Section Pengantar Deep Learning berisi materi 7 chapter. Pahami neural network dari dasar: neuron, aktivasi, backpropagation, gradient descent, dan regularisasi, semuanya diimplementasikan dengan NumPy.

# Dari Machine Learning ke Deep Learning

Pahami motivasi representasi bertingkat dan kapan deep learning layak dipilih.

Buka → # Neuron Artificial dan Feedforward Network

Bangun jaringan saraf maju dari nol dengan operasi matriks NumPy.

Buka → # Fungsi Aktivasi

Kenal sigmoid, tanh, ReLU, dan softmax beserta konsekuensi gradiennya.

Buka → # Loss Function dan Backpropagation

Hitung galat prediksi dan rambatkan gradien ke seluruh parameter jaringan.

Buka → # Gradient Descent dan Variasinya

Optimalkan parameter dengan batch, mini-batch, dan stochastic gradient descent.

Buka → # Regularisasi Neural Network

Kendalikan overfitting jaringan dengan penalti bobot dan dropout.

Buka → # Kapan Menggunakan Deep Learning

Nilai kelayakan deep learning dari ukuran data, komputasi, dan kebutuhan interpretasi.

Buka →