulan yang paling populer di python karena memberikan lebih banyak fleksibilitas.

Tuple

  • Menyatakan menggunakan tanda kurung ‘(‘ dan ‘)’
  • Tupel tidak dapat diubah, yang berarti bahwa mereka tidak dapat diubah setelah ditentukan
  • Mereka dipesan, dapat diakses menggunakan indeks
  • Tuple jauh lebih cepat daripada daftar
  • Elemen Tuple dapat berupa tipe data apa pun
  • Kasus penggunaan: Ini harus digunakan dalam skenario di mana daftar elemen tidak dapat atau tidak boleh diubah

Set

  • Menyatakan menggunakan tanda kurung ‘{‘ dan ‘}’
  • Mereka Bisa Berubah
  • Ini tidak diurutkan dan tidak memiliki indeks untuk mengakses elemen tertentu sehingga tidak dapat memiliki duplikat
  • Meskipun kumpulan itu sendiri bisa berubah, mereka tidak bisa memiliki elemen yang bisa berubah. Seperti ‘daftar tidak bisa menjadi elemen dalam kumpulan’
  • Keistimewaan dari satu set adalah mereka mengizinkan operasi seperti Union dan Intersection
  • Kasus penggunaan: Jika ada persyaratan untuk membandingkan berbagai daftar nilai seperti mengidentifikasi jumlah elemen yang sama. Maka yang terbaik adalah mendefinisikannya sebagai satu set

Kamus

  • Menyatakan menggunakan tanda kurung ‘{‘ dan ‘}’
  • Elemen disimpan sebagai pasangan Nilai-Kunci yang mirip dengan format JSON
  • Mereka bisa berubah
  • Mereka tidak berurutan tetapi elemen-elemennya dapat diakses menggunakan Key
  • Kasus penggunaan: Jika Anda ingin memiliki pemetaan antara kunci dan nilai. Seperti nomor kontak yang dikaitkan dengan pelanggan, lebih baik mendeklarasikannya sebagai kamus. Juga, tipe data kamus dapat digunakan untuk menyimpan banyak struktur data yang kompleks

Pernyataan Aliran Bersyarat (If-Then-Else) dan Kontrol (For and While Loop)

Implementasi ini harus diketahui dengan python. Seperti dalam proyek Ilmu Data, akan ada kasus penggunaan yang mengharuskan kita untuk mengulang. Melalui Daftar Item atau bingkai data yang kita perlukan untuk mengimplementasikan fungsi Loop. Demikian pula, selalu ada persyaratan untuk memeriksa suatu kondisi. Oleh karena itu pelajari penerapan python di bawah ini

  • If-Then-Else
  • For Loop
  • While Loop

Untuk orang yang sangat baru dalam pemrograman, perbedaan mendasar antara ‘For Loop’ dan ‘While Loop’ adalah ‘For Loop’. Akan mengulang melalui daftar elemen tertentu dan di sini variabel akan diinisialisasi, diperiksa. Dan bertambah secara otomatis sementara dalam kasus ‘While Loop’. Itu akan iterasi sampai kondisi yang ditentukan dalam While Loop terpenuhi juga inisialisasi dan incrementation perlu disebutkan secara eksplisit. Lebih baik menggunakan ‘Untuk Loop’ ketika kita yakin tentang jumlah iterasi. Dalam kasus ‘While Loop’ jika Anda melewatkan penyebutan pernyataan increment di dalam loop maka itu akan menjadi loop tak terbatas.

Fungsi dan Fungsi Lambda

Fungsi digunakan untuk menghindari pengulangan kode, untuk mengurangi kompleksitas, dan untuk meningkatkan keterbacaan. Fungsi dalam python didefinisikan menggunakan ‘def’ dan biasanya akan diakhiri dengan pernyataan ‘return’. Ketika sekumpulan pernyataan perlu dieksekusi beberapa kali di bagian yang berbeda dalam proyek. Maka akan lebih baik untuk mendefinisikannya sebagai fungsi dan memanggilnya ketika diperlukan. Fungsi dapat mengambil sejumlah argumen sebagai masukan dan saat memanggil fungsi. Argumen angka harus sama persis, yaitu jika fungsi mengharapkan 2 argumen maka saat memanggil fungsi. Kita perlu melewatkan dua argumen tidak lebih dan tidak kurang.

Fungsi Lambda mirip dengan fungsi yang dapat menerima argumen apa pun tetapi hanya memiliki satu ekspresi. Tidak seperti fungsi, fungsi lambda bisa tetap anonim. Dalam kasus fungsi lambda, kata kunci ‘lambda’ akan digunakan dan sintaksnya adalah ‘argumen lambda: ekspresi’.

Konsep dasar ini hanya cukup untuk memulai Pembelajaran Sains Data. Jika Anda menyukai video tutorial, lihat seri video yang saya buat dengan python dasar yang diperlukan untuk Ilmu Data. Masing-masing memiliki 7 modul sekitar 20–30 menit dengan latihan latihan untuk dicoba di akhir setiap modul. Dan total panjang tutorialnya adalah hanya kurang dari 3 jam. Di bawah ini adalah tautan ke seri tutorial dasar python. Silakan berlangganan untuk lebih banyak konten yang berkaitan dengan Ilmu Data.

Pernyataan Akhir

Ini hanyalah awal dari perjalanan pemrograman Anda. Konsep ini akan sangat berguna untuk memulai Ilmu Data dan juga dapat membantu memecahkan hambatan belajar Anda. Ingatlah untuk melanjutkan perjalanan belajar Anda.

“Pertumbuhan intelektual harus dimulai saat lahir dan berhenti hanya saat kematian”
-Albert Einstein

Microsoft Baru saja Meluncurkan Notebook Murah

Lebih murah, ditambah chip yang lebih cepat

Microsoft telah meluncurkan versi yang lebih murah dari notebook populer Windows 10 PC. Laptop tersebut diberi nama Surface Laptop Go, bersama dengan tablet Surface Pro X yang lebih cepat.

Diumumkan melalui acara pers, Surface Laptop Go adalah versi Surface Laptop 3 yang lebih kecil, lebih ringan, dan lebih murah. Microsoft berupaya menawarkan pengalaman Windows 10 premium yang sama. Namun dijual dengan harga yang lebih murah, yaitu berharga £ 549,99 di Inggris atau $549,99 di AS.

Laptop Go memiliki layar 12,4 inci yang lebih kecil tetapi terlihat seperti Laptop 3. Ini memiliki keyboard ukuran yang sama dan trackpad presisi yang besar. Laptop Go juga memiliki webcam HD 720p dan sepasang mikrofon berkualitas studio untuk panggilan video yang lebih baik. Menurut klaim Microsoft, penawaran tersebut jarang terjadi pada mesin sekelas ini.

Dibekali prosesor Intel Core i5 generasi ke-10 dengan RAM 4 atau 8GB dan pilihan opsi penyimpanan. Ditenagai baterai yang tahan 13 jam dan pengisian cepat. Memiliki pilihan port yang sama dengan saudara kandungnya yang lebih besar. Port tersebut berupa satu port USB-C, satu port USB-A tradisional, soket headphone, dan soket Surface Connect untuk daya dan konektivitas. Laptop Go juga mendukung standar wifi 6 dan Bluetooth 5 terbaru.

Satu hal yang kurang dari Laptop Go adalah kamera pengenal wajah Windows Hello Laptop 3. Sebagai gantinya, laptop ini memiliki sensor sidik jari yang terpasang di tombol daya pada model tertentu.

Tablet Surface Pro X yang lebih cepat

Bersamaan dengan Laptop Go, Microsoft juga meluncurkan pembaruan untuk tablet Surface Pro X berbasis ARM mulai tahun 2019. PC konvertibel yang diperbarui mendapatkan prosesor Microsoft SQ2 baru yang lebih cepat dan hadir dalam warna platinum baru. Tablet Surface Pro X seharga £ 1.549 di Inggris atau $1499,99 di Amerika.

Perangkat ini memiliki layar sentuh 13 inci dengan aspek rasio 3:2 dan resolusi 2880×1920. Dilansir dari GSMArena,perangkat ini dikemas ke dalam desain baru. Diklaim Microsoft sebagai yang tertipis untuk Surface pro sambil tetap mempertahankan kickstand yang khas.

Surface Pro X menawarkan pilihan memori LPDDR4x 8GB dan 16GB. Di bagian depan penyimpanan, konsumen mendapatkan pilihan 128, 256 dan 512GB SSD M. 2 2230 yang dapat dilepas. Surface Pro X memiliki kamera depan 5MP untuk video 1080p dan juga kamera terpisah untuk otentikasi wajah Windows Hello. Di bagian belakang ada kamera 10MP untuk merekam video hingga 4K. Ada juga mikrofon jarak jauh ganda, serta speaker stereo 2W dengan Dolby Audio.

Terdapat 2x port USB-C, port Surface Connect. Gigabit LTE dengan dukungan nano SIM dan eSIM, A-GPS, Wi Fi 802.11ac dan Bluetooth 5.0 di perangkat ini.

Microsoft juga mengatakan telah memperbaiki salah satu kekurangan dari sistem berbasis ARM yang baru. Basis ARM yang baru mendukung aplikasi Windows tradisional yang jauh lebih luas melalui emulasi x64. Surface Pro X kompatibel dengan keyboard Surface Pro X dari tahun lalu (dijual terpisah $104). Hal yang sama berlaku untuk Surface Slim Pen, yang harganya $145 .

Surface Laptop Go dan Surface Pro X  akan miulai dikirimkan pada 13 Oktober di AS dan 27 Oktober di Inggris.

