Deep Learning Dasar Teori dan Implementasi dengan Python dan Keras

Deskripsi Buku

Buku ini dirancang sebagai panduan praktis dan teoritis untuk memahami serta mengimplementasikan deep learning mulai dari dasar Python hingga aplikasi dunia nyata Pada Chapter 1 pembaca diperkenalkan pada instalasi Python library pendukung serta alternatif cloud seperti Google Colab dan Kaggle Notebooks Pada Chapter 2 membahas dasar dasar Python termasuk tipe data struktur data percabangan perulangan fungsi serta debugging sederhana yang diperlukan untuk deep learning Chapter 3 memberikan pengantar tentang machine learning komponen dasar alur kerja metode klasik dan evaluasi model Selanjutnya Chapter 4 memfokuskan pada deep learning mulai dari sejarah perkembangan konsep dasar Artificial Neural Network ANN fungsi aktivasi arsitektur hingga tantangannya Pada Chapter 5 pembaca diajak mengimplementasikan ANN menggunakan Keras dan TensorFlow dilengkapi dengan mini project klasifikasi gambar Fashion MNIST Chapter 6 memperkenalkan Convolutional Neural Networks CNN beserta implementasi visualisasi filter dan mini project klasifikasi gambar Chapter 7 membahas Recurrent Neural Networks RNN dan Long Short Term Memory LSTM implementasinya dalam analisis sentimen serta tantangan RNN konvensional Chapter 8 mengupas transfer learning dan fine tuning menggunakan model pretrained untuk meningkatkan performa klasifikasi gambar Chapter 9 mengeksplorasi contoh contoh penerapan deep learning di dunia nyata mulai dari kesehatan pertanian transportasi keamanan hingga bisnis dan teknologi Sebagai penutup Chapter 10 membahas etika dalam pengembangan AI termasuk isu bias privasi data penyalahgunaan AI serta prinsip prinsip pengembangan yang bertanggung jawab "Buku ini dirancang sebagai panduan praktis dan teoritis untuk memahami serta mengimplementasikan deep learning, mulai dari dasar Python hingga aplikasi dunia nyata. Pada Chapter 1, pembaca diperkenalkan pada instalasi Python, library pendukung, serta alternatif cloud, seperti Google Colab dan Kaggle Notebooks. Pada Chapter 2 membahas dasar-dasar Python termasuk tipe data, struktur ...data, percabangan, perulangan, fungsi, serta debugging sederhana yang diperlukan untuk deep learning. Chapter 3 memberikan pengantar tentang machine learning, komponen dasar, alur kerja, metode klasik, dan evaluasi model. Selanjutnya, Chapter 4 memfokuskan pada deep learning, mulai dari sejarah, perkembangan, konsep dasar Artificial Neural Network (ANN), fungsi aktivasi, arsitektur, hingga tantangannya. Pada Chapter 5, pembaca diajak mengimplementasikan ANN menggunakan Keras dan TensorFlow, dilengkapi dengan mini project klasifikasi gambar Fashion MNIST. Chapter 6 memperkenalkan Convolutional Neural Networks (CNN) beserta implementasi, visualisasi filter, dan mini project klasifikasi gambar. Chapter 7 membahas Recurrent Neural Networks (RNN) dan Long Short-Term Memory (LSTM), implementasinya dalam analisis sentimen, serta tantangan RNN konvensional. Chapter 8 mengupas transfer learning dan fine-tuning menggunakan model pretrained untuk meningkatkan performa klasifikasi gambar. Chapter 9 mengeksplorasi contoh-contoh penerapan deep learning di dunia nyata, mulai dari kesehatan, pertanian, transportasi, keamanan, hingga bisnis dan teknologi. Sebagai penutup, Chapter 10 membahas etika dalam pengembangan AI, termasuk isu bias, privasi data, penyalahgunaan AI, serta prinsip-prinsip pengembangan yang bertanggung jawab."

Detail Buku