Deep Learning : Teori, Contoh Perhitungan, dan Implementasi

Deskripsi Buku

Berkembangnya dunia komputasi berpengaruh juga terhadap berkembangnya algoritma pembelajaran mesin Semakin kompleks suatu masalah maka semakin dibutuhkan solusi yang lebih baik Solusi tersebut adalah dengan mengimplementasikan deep learning Dalam perkembangan teknologi komputer kecerdasan buatan modern sudah mampu menyelesaikan tugas yang sebelumnya sangat kompleks dan hanya manusia yang mampu mengerjakannya Dibalik dari kesuksesan ini terdapat peran dari deep learning Deep learning menggunakan jaringan saraf tiruan sebagai model yang mendasari adanya kecerdasan buatan Jaringan saraf tiruan sendiri dibuat sebagaimana jaringan saraf biologis seperti yang terdapat pada otak namun memiliki sekumpulan fungsi yang fleksibel yang dibangun atas blok komputasi dasar yang dikenal dengan istilah neuron Setiap neuron ini merupakan fungsi sederhana yang mengubah sinyal masukan dan kemudian mengubahnya dengan cara membandingkan total jumlahnya dengan beberapa ambang batas atau threshold Neuron 1 neuron ini kemudian diorganisasikan secara paralel yang akan membentuk beberapa lapisan Model komputasi ini belajar dari data dunia nyata dan mempelajari bagaimana menyelesaikan masalah Roberts Yaida and Hanin 2022 Buku ini digagas sebagai panduan bagi mahasiswa akademisi peneliti maupun praktisi yang ingin mendalami algoritma Deep Learning mulai dari teori sampai praktiknya Hal ini didasari pada kenyataan bahwa keilmuan Deep Learning ini relatif baru di dunia komputer dan analisa data dimana penggunaan model yang besar serta data yang banyak lebih ditekankan pada topik ini Untuk itu penulis merancang penyampaian materi sistematis mungkin dan mencakup seluruh metode terkini yang digunakan dalam pelatihan model yang menggunakan algoritma Deep Learning Selain itu pada setiap bab yang membahas metode dilengkapi dengan contoh perhitungan manual dan disertai program dengan memanfaatkan bahasa pemrograman Python dan library Pytorch Konsep dan contoh perhitungan dihadirkan secara jelas disertai ilustrasi pendukung untuk semakin memahami proses bekerjanya algoritma Deep Learning Semoga kehadiran buku ini dapat menjadi pencerah dan penuntun bagi yang berminat untuk mendalami dan mengaplikasikan algoritma Deep Learning dalam berbagai keperluan mulai dari klasifikasi segmentasi deteksi sampai pada eksplanasi visual Lebih lanjut diharapkan buku ini dapat menjadi referensi bagi peneliti dan mahasiswa di Indonesia yang akan melakukan penelitian yang menggunakan atau mengembangkan algoritma Deep Learning Berkembangnya dunia komputasi berpengaruh juga terhadap berkembangnya algoritma pembelajaran mesin Semakin kompleks suatu masalah maka semakin dibutuhkan solusi yang lebih baik Solusi tersebut adalah dengan mengimplementasikan deep learning Dalam perkembangan teknologi komputer kecerdasan buatan modern sudah mampu menyelesaikan tugas yang sebelumnya sangat kompleks dan hanya manusia yang mampu mengerjakannya Dibalik dari ...kesuksesan ini terdapat peran dari deep learning Deep learning menggunakan jaringan saraf tiruan sebagai model yang mendasari adanya kecerdasan buatan Jaringan saraf tiruan sendiri dibuat sebagaimana jaringan saraf biologis seperti yang terdapat pada otak namun memiliki sekumpulan fungsi yang fleksibel yang dibangun atas blok komputasi dasar yang dikenal dengan istilah neuron Setiap neuron ini merupakan fungsi sederhana yang mengubah sinyal masukan dan kemudian mengubahnya dengan cara membandingkan total jumlahnya dengan beberapa ambang batas atau threshold Neuron 1 neuron ini kemudian diorganisasikan secara paralel yang akan membentuk beberapa lapisan Model komputasi ini belajar dari data dunia nyata dan mempelajari bagaimana menyelesaikan masalah Roberts Yaida and Hanin 2022 Buku ini digagas sebagai panduan bagi mahasiswa akademisi peneliti maupun praktisi yang ingin mendalami algoritma Deep Learning mulai dari teori sampai praktiknya Hal ini didasari pada kenyataan bahwa keilmuan Deep Learning ini relatif baru di dunia komputer dan analisa data dimana penggunaan model yang besar serta data yang banyak lebih ditekankan pada topik ini Untuk itu penulis merancang penyampaian materi sistematis mungkin dan mencakup seluruh metode terkini yang digunakan dalam pelatihan model yang menggunakan algoritma Deep Learning Selain itu pada setiap bab yang membahas metode dilengkapi dengan contoh perhitungan manual dan disertai program dengan memanfaatkan bahasa pemrograman Python dan library Pytorch Konsep dan contoh perhitungan dihadirkan secara jelas disertai ilustrasi pendukung untuk semakin memahami proses bekerjanya algoritma Deep Learning Semoga kehadiran buku ini dapat menjadi pencerah dan penuntun bagi yang berminat untuk mendalami dan mengaplikasikan algoritma Deep Learning dalam berbagai keperluan mulai dari klasifikasi segmentasi deteksi sampai pada eksplanasi visual Lebih lanjut diharapkan buku ini dapat menjadi referensi bagi peneliti dan mahasiswa di Indonesia yang akan melakukan penelitian yang menggunakan atau mengembangkan algoritma Deep Learning

Style

Detail Buku