Harga Surface Pro X

Surface Pro X yang diperbarui ini tersedia untuk praorder hari ini. Mulai dari $1.499, dan akan mulai dikirimkan pada 13 Oktober di AS. Sekarang ada empat model Pro X yang tersedia untuk konsumen:

Surface Pro X – Prosesor SQ1, RAM 8 GB, penyimpanan SSD 128 GB: $999
Surface Pro X – Prosesor SQ1, RAM 8 GB, penyimpanan SSD 256 GB: $1.299
Surface Pro X – Prosesor SQ2, RAM 16 GB, penyimpanan SSD 256 GB: $1.499
Surface Pro X – Prosesor SQ2, RAM 16 GB, penyimpanan SSD 512 GB: $1.799

Microsoft menantang Apple dengan Surface Laptop Go seharga $549

Kemunculan Microsoft mengumumkan Surface Laptop Go baru, laptop 12,4 inci seakan menantang Apple. Laptop Windows 10 yang tepat dengan tampilan yang bagus, prosesor Intel Core i5 yang cepat, dan desain yang elegan. Notebook ini juga memiliki keyboard ukuran penuh dan trackpad presisi yang besar. Berita utamanya adalah Surface Laptop Go dibandrol $549, menjadipilihan bagus untuk siswa atau siapa saja dengan budget terbatas. Bersamaan dengan Surface Laptop Go, Microsoft juga mengumumkan tablet Surface Pro X berbasis ARM yang diperbarui. Premium 2-in-1 hadir dengan prosesor kustom Microsoft SQ2 baru yang lebih cepat. Mulai dari $999, Surface Pro X ditujukan untuk menyaingi Apple iPad Pro.…

Laptop Gaming Asus Terbaik Tahun 2020

Ini adalah laptop gaming terbaik yang ditawarkan Asus

Laptop gaming Asus terbaik ideal untuk para gamer kasual dan hard-core yang mencari game portabel yang menyeimbangkan kekuatan dan keterjangkauan. Dengan begitu banyak laptop gaming bertenaga yang menghabiskan banyak biaya akhir-akhir ini, penawaran Asus adalah perubahan yang disambut baik. Memberi Anda pilihan yang terjangkau tanpa mengorbankan kinerja.

Baik itu game PC yang paling menuntut yang Anda mainkan atau judul yang lebih lama yang benar-benar klasik. Laptop gaming Asus terbaik akan membantu Anda membunuh lawan dan bahkan mencapai puncak papan peringkat. Dan, itu sekaligus memberi Anda tampilan yang cantik atau cepat dan bahkan build yang ramping untuk boot.

Kami menguji sendiri banyak dari laptop ini, jadi kami pikir kami akan mengumpulkan laptop gaming Asus terbaik. Yang telah kami uji dan membantu Anda menemukan yang terbaik untuk kebutuhan Anda. Mana pun yang Anda pilih dalam daftar ini akan bernilai investasi. Sebelum Anda menekan tombol beli, periksa juga alat perbandingan harga kami, sehingga Anda bisa mendapatkan penawaran terbaik yang tersedia.

1. Asus Zephyrus G14

Memimpin pengaruh AMD pada dominasi seluler

CPU: AMD Ryzen 7 4800HS | Graphics: NVIDIA GeForce GTX 1660 Ti — RTX 2060 | RAM: Up to 32GB | Screen: 14-inch Non-glare Full HD (1920 x 1080) IPS-level panel, up to 120Hz – 14-inch Non-glare WQHD (2560 x 1440) IPS-level panel, 60Hz | Storage: 512GB / 1TB M.2 NVMe PCIe 3.0

(+) Masa pakai baterai terbaik di laptop gaming
(+) Performa luar biasa
(+) Tipis dan ringan
(-) Tidak ada Webcam
(-) Kipas bisa menjadi keras

dirancang seperti laptop game, tetapi ini membuktikan dirinya sebagai laptop serba guna yang lebih dari sekadar mampu. Baik Anda serius dengan permainan Anda atau membutuhkan laptop yang kuat untuk produktivitas atau pembuatan konten. Laptop Asus ini memberikan kinerja yang luar biasa serta masa pakai baterai yang luar biasa, layar yang cepat. Dan sasis yang tipis dan ringan yang membuatnya sangat portabel. Ini bukan pilihan termurah di luar sana, tetapi Anda harus membayar mahal untuk kualitas. Dan, jika Anda adalah penggemar AMD, Anda pasti akan menghargai prosesor di balik kapnya.

2. Asus ROG Zephyrus S GX701

Kekuatan dalam gaya

CPU: Intel Core i7 | Graphics: Nvidia GeForce RTX 2060 (6GB GDDR6 VRAM) – Nvidia GeForce RTX 2080 Max-Q (8GB GDDR6 VRAM) | RAM: 8-24GB | Screen: 17.3-inch FHD (1,920 x 1,080) 144Hz panel with G-Sync | Storage: 512GB – 1TB M.2 PCIe x4 SSD

(+) Performa bagus
(+) Tipis dan ringan
(-) Mahal

Jika Anda sering bepergian, tetapi tidak ingin lepas dari game PC terbaik saat melakukannya. Menemukan laptop gaming Asus yang tipis dan ringan seperti Asus ROG Zephyrus S GX701 adalah mimpi yang menjadi kenyataan. Mengguncang Nvidia GeForce RTX 2080, tidak ada game AAA di luar sana yang tidak dapat dijangkau. Plus, ini sangat tipis, ringan, dan bergaya sehingga Anda pasti ingin membawanya ke mana pun Anda pergi.

3. Asus ROG Zephyrus S GX531GX

Laptop Windows terbaik untuk komputasi kelas berat

CPU: Intel Core i7-8750H | Graphics: Nvidia GeForce RTX 2080 (Max-Q) | RAM: Up to 24GB | Screen: 15.6-inch 1920 x 1080 IPS, 144Hz | Storage: 1TB SSD – 512GB/1TB SSD

(+) Sangat portabel
(+) Performa luar biasa
(+) Solusi pendinginan inovatif
(-) Harga

Mungkin Anda tidak mencari workstation lengkap. Tetapi lebih memilih notebook yang menjalankan Windows 10 Pro yang dapat memotong tugas komputasi kelas berat. Namun sebenarnya dirancang untuk menjadi mesin yang sangat mumpuni untuk bermain game? Maka tidak terlihat lagi dari laptop Asus Zephyrus ini.

GX531GX hadir dengan mengemas CPU enam inti Intel Core i7-8750H yang didukung dengan grafis Nvidia RTX 2080 Max-Q. Itu juga dapat menjejalkan RAM sistem hingga 24GB. Namun notebook ini juga sangat ramping dan portabel tentu saja, teknologi Max-Q Nvidia membantu di sana.

Dengan semua kekuatan ini di ujung jari Anda, Anda dapat menangani tugas-tugas komputasi kelas berat seperti pengeditan video. Dan bersantai memainkan penembak terbaru dan terhebat saat semua pekerjaan selesai. Namun, seperti yang selalu terjadi ketika kinerja tinggi memenuhi portabilitas, Anda akan membayar harga yang diminta.

4. Asus TUF A15

Raja game baru yang terjangkau

CPU: AMD Ryzen 5 4600H – 7 4800H | Graphics: NVIDIA GeForce GTX 1660 Ti — RTX 2060 | RAM: Up to 32GB | Screen: 15.6″ (16:9) FHD (1920×1080) 60Hz – 144Hz Anti-Glare IPS-level Panel | Storage: 1TB HDD + 256GB/512GB/1TB SSD

(+) Performa 1080p yang bagus
(+) Prosesor AMD baru
(+) Masa pakai baterai yang sangat baik
(-) Kipas bising
(-) Desain tidak cocok untuk semua orang

Gamer yang berpikiran anggaran memiliki opsi luar biasa lainnya di tangan mereka. Meskipun label harga Asus TUF A15 tidak terlalu murah di ruang bawah tanah. Ini adalah salah satu laptop gaming Asus terbaik bagi mereka yang dapat mengurangi anggaran mereka sedikit demi kinerja. Laptop ini mempromosikan tidak hanya tampilan yang sangat baik dengan opsi kecepatan refresh 144Hz dan masa pakai baterai yang fantastis. Tetapi juga chip terbaru AMD dan kartu grafis terbaik Nvidia untuk bermain game dengan anggaran dan lingkup kelas menengah. Laptop gaming ini tidak akan pernah bersaing dengan yang paling kuat di luar sana. Tetapi ini adalah nilai yang sangat baik bagi para gamer yang tidak terlalu peduli.

5. Asus ROG Strix GL502

Laptop gaming yang lebih terjangkau dari Asus

CPU: Intel Core i7 | Graphics: Nvidia GeForce GTX 1060 – 1070 | RAM: 16GB DDR4 | Screen: 15.6-inch full HD 1,920 x 1,080 IPS | Storage: 128GB – 256GB SSD, 1TB HDD

(+) Game Rocks Full HD
(+) Layar yang sangat hidup
(-) Masa pakai baterai yang lumayan

Sementara Asus ROG Zephyrus S GX701 tidak diragukan lagi adalah laptop gaming terbaik. Yang pernah dibuat Asus, harganya yang tinggi berarti tidak untuk semua orang. Untungnya, ada sejumlah laptop gaming Asus yang lebih terjangkau. Ambil contoh Asus ROG Strix GL502, yang menawarkan performa luar biasa pada 1080p.

