Buku memberi kedalaman, tetapi kursus memberi hal yang berbeda: ritme. Video dengan durasi terkendali, tugas berjadwal, dan forum diskusi membuat materi bergerak maju bahkan saat motivasi sedang turun. Kabar baiknya, kursus deep learning terbaik di dunia saat ini mayoritas dapat diikuti gratis atau dengan biaya audit nol. Kabar yang perlu disiapkan: hampir semuanya berbahasa Inggris. Chapter ini memetakan empat kursus terkurasi yang paling sering direkomendasikan praktisi, membandingkan gaya mengajarnya, lalu menutup dengan strategi belajar dari materi berbahasa Inggris.
Empat Kursus Terkurasi #
| Kursus | Gaya | Prasyarat | Bahasa |
|---|---|---|---|
| fast.ai — Practical Deep Learning for Coders | Top-down: bangun dulu, teori menyusul | Python yang nyaman | Inggris |
| CS231n — Stanford | Akademik: derivasi + tugas berbobot | Aljabar linear, NumPy, ML dasar | Inggris |
| Deep Learning Specialization — Andrew Ng | Bottom-up terstruktur: video pendek + kuis | Matematika dasar, Python | Inggris |
| Neural Networks: Zero to Hero — Andrej Karpathy | Konstruksi dari nol langkah demi langkah | Python + kalkulus | Inggris |
fast.ai memilih filosofi yang berlawanan dengan kebanyakan kursus: pada pelajaran pertama Anda sudah melatih model klasifikasi gambar yang bekerja, dan teori dibongkar perlahan setelahnya. Pendekatan top-down ini cocok bagi yang butuh bukti dulu bahwa deep learning memang dapat dikuasai. Seluruh materi kuliahnya gratis, dan notebook-nya dapat dijalankan di Google Colab — jalur yang sudah kita kenal di chapter Ekosistem Deep Learning .
CS231n adalah mata kuliah computer vision Stanford yang materi kuliah dan tugas pemrogramannya dibuka untuk umum di situs resmi kampusnya. Gaya akademiknya kental: derivasi gradien untuk setiap lapisan convolution, lalu tugas berat membangun classifier dari fondasi. Posisi terbaiknya: setelah section Convolutional Neural Network selesai — banyak derivasi di sana akan terasa justru sebagai pengulangan yang menyolidkan pemahaman.
Deep Learning Specialization dari Andrew Ng (deeplearning.ai, diselenggarakan di Coursera) adalah pola bottom-up paling rapi: video lima sampai sepuluh menit, kuis mingguan, dan laboratorium pemrograman bertingkat dari neural network dasar hingga arsitektur sequence. Bagi yang menghargai struktur dan suka mengukur kemajuan mingguan, spesialisasi ini adalah titik awal paling aman. Mode audit memungkinkan menonton seluruh video tanpa biaya.
Neural Networks: Zero to Hero oleh Andrej Karpathy adalah rangkaian video di saluran YouTube-nya (youtube.com/@AndrejKarpathy ) yang membangun segalanya dari nol: mulai dari autograd mini berukuran ratusan baris, lalu bahasa karakter, hingga implementasi GPT yang menyerupai aslinya. Rangkaian ini paling cocok setelah section Dasar Neural Network — dan bagi yang menyelesaikan chapter implementasi dari nol di Course ini, gaya Karpathy akan terasa sangat akrab: kode diketik hidup-hidup, galat diperbaiki di tempat, dan tidak ada langkah yang disembunyikan.
Strategi Belajar dari Materi Berbahasa Inggris #
Perlu dinyatakan secara jujur: materi deep learning berkualitas tinggi yang berbahasa Indonesia masih sangat sedikit, dan hampir seluruh rujukan terbaik — dokumentasi, buku, paper, serta keempat kursus di atas — berbahasa Inggris. Kabar baiknya, celah bahasa untuk bidang ini lebih kecil daripada yang diperkirakan: istilah teknis memang tidak diterjemahkan. Tensor, layer, batch, loss, gradient, attention dipakai apa adanya di Course ini sejak awal, sehingga kosakata yang perlu dikuasai untuk mengikuti kuliah berbahasa Inggris sebenarnya sudah Anda miliki.
Tiga kebiasaan praktis yang terbukti membantu: pertama, aktifkan subtitle Inggris (bukan terjemahan otomatis) dan perlankan kecepatan pemutaran bila perlu — kedengarannya sepele tetapi menaikkan daya tangkap signifikan. Kedua, jadikan Glosarium Course ini sebagai kamus saku saat bertemu istilah asing di kuliah. Ketiga, perlakukan video sebagai bahan baca ulang: tonton sekali untuk bentuk besar, lalu kerjakan ulang kodenya sendiri tanpa menonton — ujian sesungguhnya ada di situ.
Kursus mengajarkan cara orang lain menyusun pengetahuan; pada tahap tertentu kita perlu berhadapan langsung dengan bahan mentahnya — data. Chapter berikutnya memetakan dataset publik penting per domain beserta portal pencariannya, sekaligus cara menilai apakah sebuah dataset layak dipakai.