Sebelum menulis satu baris kode, kita perlu memahami posisi deep learning di dalam ekosistem kecerdasan buatan: apa masalah yang diselesaikannya, mengapa pendekatan berlapis lebih efektif pada data tidak terstruktur, dan di mana deep learning dipakai di dunia nyata. Section ini membangun peta besar tersebut supaya bab-bab teknis berikutnya punya konteks.

# Apa itu Deep Learning?

Kenali posisi deep learning di dalam peta kecerdasan buatan dan cara jaringan berlapis mengubah data mentah menjadi fitur yang berguna.

Buka → # Deep Learning vs Machine Learning

Bandingkan deep learning dan machine learning klasik dari sisi fitur, data, komputasi, hingga interpretabilitas.

Buka → # Cara Kerja Neural Network

Telusuri siklus training neural network dari forward pass, loss, backward pass, hingga pembaruan bobot dengan neuron NumPy yang dilatih dari nol.

Buka → # Penerapan Deep Learning

Jelajahi penerapan deep learning pada visi komputer, bahasa, suara, reinforcement learning, kedokteran, dan sistem rekomendasi.

Buka → # Kelebihan dan Keterbatasan Deep Learning

Timbang kelebihan dan keterbatasan deep learning dari sisi data, komputasi, dan interpretabilitas sebelum memilihnya untuk masalah Anda.

Buka → # Ekosistem Deep Learning

Petakan ekosistem deep learning mulai dari framework utama, pustaka pendukung, hingga perangkat komputasi dan layanan daring.

Buka →