6. Asus ROG G703

A thicc boi

CPU: Intel Core i7-i9 | Grafik: Nvidia GeForce RTX 2080 (8GB GDDR6 VRAM) | RAM: 8-24 GB | Layar: Panel 144Hz FHD 17,3 inci (1.920 x 1.080) dengan G-Sync | Penyimpanan: 256GB – 512GB M.2 PCIe x4 SSD

(+) Sangat besar
(+) Sangat kuat
(-) Sangat mahal

Terkadang laptop gaming yang tipis dan ringan tidak akan berhasil. Tentu, mereka menyenangkan untuk dibawa-bawa untuk bermain game di kereta bawah tanah atau semacamnya. Tetapi ketika Anda perlu mengeluarkan senjata besar, pengganti desktop yang tebal seperti Asus ROG G703 akan menjadi pilihan terbaik Anda. Binatang buas ini hanya hadir dengan Nvidia GeForce RTX 2080 dan dapat dikemas dengan RAM hingga 64 GB. Sehingga Anda dapat memotong semuanya tanpa masalah. Selama Anda memiliki uang tunai, inilah laptop gaming Asus paling kuat yang akan Anda temukan di mana saja.

7. Asus ROG Strix Hero III

Memperbaiki pendahulunya

CPU: 9th-generation Intel Core i5 – i9 | Graphics: Nvidia GeForce GTX 1660Ti – RTX 2070 | RAM: Up to 32GB | Screen: 15.6-inch Full HD (1920×1080) IPS-level panel, 144Hz – 15.6-inch Full HD (1920×1080) IPS-level panel, 240Hz, 3ms, 100% sRGB | Storage: 128GB – 1TB SSD M.2 NVMe PCIE 3.0 + 1TB SSHD

(+) Layar 240Hz
(+) Pencahayaan RGB yang menyenangkan
(-) Masa pakai baterai yang di bawah standar
(-) Kipas yang keras

Asus ROG Strix Hero III mengambil batasan dari pendahulunya dan meningkatkannya secara signifikan, terutama kinerja termal berkat 3D Flow Zone. Ada banyak hal yang terjadi pada laptop gaming Asus ini juga, termasuk speakernya yang hebat, tombol angka di keyboard. Dan bilah lampu RGB yang melingkupi untuk pengalaman bermain game yang lebih imersif. Tetapi mungkin fitur terbaik dari laptop gaming ini adalah ROG Keystone. Yang membuka efek khusus dan profil khusus game saat dipasang. Dan layar 1080p yang mengguncang kecepatan refresh 144Hz hingga 240Hz. Lengkapi semuanya dengan prosesor Intel Core generasi ke-9 dan anggaran terbaik hingga kartu grafis Nvidia kelas menengah untuk bermain game. Dan Anda akan mendapatkan satu mesin yang luar biasa.

8. Asus ROG Zephyrus M.

Tenaga portabel dengan harga yang layak

CPU: Intel Core i5-i7 | Grafik: Nvidia GeForce GTX 1060 (6GB GDDR5) – GTX 1070 (8GB GDDR5 VRAM) | RAM: 16 GB | Layar: Panel 144Hz FHD 15,6 inci (1.920 x 1.080) dengan G-Sync | Penyimpanan: 256GB SSD + 1TB HDD

(+) Beautiful
(+) Powerful
(-) Mahal

Kami di sini di menyukai laptop gaming yang tipis dan ringan. Kemampuan untuk menghadirkan game PC terbaik saat bepergian tanpa harus mengorbankan kinerja adalah sebuah kemenangan. Dan, sementara banyak laptop gaming super tipis hadir dengan kenaikan harga yang sangat tinggi. Asus Zephyrus M berhasil menjaga semuanya tetap masuk akal. Kami belum bisa mendapatkannya untuk pengujian, tapi percayalah, ini bukan laptop gaming yang ingin Anda sampaikan. Ini belum diperbarui dengan grafik Nvidia RTX, dan meskipun itu mengecewakan, itu berarti Anda kemungkinan akan menemukan beberapa penawaran menarik.…

Di Masa Depan, Semua Orang Mungkin Menggunakan Komputer Kuantum

  • by

Komputer pernah dianggap sebagai teknologi canggih, hanya dapat diakses oleh para ilmuwan dan profesional terlatih. Tapi ada pergeseran seismik dalam sejarah komputasi selama paruh kedua tahun 1970-an. Mesin tidak hanya menjadi jauh lebih kecil dan lebih bertenaga. Meskipun, tentu saja, mereka melakukannya. Itu adalah perubahan dalam siapa yang akan menggunakan komputer dan di mana. Mereka menjadi tersedia bagi semua orang untuk digunakan di rumah mereka sendiri.

Saat ini, komputasi kuantum masih dalam tahap awal. Komputasi kuantum menggabungkan beberapa konsep paling membingungkan dari fisika abad ke-20. Di AS, Google, IBM, dan NASA sedang bereksperimen dan membangun komputer kuantum pertama. China juga berinvestasi besar-besaran dalam teknologi kuantum.

Sebagai penulis “Quantum Computing for Everyone,” yang akan dirilis pada bulan Maret. Saya percaya bahwa akan ada pergeseran analog ke arah komputasi kuantum. Di mana para penggemar akan dapat bermain dengan komputer kuantum dari rumah mereka. Pergeseran ini akan terjadi lebih cepat dari yang disadari kebanyakan orang.

Bangkitnya Komputer Pribadi

Komputer modern pertama dibangun pada tahun 1950-an. Mereka besar, seringkali tidak dapat diandalkan, dan menurut standar saat ini, tidak terlalu kuat. Mereka dirancang untuk memecahkan masalah besar, seperti mengembangkan bom hidrogen pertama. Ada konsensus umum bahwa ini adalah hal yang baik untuk komputer dan bahwa dunia tidak membutuhkan banyak dari mereka.

Tentu saja, pandangan ini ternyata sepenuhnya salah.

Pada tahun 1964, John Kemeny dan Thomas Kurtz menulis bahasa BASIC. Tujuan mereka adalah merancang bahasa pemrograman sederhana yang mudah dipelajari dan memungkinkan siapa saja untuk memprogram. Akibatnya, pemrograman tidak lagi hanya untuk ilmuwan yang sangat terlatih. Siapa pun sekarang dapat belajar membuat program jika mereka mau.

Pergeseran dalam komputasi ini berlanjut ketika komputer rumah pertama muncul pada akhir 1970-an. Para penghobi sekarang dapat membeli komputer mereka sendiri dan memprogramnya di rumah. Orang tua dan anak-anak dapat belajar bersama. Komputer pertama ini tidak terlalu kuat dan ada beberapa hal yang dapat Anda lakukan dengan mereka. Tetapi mereka memiliki penerimaan yang sangat antusias.

Saat orang-orang bermain dengan mesin mereka, mereka menyadari bahwa mereka menginginkan lebih banyak fitur dan lebih banyak tenaga. Pendiri Microsoft dan Apple memahami bahwa komputer rumah memiliki masa depan yang cerah.

Hampir setiap orang Amerika sekarang memiliki laptop, tablet atau smartphone atau mungkin ketiganya. Mereka menghabiskan banyak waktu di media sosial, e-commerce, dan mencari di internet.

Tak satu pun dari aktivitas ini ada di tahun 1950-an. Tak seorang pun pada saat itu yang tahu bahwa mereka menginginkan atau membutuhkannya. Itu adalah ketersediaan alat baru, komputer, yang menyebabkan perkembangan mereka.

Masuk ke Kuantum

Komputasi klasik, jenis komputasi yang memberdayakan komputer di rumah Anda, didasarkan pada cara manusia menghitung. Ini memecah semua komputasi menjadi bagian yang paling mendasar seperti digit biner 0 dan 1. Saat ini, komputer kita menggunakan bit untuk kata portmanteau dari digit biner. Karena mudah diimplementasikan dengan sakelar yang berada di posisi on atau off.

Perhitungan kuantum didasarkan pada bagaimana alam semesta menghitung. Ini berisi semua komputasi klasik, tetapi juga menggabungkan beberapa konsep baru yang berasal dari fisika kuantum.

Alih-alih bit komputasi klasik, komputasi kuantum memiliki qubit. Namun, hasil dari komputasi kuantum persis sama dengan komputasi klasik, yaitu sejumlah bit.

Perbedaannya adalah, selama komputasi, komputer dapat memanipulasi qubit dengan lebih banyak cara yang dapat dilakukan dengan bit. Itu dapat menempatkan qubit dalam superposisi keadaan dan menjeratnya.

Baik superposisi dan keterjeratan adalah konsep dari mekanika kuantum yang tidak banyak orang kenal. Superposisi secara kasar berarti bahwa qubit dapat berupa campuran 0 dan 1. Entanglement menunjukkan korelasi antara qubit. Ketika salah satu dari sepasang qubit terjerat diukur. Itu segera menunjukkan nilai apa yang akan Anda peroleh ketika Anda mengukur pasangannya. Inilah yang disebut Einstein sebagai “aksi seram dari kejauhan”.

Matematika yang dibutuhkan untuk mendapatkan deskripsi lengkap tentang mekanika kuantum sangat menakutkan. Dan latar belakang ini diperlukan untuk merancang dan membangun komputer kuantum. Tetapi matematika yang dibutuhkan untuk memahami komputasi kuantum dan untuk mulai merancang sirkuit kuantum jauh lebih sedikit. Aljabar sekolah menengah pada dasarnya adalah satu-satunya persyaratan.

Komputasi Kuantum dan Anda

Komputer kuantum baru saja mulai dibuat. Mereka adalah mesin besar yang agak tidak dapat diandalkan dan belum terlalu bertenaga.

