Pengantar Deep Learning Algoritma Dan Studi Kasus
Download Pengantar Deep Learning Algoritma Dan Studi Kasus PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Pengantar Deep Learning Algoritma Dan Studi Kasus book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages.
Pengantar Deep Learning: Algoritma dan Studi Kasus
Author: Prof. Dr. Ermatita, Dr. Vina Ayumi, Dr. Handrie Noprisson, Dr. Mariana Purba, Feby Ardianto, M.Cs, Muhammad Adrezo, M.Sc.
language: id
Publisher: CV Jejak (Jejak Publisher)
Release Date: 2025-05-17
Buku "Pengantar Deep Learning: Algoritma dan Studi Kasus" dirancang sebagai panduan komprehensif untuk memahami konsep dan implementasi deep learning. Buku ini sangat cocok untuk mahasiswa, peneliti, dan praktisi yang ingin mendalami Deep Learning secara teori dan praktik. Buku ini adalah buku ajar yang mata kuliah deep learning. Bahasan pokok dari buku ini antara lain Pendahuluan, Convolutional Neural Network, MobileNets, Inception, VGG, ResNet, Optimasi Model, Evaluasi Kinerja dan Beberapa Studi Kasus, yang masing-masing dijelaskan dari segi konsep dan cara kerjanya. Buku ini juga membahas teknik optimasi model seperti Dropout, L2-Regularization, Batch Normalization, dan Data Augmentation yang dirancang untuk membantu pembaca meningkatkan performa model. Pada bagian evaluasi kinerja, pembaca akan mempelajari metrik-metrik utama seperti akurasi, precision, recall, F1-score, dan confusion matrix, yang sangat penting untuk mengevaluasi keberhasilan model. Keunggulan utama buku ini adalah studi kasus praktis menggunakan dataset CIFAR-10. Pembaca akan dipandu melalui proses pengembangan model, mulai dari persiapan dataset, pembuatan arsitektur model, hingga evaluasi dan finalisasi model. Beberapa studi kasus lain juga membahas pengembangan model baseline, penerapan regularisasi, hingga teknik peningkatan performa menggunakan kombinasi metode.
DASAR-DASAR MACHINE LEARNING Teori, Algoritma, dan Implementasi
Konsep, Algoritma, dan Implementasi Buku “Machine Learning: Konsep, Algoritma, dan Implementasi” memberikan panduan lengkap bagi pembaca yang ingin memahami pembelajaran mesin (machine learning), terutama bagi pelajar tingkat menengah. Dimulai dari pengenalan konsep dasar machine learning, buku ini menjelaskan secara ringkas perbedaan antara AI, ML, dan Deep Learning, serta pengaruhnya dalam kehidupan sehari-hari—mulai dari rekomendasi film, deteksi penipuan, hingga diagnosis medis. Isi buku disusun secara sistematis. Pembaca akan dibimbing untuk memahami tiga pendekatan utama dalam Machine Learning: supervised learning, unsupervised learning, dan reinforcement learning, yang diperkaya dengan penjelasan berbagai algoritma populer seperti K-Nearest Neighbors, Decision Tree, K-Means, dan Q-Learning. Tidak hanya membahas teori, buku ini juga memandu pembaca dalam mengimplementasikan praktik menggunakan Python dan pustaka seperti Scikit-learn dan TensorFlow. Bab lanjutan mengulas tools dan framework, teknik evaluasi model, serta isu-isu penting seperti bias algoritma dan privasi data. Buku ini ditutup dengan studi kasus riil dan proyek prediksi yang memperlihatkan penerapan nyata machine learning dalam menyelesaikan masalah. Dengan gaya bahasa yang lugas, ilustrasi visual, serta pendekatan yang aplikatif, buku ini cocok bagi mahasiswa, dosen, dan praktisi yang ingin memahami dan menguasai machine learning dalam bidang masing-masing.
Deep Learning
Author: Norbertus Tri Suswanto Saptadi
language: id
Publisher: Sada Kurnia Pustaka
Release Date: 2025-03-01
Buku Deep Learning: Teori, Algoritma dan Aplikasi adalah buku yang dirancang untuk memberikan pemahaman komprehensif tentang berbagai topik utama dalam Deep Learning. Buku ini menyajikan ulasan mendalam mengenai perkembangan Teori, Algoritma dan Aplikasi. Buku ini berisi berbagai topik menarik yang disajikan dalam bab, sebagai berikut: (1) Konsep Dasar Deep Learning, (2) Sejarah dan Evolusi Neural Networks, (3) Dasar-dasar Matematika Deep Learning, (4) Struktur Jaringan Syaraf Tiruan, (5) Algoritma Backpropagation dan Optimasi, (6) Arsitektur Deep Neural Networks (DNN), (7) Jaringan Konvolusi, (8) Jaringan Long Short-Term Memory (LSTM) & Gated Recurrent Units (GRU), (9) Jaringan Generatif, (10) Jaringan Transformer dan Pemrosesan Bahasa Alami (NLP), (11) Pemrosesan Gambar dengan Deep Learning, (12) Pemrosesan Audio dan Video dengan Deep Learning, (13) Teknik Regularisasi dalam Deep Learning, (14) Deep Reinforcement, (15) Pelatihan Model Deep Learning pada Data Skala Besar, (16) Aplikasi Deep Learning dalam Bidang Medis, (17) Aplikasi Deep Learning dalam Bidang Finansial, (18) Deep Learning untuk Keamanan Siber. Buku ini ditulis dengan gaya bahasa yang mudah dipahami, disertai studi kasus nyata dan ilustrasi menarik untuk membantu pembaca memahami konsep yang kompleks. Sasaran pembaca meliputi mahasiswa, dosen, praktisi TI, serta siapa pun yang ingin memperdalam wawasan tentang dinamika deep learning. Melalui pembahasan yang mendalam namun praktis, Deep Learning: Teori, Algoritma dan Aplikasi tidak hanya menjadi sumber referensi, tetapi juga dapat menjadi panduan strategis bagi masyarakat yang ingin beradaptasi dan berkembang deep learning di era digital.