Untuk apa mereka akan digunakan? Komputasi kuantum memiliki aplikasi penting dalam kriptografi. Pada tahun 1994, matematikawan MIT Peter Shor menunjukkan bahwa, jika komputer kuantum dapat dibangun. Mereka akan dapat mematahkan metode enkripsi internet saat ini. Hal ini mendorong pembangunan cara baru mengenkripsi data yang dapat menahan serangan kuantum, meluncurkan era kriptografi pasca kuantum.

Tampaknya komputasi kuantum juga akan berdampak besar pada kimia. Ada reaksi tertentu yang sulit disimulasikan oleh komputer klasik. Kimiawan berharap komputer kuantum akan efisien dalam memodelkan fenomena kuantum ini.

Tapi menurut saya tidak masuk akal. Untuk berspekulasi tentang apa yang akan dilakukan kebanyakan orang dengan komputer kuantum dalam 50 tahun. Mungkin lebih masuk akal untuk bertanya kapan komputasi kuantum akan menjadi sesuatu. Yang dapat digunakan siapa pun dari rumah mereka sendiri.

Jawabannya adalah ini sudah mungkin. Pada 2016, IBM menambahkan komputer kuantum kecil ke cloud. Siapapun yang memiliki koneksi internet dapat merancang dan menjalankan sirkuit kuantum mereka sendiri di komputer ini. Rangkaian kuantum adalah urutan langkah dasar yang melakukan kalkulasi kuantum.

Komputer kuantum IBM tidak hanya gratis untuk digunakan, tetapi komputer kuantum ini memiliki antarmuka grafis yang sederhana. Ini adalah mesin kecil, tidak terlalu kuat, seperti komputer rumahan pertama, tetapi penghobi dapat mulai bermain. Pergeseran telah dimulai.

Manusia memasuki zaman di mana sangat mudah untuk belajar dan bereksperimen dengan komputasi kuantum. Seperti pada komputer rumahan pertama, mungkin tidak jelas bahwa ada masalah yang perlu diselesaikan dengan komputer kuantum. Tetapi saat orang bermain, saya pikir kemungkinan mereka akan menemukan bahwa mereka membutuhkan lebih banyak daya dan lebih banyak fitur. Ini akan membuka jalan bagi aplikasi baru yang belum kami bayangkan.…

Harap Berhati-hati: Situs Web Darknet yang Samar Memanfaatkan Pandemi COVID-19

Pasar bawah tanah yang menjual komoditas ilegal seperti obat-obatan, mata uang palsu. Dan dokumentasi palsu cenderung berkembang di saat krisis, dan pandemi COVID-19 tidak terkecuali. Perekonomian bawah tanah online telah menanggapi krisis saat ini dengan mengeksploitasi permintaan komoditas terkait COVID-19.

Saat ini, beberapa ekonomi bawah tanah yang paling bersemangat ada di pasar darknet. Ini adalah situs web internet yang terlihat seperti situs web e-niaga biasa. Tetapi hanya dapat diakses menggunakan browser khusus atau kode otorisasi. Vendor komoditas ilegal juga telah membentuk obrolan grup. Dan saluran khusus pada layanan pesan instan terenkripsi seperti WhatsApp, Telegram dan ICQ.

Proyek Analisis Darknet di Grup Penelitian Keamanan Siber Berbasis Bukti. Di sini di Universitas Negeri Georgia mengumpulkan data mingguan dari 60 pasar. Dan forum darknet bawah tanah. Rekan saya Yubao Wu, Robert Harisson, dan saya telah menganalisis data ini. Dan menemukan bahwa tiga jenis utama penawaran COVID-19 telah muncul di pasar darknet sejak akhir Februari. Alat pelindung, obat-obatan, dan layanan yang membantu orang melakukan penipuan.

Menggunakan pasar darknet ini adalah bisnis yang berisiko. Pertama, ada risiko bawaan menjadi korban penipuan atau membeli produk palsu saat membeli produk dari vendor bawah tanah. Ada juga risiko kesehatan dan hukum. Membeli alat pelindung COVID-19 yang tidak efektif. Dan solusi berbahaya dari penjual yang tidak diatur secara tidak sengaja dapat merugikan pembeli secara fisik. Dan membeli informasi dan layanan dengan tujuan untuk menipu orang dan pemerintah adalah tindak pidana yang dikenai sanksi hukum.

Alat Pelindung Diri

Beberapa vendor telah menambahkan alat pelindung seperti masker wajah, baju pelindung, alat uji COVID-19. Termometer, dan pembersih tangan ke daftar produk yang akan dijual. Keefektifan alat pelindung ini dipertanyakan. Vendor bawah tanah biasanya tidak mengungkapkan sumber produk mereka, sehingga konsumen tidak dapat menilai produknya.

Salah satu contoh ketidakpastian seputar efektivitas alat pelindung berasal dari salah satu platform saluran terenkripsi. Yang kami pantau selama beberapa hari pertama pandemi. Vendor di saluran menawarkan masker wajah untuk dijual. Permintaan masker wajah sangat tinggi pada saat itu. Dan orang-orang di seluruh dunia berusaha keras untuk menemukan masker untuk penggunaan pribadi.

Sementara pemerintah dan pemasok menghadapi kesulitan dalam memenuhi permintaan masker wajah. Beberapa vendor di platform ini memasang iklan yang menawarkan masker wajah dalam jumlah besar. Salah satu vendor bahkan mengunggah video yang memperlihatkan banyak kotak masker wajah di penyimpanan.

Mengingat kekurangan global masker wajah pada saat itu. Tim peneliti kami merasa sulit untuk memahami bagaimana vendor di Thailand ini dapat menawarkan begitu banyak untuk dijual. Satu kemungkinan yang mengganggu adalah mereka menjual masker wajah bekas. Memang, pihak berwenang di Thailand menghentikan operasi yang mencuci, menyetrika. Dan mengemas masker wajah bekas dan memasoknya ke pasar bawah tanah.

Perawatan

Vendor Darknet juga menjual obat dan obat, termasuk pengobatan yang efektif, seperti Remdesivir, dan pengobatan yang tidak efektif, seperti Hydroxychloroquine. Mereka juga menjual berbagai serum dan penangkal COVID-19. Beberapa vendor bahkan menawarkan untuk menjual dan mengirimkan ventilator oksigen.

Menggunakan obat COVID-19 yang dibeli di platform darknet bisa berbahaya. Ketidakpastian tentang identitas sebenarnya dari produsen obat. Dan bahan obat lain membuat pasien rentan terhadap beragam efek samping yang berpotensi merugikan.

Penipuan DIY

Upaya pemerintah untuk meringankan tekanan finansial pada individu. Dan bisnis dari dampak ekonomi pandemi telah menghasilkan kategori produk ketiga di pasar ini. Kami telah mengamati banyak vendor yang menawarkan untuk menjual layanan penipuan online. Yang menjanjikan untuk meningkatkan keadaan keuangan pelanggan selama krisis ini.

Vendor ini menawarkan untuk mendukung pelanggan dalam menyusun situs web palsu. Yang memungkinkan mereka untuk memikat korban agar mengungkapkan informasi pribadi mereka. Atau hanya memberikan informasi pribadi yang dicuri. Informasi yang dicuri dapat digunakan untuk mengajukan tunjangan pengangguran atau mendapatkan pinjaman. Beberapa vendor melangkah lebih jauh dan menawarkan dukungan dalam proses aplikasi tunjangan penipuan.

Penipuan terkait COVID-19 dapat menimbulkan konsekuensi serius bagi individu yang identitasnya telah dicuri. Dan digunakan untuk mengajukan tunjangan atau pinjaman pemerintah, termasuk hilangnya bantuan pemerintah di masa mendatang dan kerusakan nilai kredit. Permintaan penipuan untuk dana bantuan COVID-19 yang diajukan menggunakan informasi pribadi curian juga menambah beban pada pemerintah federal. Negara bagian dan lokal.

Menggali Data

Ukuran pasar gelap daring dari barang-barang penting COVID-19 tidak diketahui. Kami bertujuan mengumpulkan cukup data untuk memberikan penilaian empiris tentang ekonomi bawah tanah ini.

Ada beberapa tantangan untuk memahami ruang lingkup pasar bawah tanah COVID-19, termasuk mengukur besarnya permintaan. Sejauh mana pasokan memenuhi permintaan tersebut, dan dampak ekonomi bawah tanah ini di pasar yang sah. Validitas yang tidak diketahui dari laporan pelanggan dan vendor darknet tentang produk yang mereka beli. Dan jual juga menyulitkan untuk menilai pasar bawah tanah.

Pendekatan penelitian sistematis kami harus memungkinkan kami untuk mengatasi masalah ini dan mengumpulkan data ini. Yang dapat mengungkapkan bagaimana pasar bawah tanah online menyesuaikan diri dengan krisis kesehatan di seluruh dunia. Informasi ini, pada gilirannya, dapat membantu pihak berwenang mengembangkan strategi untuk mengganggu aktivitas mereka.…

Scraping Web sedang Naik Daun dan Inilah Alasannya

Data menunjukkan bahwa lebih dari separuh lalu lintas online berasal dari bot dan spider. Bot bagus yang berfungsi untuk aplikasi media sosial, mesin pencari, dan alat pengumpulan data. Yang menghasilkan setidaknya 23% dari semua lalu lintas web yang dihasilkan secara online.

Googlebot, misalnya, merayapi lebih dari 96% dari semua situs online. Aktivitas perayap web didukung erat oleh Baidu Spider, yang merayapi lebih dari 82% dari semua situs web online. Bot buruk, di sisi lain, yang mencakup alat peretas, pengirim spam, peniru identitas, dan beberapa pengikis. Menghasilkan lebih dari 29% dari semua lalu lintas web.

Jumlah lalu lintas yang dihasilkan oleh bot ini akan terus meningkat. Karena bisnis mulai menghargai wawasan mendalam yang ditawarkan pengumpulan data online. Dampak dari peningkatan akses internet juga merupakan kontributor besar untuk peningkatan web scraping. Karena lebih banyak data yang masuk dari seluruh penjuru dunia.

Apa itu Web Scraping?

Scraping web adalah proses mengindeks dan mengekstrak data dalam jumlah besar dari sumber online. Seperti mesin telusur, situs e-niaga, dan banyak lagi. Alat scraping web dirancang untuk mengubah data halaman web menjadi format terstruktur dan terorganisir dengan baik. Misalnya, Oxylabs menawarkan alat pengikis web yang memenuhi hampir semua kebutuhan bisnis.

Bisnis menggunakan data yang diunduh untuk mengumpulkan wawasan berdasarkan data. Kebutuhan akan web scraper akan terus meningkat karena semakin banyak bisnis yang beralih ke e-commerce. Ada miliaran halaman web yang menyimpan sejumlah besar data yang hanya dapat diakses melalui alat pengumpulan data otomatis.

Scraping Web adalah Bisnis Besar

Menurut data yang diambil dari situs pekerjaan seperti LinkedIn dan Glassdoor;

  • Sebagian besar sektor bisnis, mulai dari perangkat lunak komputer, layanan keuangan, hingga minyak & energi, mencari lebih banyak master pengikis web.
  • Bisnis berbasis non-teknologi seperti penelitian, pengembangan bisnis, sumber daya manusia, dan pemasaran juga mencari karyawan dengan keterampilan web scraping
  • Keterampilan seperti ilmuwan data dan insinyur data senior adalah pekerjaan dengan gaji tinggi di Glassdoor. Industri berfokus pada analisis data, dan ekstraksi adalah beberapa pembayaran terbaik yang ada.

Metrik ini menunjukkan bahwa pengikisan web sekarang merupakan keterampilan penting di dunia digital. Karena semua jenis bisnis memasuki perlombaan senjata baru; data. Untungnya, alat pengikis web otomatis telah menjadi pintar, dan kebanyakan orang dapat menggunakannya tanpa perlu pengetahuan pemrograman.

Bisnis apa pun dapat mengakses alat scraping web dan segera memberdayakan dirinya dengan wawasan Big Data.

Alasan Kenapa Web Scraping adalah Bisnis Besar

Scraping web digunakan secara eceran

  • Di bidang manufaktur dan ritel, pengumpulan data dapat meningkatkan proses. Seperti pemantauan harga pesaing untuk membantu bisnis Anda melacak perubahan harga yang dinamis. Pemantauan harga manual adalah proses yang lambat dan tidak efisien. Karena harga dapat berubah beberapa kali setiap hari untuk menyesuaikan permintaan dan penawaran.
  • Alat scraping web otomatis dapat menganalisis dan mendownload data kecerdasan harga dari situs pesaing. Itu untuk memastikan bahwa strategi bisnis Anda sama kompetitifnya.
  • Pengecer dapat menggunakan pencakar web untuk mengambil deskripsi dan gambar produk dari berbagai produsen untuk tujuan e-niaga.
  • Salah satu aplikasi hebat lainnya untuk web scraping di retail adalah dalam memantau sentimen pelanggan. Data dari ulasan dan umpan balik pelanggan dapat dikumpulkan dari berbagai halaman web. Dan platform media sosial untuk membantu membentuk strategi kepuasan pelanggan yang lebih baik.

Scraping Web Digunakan dalam Penelitian Keuangan dan Ekuitas

  • Pengumpulan data dapat membantu mengumpulkan berbagai artikel berita dan data pasar untuk memanfaatkan intelijen yang dapat ditindaklanjuti untuk membantu penelitian.
  • Proses ini juga dapat mengakses banyak laporan keuangan untuk membantu memetakan keputusan investasi.
  • Asuransi juga dapat menggunakan pengumpulan dan analisis data untuk mengembangkan polis dan produk asuransi.

Scraping Web dalam Ilmu Data, Pengumpulan Data;

  • Dapat melakukan scraping waktu nyata untuk membantu bisnis di lapangan mengakses data pada penilaian kredit dan metrik kepuasan pelanggan. Data yang dikumpulkan juga dapat membantu menghilangkan penipuan dan memberikan strategi yang lebih baik yang meningkatkan pendapatan bisnis.

Aplikasi Web Scraping Lainnya

  • Dalam manajemen risiko, bisnis dapat menggunakan web scraping untuk menjalankan pemeriksaan latar belakang karyawan, pelanggan, atau mitra
  • Dalam wawasan pemasaran yang diperoleh dari data, pengumpulan dapat membangun strategi pemasaran berbasis data, perolehan prospek, dan pemasaran konten. Proses ini juga dapat membantu mengembangkan strategi pengoptimalan mesin telusur yang kuat.
  • Pemantauan reputasi juga merupakan aspek penting dari perlindungan merek. Pengikisan data dapat menjelajahi internet. Bahkan mengakses situs web yang dikunci secara geografis untuk mengumpulkan data di media sosial yang disebutkan, ulasan, dan umpan balik.
  • Alat-alat ini juga dapat menambang data pelanggaran merek atau pembajakan dari berbagai situs web secara global. Data yang dikumpulkan dapat membantu membangun strategi perlindungan merek yang terinformasi dengan baik.
  • Jurnalis menggunakan pengumpulan data untuk mengakses data yang mendukung klaim dan argumen yang dibuat oleh cerita mereka. Data tersebut dapat membantu membangun cerita visual melalui grafik atau infografis.

Kesimpulan

Pengumpulan data sebagai disiplin ilmu akan terus meningkat seiring dengan maraknya bisnis berbasis inert. Data adalah kunci untuk semua pengambilan keputusan, dan web scraping adalah metode akses data dan pengumpulannya yang paling mudah. Apakah Big Data bisnis Anda sudah siap?…

Apa itu Komputer Kuantum? Dijelaskan dengan Contoh Sederhana

Suatu hari, saya mengunjungi D-Wave Systems di Vancouver, Kanada. Ini adalah perusahaan yang membuat komputer kuantum mutakhir.

Saya harus belajar banyak tentang komputer kuantum di sana. Jadi saya ingin berbagi beberapa yang saya pelajari di sana dengan Anda dalam artikel ini.

Tujuan artikel ini adalah untuk memberi Anda intuisi yang akurat. Tentang apa yang digunakan komputer kuantum sebagai contoh sederhana.

Artikel ini tidak akan mengharuskan Anda untuk memiliki pengetahuan sebelumnya. Tentang fisika kuantum atau ilmu komputer untuk dapat memahaminya.

Oke, mari kita mulai.

Apa itu Komputer Kuantum?

Berikut ini adalah ringkasan satu kalimat tentang apa itu komputer kuantum:

Komputer kuantum adalah jenis komputer yang menggunakan mekanika kuantum. Sehingga dapat melakukan jenis komputasi tertentu dengan lebih efisien daripada komputer biasa.

Ada banyak hal yang harus dibongkar dalam kalimat ini. Jadi izinkan saya memandu Anda melalui apa yang sebenarnya menggunakan contoh sederhana.

Untuk menjelaskan apa itu komputer kuantum, saya harus terlebih dahulu menjelaskan sedikit tentang komputer biasa (non-kuantum).

Bagaimana Komputer Biasa Menyimpan Informasi

Sekarang, komputer biasa menyimpan informasi dalam serangkaian 0 dan 1.

Berbagai jenis informasi, seperti angka, teks, dan gambar dapat direpresentasikan dengan cara ini.

Setiap unit dalam rangkaian 0 dan 1 ini disebut sedikit. Jadi, sedikit dapat diatur ke 0 atau 1.

Sekarang, Bagaimana dengan Komputer Kuantum?

Komputer kuantum tidak menggunakan bit untuk menyimpan informasi. Sebagai gantinya, ia menggunakan sesuatu yang disebut qubit.

Setiap qubit tidak hanya dapat diatur ke 1 atau 0, tetapi juga dapat diatur ke 1 dan 0. Tapi apa artinya sebenarnya?

Izinkan saya menjelaskan ini dengan contoh sederhana. Ini akan menjadi contoh yang agak buatan. Tetapi itu masih akan membantu dalam memahami bagaimana komputer kuantum bekerja.

Contoh Sederhana untuk Memahami Cara Kerja Komputer Kuantum

Sekarang, anggaplah Anda menjalankan agen perjalanan, dan Anda perlu memindahkan sekelompok orang dari satu lokasi ke lokasi lain.

Agar ini tetap sederhana, katakanlah Anda hanya perlu memindahkan 3 orang untuk saat ini – Alice, Becky, dan Chris.

Dan anggaplah Anda telah memesan 2 taksi untuk tujuan ini, dan Anda ingin mengetahui siapa yang naik taksi tersebut.

Juga, anggap di sini bahwa Anda diberikan informasi tentang siapa teman dengan siapa, dan siapa musuh dengan siapa.

Di sini, katakanlah itu:

  • Alice dan Becky adalah teman
  • Alice dan Chris adalah musuh
  • Becky dan Chris adalah musuh

Dan misalkan tujuan Anda di sini adalah untuk membagi kelompok yang terdiri dari 3 orang ini menjadi dua taksi. Untuk mencapai dua tujuan berikut:

  • Maksimalkan jumlah pasangan teman yang berbagi mobil yang sama
  • Minimalkan jumlah pasangan musuh yang menggunakan mobil yang sama

Oke, jadi ini adalah premis dasar dari masalah ini. Pertama-tama mari kita pikirkan tentang bagaimana kita akan memecahkan masalah ini menggunakan komputer biasa.

Memecahkan Masalah ini dengan Komputer Biasa

Untuk mengatasi masalah ini dengan komputer biasa, non-kuantum, Anda harus terlebih dahulu mengetahui cara menyimpan informasi yang relevan dengan bit.

Mari beri label dua taksi, Taksi #1 dan Taksi #0.

Kemudian, Anda dapat mewakili siapa yang masuk ke mobil mana dengan 3 bit.

Sebagai contoh, kita dapat mengatur tiga bit ke 0, 0, dan 1 untuk mewakili:

  • Alice masuk ke Taksi #0
  • Becky naik ke Taksi #0
  • Chris naik ke Taksi #1

Karena ada dua pilihan untuk setiap orang. Ada 2 * 2 * 2 = 8 cara untuk membagi kelompok orang ini menjadi dua mobil.

Berikut daftar semua kemungkinan konfigurasi:

A | B | C
0 | 0 | 0
0 | 0 | 1
0 | 1 | 0
0 | 1 | 1
1 | 0 | 0
1 | 0 | 1
1 | 1 | 0
1 | 1 | 1

Dengan menggunakan 3 bit, Anda dapat mewakili salah satu dari kombinasi ini.

Menghitung Skor untuk Setiap Konfigurasi

Sekarang, dengan menggunakan komputer biasa, bagaimana kita menentukan konfigurasi mana yang merupakan solusi terbaik?

Untuk melakukan ini, mari kita tentukan bagaimana kita dapat menghitung skor untuk setiap konfigurasi. Skor ini akan mewakili sejauh mana setiap solusi mencapai dua tujuan yang saya sebutkan sebelumnya:

  • Maksimalkan jumlah pasangan teman yang berbagi mobil yang sama
  • Minimalkan jumlah pasangan musuh yang menggunakan mobil yang sama

Mari kita tentukan skor kami sebagai berikut:

(skor konfigurasi yang diberikan) = (# pasangan teman berbagi mobil yang sama) – (# pasangan musuh berbagi mobil yang sama)

Sebagai contoh, misalkan Alice, Becky, dan Chris semuanya naik ke Taxi #1. Dengan tiga bit, ini dapat dinyatakan sebagai 111.

Dalam hal ini, hanya ada satu pasangan teman yang berbagi mobil yang sama – Alice dan Becky.

Namun, ada dua pasangan musuh yang berbagi mobil yang sama – Alice dan Chris, dan Becky dan Chris.

Jadi, skor total konfigurasi ini adalah 1-2 = -1.

Memecahkan Masalah

Dengan semua pengaturan ini, kita akhirnya bisa menyelesaikan masalah ini.

Dengan komputer biasa, untuk menemukan konfigurasi terbaik. Pada dasarnya Anda harus melalui semua konfigurasi untuk melihat mana yang mencapai skor tertinggi.

Jadi, Anda dapat berpikir tentang membangun tabel seperti ini:

A | B | C | Skor
0 | 0 | 0 | -1
0 | 0 | 1 | 1 <- salah satu solusi terbaik
0 | 1 | 0 | -1
0 | 1 | 1 | -1
1 | 0 | 0 | -1
1 | 0 | 1 | -1
1 | 1 | 0 | 1 <- solusi terbaik lainnya
1 | 1 | 1 | -1

Seperti yang Anda lihat, ada dua solusi yang benar di sini – 001 dan 110, keduanya mencapai skor 1.

Masalah ini cukup sederhana. Dengan cepat menjadi terlalu sulit untuk diselesaikan dengan komputer biasa karena kami meningkatkan jumlah orang dalam masalah ini.

Kami melihat bahwa dengan 3 orang, kami harus melalui 8 konfigurasi yang memungkinkan.

Bagaimana jika ada 4 orang? Dalam hal ini, kita harus melalui 2 * 2 * 2 * 2 = 16 konfigurasi.

Dengan n orang, kita harus melalui (2 pangkat n) konfigurasi untuk menemukan solusi terbaik.

Jadi, jika ada 100 orang, kita harus melalui:

  • 2¹⁰⁰ ~ = 10³⁰ = satu juta juta juta juta juta konfigurasi.

Ini tidak mungkin diselesaikan dengan komputer biasa.

Memecahkan Masalah ini dengan Komputer Kuantum

Bagaimana kita menyelesaikan masalah ini dengan komputer kuantum?

Untuk memikirkannya, mari kembali ke kasus membagi 3 orang menjadi dua taksi.

Seperti yang kita lihat sebelumnya, ada 8 kemungkinan solusi untuk masalah ini:

A | B | C
0 | 0 | 0
0 | 0 | 1
0 | 1 | 0
0 | 1 | 1
1 | 0 | 0
1 | 0 | 1
1 | 1 | 0
1 | 1 | 1

Dengan komputer biasa, menggunakan 3 bit, kami hanya dapat mewakili satu dari solusi ini sekaligus – misalnya, 001.

Namun, dengan komputer kuantum, menggunakan 3 qubit, kami dapat mewakili semua 8 solusi ini secara bersamaan.

Ada perdebatan tentang apa artinya tepatnya, tapi inilah cara saya memikirkannya.

Tahapan

Pertama, periksa qubit pertama dari 3 qubit ini. Saat Anda menetapkannya ke 0 dan 1, itu seperti menciptakan dua dunia paralel. (Ya, ini aneh, tetapi ikuti saja di sini.)

Di salah satu dunia paralel itu, qubit diatur ke 0. Di dunia lain, itu diatur ke 1.

Sekarang, bagaimana jika Anda mengatur qubit kedua ke 0 dan 1 juga? Lalu, rasanya seperti menciptakan 4 dunia paralel.

Di dunia pertama, kedua qubit diatur ke 00. Di yang kedua, mereka adalah 01. Di yang ketiga, mereka adalah 10. Di yang keempat, mereka adalah 11.

Demikian pula, jika Anda menetapkan ketiga qubit menjadi 0 dan 1. Anda akan membuat 8 dunia paralel – 000, 001, 010, 011, 100, 101, 110, dan 111.

Ini adalah cara yang aneh untuk berpikir. Tetapi ini adalah salah satu cara yang tepat untuk menafsirkan bagaimana perilaku qubit di dunia nyata.

Sekarang, ketika Anda menerapkan semacam perhitungan pada ketiga qubit ini. Anda sebenarnya menerapkan perhitungan yang sama di ke-8 dunia paralel itu secara bersamaan.

Jadi, alih-alih melalui masing-masing solusi potensial secara berurutan, kita dapat menghitung skor semua solusi secara bersamaan.

Dengan contoh khusus ini, secara teori, komputer kuantum Anda akan dapat menemukan salah satu solusi terbaik dalam beberapa milidetik. Sekali lagi, itu 001 atau 110 seperti yang kita lihat sebelumnya:

A | B | C | Skor
0 | 0 | 0 | -1
0 | 0 | 1 | 1 <- salah satu solusi terbaik
0 | 1 | 0 | -1
0 | 1 | 1 | -1
1 | 0 | 0 | -1
1 | 0 | 1 | -1
1 | 1 | 0 | 1 <- solusi terbaik lainnya
1 | 1 | 1 | -1

Penggunaan Komputer Kuantum

Pada kenyataannya, untuk mengatasi masalah ini, Anda perlu memberikan dua komputer kuantum:

  • Semua solusi potensial diwakili dengan qubit
  • Fungsi yang mengubah setiap solusi potensial menjadi skor. Dalam hal ini, ini adalah fungsi yang menghitung jumlah pasangan teman dan pasangan musuh yang berbagi mobil yang sama.

Dengan dua hal ini, komputer kuantum Anda akan mengeluarkan salah satu solusi terbaik dalam beberapa milidetik. Dalam hal ini, itu 001 atau 110 dengan skor 1.

Sekarang, secara teori, komputer kuantum dapat menemukan salah satu solusi terbaik setiap kali dijalankan.

Namun, pada kenyataannya, ada kesalahan saat menjalankan komputer kuantum. Jadi, alih-alih menemukan solusi terbaik, ia mungkin menemukan solusi terbaik kedua, solusi terbaik ketiga, dan seterusnya.

Kesalahan ini menjadi lebih menonjol karena masalahnya menjadi lebih dan lebih kompleks.

Jadi, dalam praktiknya, Anda mungkin ingin menjalankan operasi yang sama pada komputer kuantum puluhan kali atau ratusan kali. Kemudian pilih hasil terbaik dari banyak hasil yang Anda dapatkan.

Bagaimana Skala Komputer Kuantum

Bahkan dengan kesalahan yang saya sebutkan, komputer kuantum tidak memiliki masalah skala yang sama dengan komputer biasa.

Ketika ada 3 orang yang perlu kita bagi menjadi dua mobil. Jumlah operasi yang perlu kita lakukan pada komputer kuantum adalah 1. Ini karena komputer kuantum menghitung skor semua konfigurasi pada saat bersamaan.

Ketika ada 4 orang, jumlah operasi masih 1.

Ketika ada 100 orang, jumlah operasi masih 1. Dengan satu operasi, komputer kuantum menghitung skor semua 2¹⁰⁰ ~ = 10³⁰ = satu juta juta juta juta juta konfigurasi. Pada saat yang sama.

Seperti yang saya sebutkan sebelumnya, dalam praktiknya, mungkin terbaik untuk menjalankan komputer kuantum Anda puluhan kali. Atau ratusan kali dan memilih hasil terbaik dari banyak hasil yang Anda dapatkan.

Namun, ini masih jauh lebih baik daripada Mengatasi masalah yang sama pada komputer biasa. Dan harus mengulangi jenis perhitungan yang sama satu juta juta juta juta juta kali.…

Ponsel Anda vs. Komputer Panduan Apollo 11

Banyak orang yang cukup tua untuk mengalami pendaratan di bulan pertama akan mengingat dengan jelas. Bagaimana rasanya menonton Neil Armstrong mengucapkan kutipan terkenalnya. “Itu satu langkah kecil untuk seorang pria, satu lompatan raksasa bagi umat manusia.”. Setengah abad kemudian, acara tersebut masih menjadi salah satu pencapaian teratas umat manusia. Terlepas dari kemajuan teknologi yang pesat sejak itu, para astronot belum benar-benar kembali ke bulan sejak tahun 1972.

Ini sepertinya mengejutkan. Lagi pula, ketika kita merenungkan peristiwa bersejarah ini. Sering dikatakan bahwa kita sekarang memiliki lebih banyak daya komputasi di saku kita daripada komputer di atas kapal Apollo 11. Tetapi apakah itu benar? Dan, jika demikian, seberapa kuat ponsel kita?

Apollo 11 adalah komputer yang disebut Apollo Guidance Computer (AGC). Itu memiliki 2.048 kata memori yang dapat digunakan untuk menyimpan “hasil sementara” – data yang hilang ketika tidak ada daya. Jenis memori ini disebut sebagai RAM (Random Access Memory). Setiap kata terdiri dari 16 digit biner (bit), dengan bit menjadi nol atau satu. Ini berarti bahwa komputer Apollo memiliki 32.768 bit memori RAM.

Selain itu, ia memiliki 72KB Memori Hanya Baca (ROM), yang setara dengan 589.824 bit. Memori ini diprogram dan tidak dapat diubah setelah selesai.

Karakter alfabet tunggal – katakan “a” atau “b” – biasanya membutuhkan delapan bit untuk disimpan. Itu berarti komputer Apollo 11 tidak akan dapat menyimpan artikel ini dalam 32.768 bit RAM-nya. Bandingkan itu dengan ponsel Anda atau pemutar MP3 dan Anda dapat menghargai. Bahwa mereka dapat menyimpan lebih banyak, sering kali berisi ribuan email, lagu, dan foto.

Memori dan pemrosesan ponsel

Untuk membuatnya lebih konkret, ponsel terbaru biasanya memiliki 4GB RAM. Itu adalah 34.359.738.368 bit. Ini lebih dari satu juta (tepatnya 1.048.576) kali lebih banyak memori daripada komputer Apollo dalam RAM. IPhone juga memiliki memori ROM hingga 512GB. Itu adalah 4.398.046.511.104 bit, yang lebih dari tujuh juta kali lipat dari komputer pemandu.

Tapi ingatan bukan satu-satunya hal yang penting. Komputer Apollo 11 memiliki prosesor – sirkuit elektronik yang melakukan operasi pada sumber data eksternal – yang berjalan pada 0,043 MHz. Prosesor iPhone terbaru diperkirakan berjalan pada sekitar 2490 MHz. Apple tidak mengiklankan kecepatan pemrosesan, tetapi yang lain menghitungnya. Ini berarti bahwa iPhone di saku Anda memiliki lebih dari 100.000 kali kekuatan pemrosesan komputer. Yang mendarat manusia di bulan 50 tahun yang lalu.

Situasi ini bahkan lebih mencolok ketika Anda mempertimbangkan bahwa akan ada pemrosesan lain yang dibangun ke dalam iPhone. Yang menangani tugas-tugas tertentu, seperti tampilan.

Bagaimana dengan kalkulator?

Satu hal yang dibandingkan dengan ponsel canggih, tetapi bagaimana komputer Apollo 11 dibandingkan dengan kalkulator klasik? Texas Instruments adalah salah satu produsen kalkulator yang paling terkenal. Pada tahun 1998, mereka merilis TI-73, dan pada tahun 2004, mereka merilis TI-84.

Sangat mengejutkan untuk berpikir tentang kalkulator sederhana. Yang dirancang untuk membantu siswa berpuluh-puluh tahun yang lalu lulus ujian. Lebih kuat daripada komputer yang mendaratkan manusia di bulan.

Bagaimana jika Apollo 11 memiliki komputer modern?

Komputer Apollo adalah canggih pada masanya. Tetapi apa yang akan berbeda jika pendaratan di bulan memiliki komputer canggih yang tersedia saat ini?

Saya menduga bahwa waktu pengembangan perangkat lunak akan jauh lebih cepat, karena alat pengembangan perangkat lunak yang tersedia saat ini. Akan jauh lebih cepat untuk menulis, men-debug dan menguji kode kompleks yang diperlukan untuk mengirim seorang pria ke bulan.

Antarmuka pengguna (disebut Display Keyboard (DSKY)) memiliki antarmuka tipe kalkulator di mana perintah harus dimasukkan menggunakan kode numerik. Antarmuka hari ini akan jauh lebih mudah digunakan – yang bisa jadi masalah dalam situasi yang penuh tekanan. Hampir pasti tidak memiliki keyboard, tetapi akan menggunakan perintah swipe pada layar sentuh. Jika itu tidak mungkin, karena harus memakai sarung tangan, antarmuka mungkin melalui gerakan, gerakan mata atau antarmuka intuitif lainnya.

Komunikasi

Yang mengejutkan, satu hal yang tidak akan lebih baik hari ini adalah kecepatan komunikasi dengan Bumi. Waktu aktual yang diperlukan untuk berkomunikasi adalah sama dengan saat ini pada tahun 1969 – yaitu, kecepatan cahaya. Yang berarti bahwa dibutuhkan 1,26 detik untuk pesan untuk sampai dari bulan ke Bumi. Tetapi dengan file yang lebih besar sekarang kami kirim – dan dari jarak yang lebih besar dan lebih besar. Untuk mendapatkan gambar dari pesawat ruang angkasa ke Bumi hari ini. Akan memakan waktu yang relatif lebih lama daripada yang terjadi pada tahun 1969. Konon, itu akan terlihat jauh lebih cantik berkat kemajuan teknologi kamera. .

Mungkin perubahan terbesar yang akan kita lihat adalah komputer menjadi jauh lebih cerdas secara artifisial. Saya yakin bahwa penerbangan dan pendaratan pesawat ruang angkasa tidak akan sepenuhnya dimasukkan ke tangan komputer. Tetapi akan memiliki lebih banyak informasi dan kecerdasan dan akan dapat membuat banyak

Keputusan yang dapat dilakukan komputer Apollo 11 pada tahun 1969. Ini bisa menjadi bantuan besar bagi para astronot. Armstrong mengatakan bahwa, pada skala yang mengkhawatirkan dari satu hingga sepuluh. Berjalan di bulan adalah sekitar satu – sedangkan membuat penurunan terakhir ke darat adalah sekitar 13.

Jadi mari kita akhiri dengan mengakui apa yang diperlukan untuk mendaratkan orang di bulan pada tahun 1969. Dengan daya komputasi terbatas yang tersedia saat itu. Itu benar-benar pencapaian yang luar biasa. Percakapan…

Mengapa Komputer tidak Akan Pernah Benar-benar Sadar

Banyak proyek kecerdasan buatan canggih mengatakan mereka sedang berupaya membangun mesin yang sadar. Berdasarkan pada gagasan bahwa fungsi otak hanya menyandikan dan memproses informasi multisensor. Asumsinya, kemudian, bahwa begitu fungsi otak dipahami dengan baik, seharusnya dimungkinkan untuk memprogramnya ke dalam komputer. Microsoft baru-baru ini mengumumkan bahwa mereka akan menghabiskan US $ 1 miliar untuk sebuah proyek untuk melakukan hal itu.

Sejauh ini, upaya untuk membangun otak superkomputer bahkan belum mendekati. Proyek multi-miliar dolar Eropa yang dimulai pada 2013 sekarang sebagian besar dianggap gagal. Upaya itu telah bergeser menjadi lebih mirip proyek serupa namun kurang ambisius di A.S.. Mengembangkan alat perangkat lunak baru bagi para peneliti untuk mempelajari data otak, daripada mensimulasikan otak.

Beberapa peneliti terus bersikeras bahwa mensimulasikan ilmu saraf dengan komputer adalah cara yang harus dilakukan. Yang lain, seperti saya, memandang upaya ini sebagai kegagalan karena kita tidak percaya bahwa kesadaran itu dapat dihitung. Argumen dasar kami adalah bahwa otak mengintegrasikan dan mengompres banyak komponen pengalaman. Termasuk penglihatan dan penciuman – yang tidak dapat ditangani dengan cara komputer saat ini merasakan, memproses dan menyimpan data.

Otak tidak beroperasi seperti komputer

Organisme hidup menyimpan pengalaman dalam otak mereka dengan mengadaptasi koneksi saraf dalam proses aktif antara subjek dan lingkungan. Sebaliknya, komputer merekam data dalam blok memori jangka pendek dan jangka panjang. Perbedaan itu berarti penanganan informasi otak juga harus berbeda dari cara komputer bekerja.

Pikiran secara aktif mengeksplorasi lingkungan untuk menemukan elemen yang memandu kinerja satu tindakan atau lainnya. Persepsi tidak secara langsung terkait dengan data sensorik: Seseorang dapat mengidentifikasi tabel dari berbagai sudut. Tanpa harus secara sadar menafsirkan data dan kemudian menanyakan ingatannya. Apakah pola itu dapat dibuat dengan pandangan alternatif dari suatu item yang diidentifikasi beberapa waktu sebelumnya.

Perspektif lain tentang ini adalah bahwa tugas memori paling biasa dikaitkan dengan beberapa area otak – beberapa di antaranya cukup besar. Pembelajaran keterampilan dan keahlian melibatkan reorganisasi dan perubahan fisik, seperti mengubah kekuatan koneksi antar neuron. Transformasi tersebut tidak dapat direplikasi sepenuhnya di komputer dengan arsitektur tetap.

Komputasi dan kesadaran

Dalam karya saya sendiri baru-baru ini, saya telah menyoroti beberapa alasan tambahan bahwa kesadaran tidak dapat dihitung.

Seseorang yang sadar sadar akan apa yang mereka pikirkan, dan memiliki kemampuan untuk berhenti memikirkan satu hal. Dan mulai memikirkan hal lain – di mana pun mereka berada di jalur pemikiran awal. Tetapi itu tidak mungkin dilakukan oleh komputer. Lebih dari 80 tahun yang lalu, perintis ilmuwan komputer Inggris Alan Turing menunjukkan bahwa tidak ada cara untuk membuktikan. Bahwa program komputer tertentu dapat berhenti dengan sendirinya – namun kemampuan itu merupakan pusat kesadaran.

Argumennya didasarkan pada trik logika di mana ia menciptakan kontradiksi yang melekat. Bayangkan ada proses umum yang dapat menentukan apakah suatu program yang dianalisis akan berhenti. Output dari proses itu adalah “ya, itu akan berhenti”. Atau “tidak, itu tidak akan berhenti.” Itu cukup mudah. Tetapi kemudian Turing membayangkan bahwa seorang insinyur yang cerdik menulis sebuah program. Yang mencakup proses pemeriksaan berhenti. Dengan satu elemen penting: instruksi untuk menjaga program tetap berjalan jika jawaban penghenti pemeriksaan adalah “ya, itu akan berhenti.”

Proses

Menjalankan proses pengecekan berhenti pada program baru ini akan membuat kesalahan pengecek berhenti. Jika ditentukan bahwa program akan berhenti, instruksi program akan memerintahkannya untuk tidak berhenti. Di sisi lain, jika pemeriksa berhenti menentukan bahwa program tidak akan berhenti. Instruksi program akan menghentikan semuanya dengan segera. Itu tidak masuk akal – dan omong kosong memberi Turing kesimpulannya. Bahwa tidak ada cara untuk menganalisis suatu program dan sepenuhnya benar-benar yakin bahwa itu dapat dihentikan. Jadi tidak mungkin untuk memastikan bahwa komputer mana pun dapat meniru sistem yang pasti dapat menghentikan alur pemikirannya. Dan berubah ke jalur pemikiran lain – namun kepastian tentang kemampuan itu adalah bagian yang melekat dari kesadaran.

Bahkan sebelum karya Turing, fisikawan kuantum Jerman Werner Heisenberg menunjukkan bahwa ada perbedaan yang jelas. Dalam sifat peristiwa fisik dan pengetahuan pengamat yang sadar akan hal itu. Ini ditafsirkan oleh fisikawan Austria Erwin Schrödinger yang berarti bahwa kesadaran tidak dapat berasal dari proses fisik. Seperti komputer, yang mereduksi semua operasi menjadi argumen logika dasar.

Ide-ide ini dikonfirmasi oleh temuan penelitian medis bahwa tidak ada struktur unik di otak yang secara eksklusif menangani kesadaran. Sebaliknya, pencitraan MRI fungsional menunjukkan bahwa tugas kognitif yang berbeda terjadi di berbagai area otak. Ini telah menyebabkan ahli ilmu saraf Semir Zeki menyimpulkan bahwa “sadar” bukanlah satu kesatuan. Dan bahwa ada banyak kesadaran yang tersebar dalam ruang dan waktu. ” Jenis kapasitas otak yang tidak terbatas itu bukanlah jenis tantangan yang dapat ditangani oleh komputer terbatas.

 …

Lebih murah, ditambah chip yang lebih cepat

Microsoft telah meluncurkan versi yang lebih murah dari notebook populer Windows 10 PC. Laptop tersebut diberi nama Surface Laptop Go, bersama dengan tablet Surface Pro X yang lebih cepat.

Diumumkan melalui acara pers, Surface Laptop Go adalah versi Surface Laptop 3 yang lebih kecil, lebih ringan, dan lebih murah. Microsoft berupaya menawarkan pengalaman Windows 10 premium yang sama. Namun dijual dengan harga yang lebih murah, yaitu berharga £ 549,99 di Inggris atau $549,99 di AS.

Laptop Go memiliki layar 12,4 inci yang lebih kecil tetapi terlihat seperti Laptop 3. Ini memiliki keyboard ukuran yang sama dan trackpad presisi yang besar. Laptop Go juga memiliki webcam HD 720p dan sepasang mikrofon berkualitas studio untuk panggilan video yang lebih baik. Menurut klaim Microsoft, penawaran tersebut jarang terjadi pada mesin sekelas ini.

Dibekali prosesor Intel Core i5 generasi ke-10 dengan RAM 4 atau 8GB dan pilihan opsi penyimpanan. Ditenagai baterai yang tahan 13 jam dan pengisian cepat. Memiliki pilihan port yang sama dengan saudara kandungnya yang lebih besar. Port tersebut berupa satu port USB-C, satu port USB-A tradisional, soket headphone, dan soket Surface Connect untuk daya dan konektivitas. Laptop Go juga mendukung standar wifi 6 dan Bluetooth 5 terbaru.

Satu hal yang kurang dari Laptop Go adalah kamera pengenal wajah Windows Hello Laptop 3. Sebagai gantinya, laptop ini memiliki sensor sidik jari yang terpasang di tombol daya pada model tertentu.

Tablet Surface Pro X yang lebih cepat

Bersamaan dengan Laptop Go, Microsoft juga meluncurkan pembaruan untuk tablet Surface Pro X berbasis ARM mulai tahun 2019. PC konvertibel yang diperbarui mendapatkan prosesor Microsoft SQ2 baru yang lebih cepat dan hadir dalam warna platinum baru. Tablet Surface Pro X seharga £ 1.549 di Inggris atau $1499,99 di Amerika.

Perangkat ini memiliki layar sentuh 13 inci dengan aspek rasio 3:2 dan resolusi 2880×1920. Dilansir dari GSMArena,perangkat ini dikemas ke dalam desain baru. Diklaim Microsoft sebagai yang tertipis untuk Surface pro sambil tetap mempertahankan kickstand yang khas.

Surface Pro X menawarkan pilihan memori LPDDR4x 8GB dan 16GB. Di bagian depan penyimpanan, konsumen mendapatkan pilihan 128, 256 dan 512GB SSD M. 2 2230 yang dapat dilepas. Surface Pro X memiliki kamera depan 5MP untuk video 1080p dan juga kamera terpisah untuk otentikasi wajah Windows Hello. Di bagian belakang ada kamera 10MP untuk merekam video hingga 4K. Ada juga mikrofon jarak jauh ganda, serta speaker stereo 2W dengan Dolby Audio.

Terdapat 2x port USB-C, port Surface Connect. Gigabit LTE dengan dukungan nano SIM dan eSIM, A-GPS, Wi Fi 802.11ac dan Bluetooth 5.0 di perangkat ini.

Microsoft juga mengatakan telah memperbaiki salah satu kekurangan dari sistem berbasis ARM yang baru. Basis ARM yang baru mendukung aplikasi Windows tradisional yang jauh lebih luas melalui emulasi x64. Surface Pro X kompatibel dengan keyboard Surface Pro X dari tahun lalu (dijual terpisah $104). Hal yang sama berlaku untuk Surface Slim Pen, yang harganya $145 .

Surface Laptop Go dan Surface Pro X  akan miulai dikirimkan pada 13 Oktober di AS dan 27 Oktober di Inggris.

Harga Surface Pro X

Surface Pro X yang diperbarui ini tersedia untuk praorder hari ini. Mulai dari $1.499, dan akan mulai dikirimkan pada 13 Oktober di AS. Sekarang ada empat model Pro X yang tersedia untuk konsumen:

Surface Pro X – Prosesor SQ1, RAM 8 GB, penyimpanan SSD 128 GB: $999
Surface Pro X – Prosesor SQ1, RAM 8 GB, penyimpanan SSD 256 GB: $1.299
Surface Pro X – Prosesor SQ2, RAM 16 GB, penyimpanan SSD 256 GB: $1.499
Surface Pro X – Prosesor SQ2, RAM 16 GB, penyimpanan SSD 512 GB: $1.799

Microsoft menantang Apple dengan Surface Laptop Go seharga $549

Kemunculan Microsoft mengumumkan Surface Laptop Go baru, laptop 12,4 inci seakan menantang Apple. Laptop Windows 10 yang tepat dengan tampilan yang bagus, prosesor Intel Core i5 yang cepat, dan desain yang elegan. Notebook ini juga memiliki keyboard ukuran penuh dan trackpad presisi yang besar. Berita utamanya adalah Surface Laptop Go dibandrol $549, menjadipilihan bagus untuk siswa atau siapa saja dengan budget terbatas. Bersamaan dengan Surface Laptop Go, Microsoft juga mengumumkan tablet Surface Pro X berbasis ARM yang diperbarui. Premium 2-in-1 hadir dengan prosesor kustom Microsoft SQ2 baru yang lebih cepat. Mulai dari $999, Surface Pro X ditujukan untuk menyaingi Apple iPad Pro.…