PENGENALAN DEEP LEARNING MENGGUNAKAN TENSORFLOW (Studi Kasus Regresi dan Klasifikasi)
Budi Aribowo
Telah di baca oleh 0 pemustaka, dengan total durasi baca 00:00:00
Deskripsi Buku
Di era perkembangan ilmu Data Science serta Kecerdasan Buatan Artificial Intelligent yang makin luas maka peran engine pengolahan data makin penting Engine pengolahan data tersebut adalah Machine Learning suatu kumpulan fungsi matematika yang diberi sentuhan learning Di dalam Machine Learning terdapat berbagai macam mesin pengolahan data yang cukup powerful salah satunya Deep Learning Deep Learning sendiri menggunakan arsitektur Artificial Neural Network ANN atau Jaringan Saraf Tiruan JST sebagai engine utama yang kemudian melakukan proses learning menggunakan Algoritma Backpropagation Oleh karena itu di buku ini dijelaskan pula komponen dari ANN seperti Neuron Input Summation Fungsi Aktivasi Weight Bobot Bias Optimizer dan lainnya Tidak ketinggalan pula penjelasan proses learning menggunakan pendekatan Gradient Descent secara ringkas sehingga diharapkan dapat memudahkan pembaca memahami konsep iterasi Algoritma Backpropagation Pada buku ini diberikan pula contoh soal untuk Deep Learning terkait regresi dan klasifikasi termasuk contoh soal klasifikasi gambar sederhana menggunakan Bahasa Pemrograman Python dengan Library utama yaitu TensorFlow Sementara itu Jupyter Notebook tetap menjadi pilihan penulis sebagai Integrated Development Environment IDE atau pun Code Editor "Di era perkembangan ilmu Data Science serta Kecerdasan Buatan (Artificial Intelligent) yang makin luas maka peran engine pengolahan data makin penting. Engine pengolahan data tersebut adalah Machine Learning—suatu kumpulan fungsi matematika yang diberi sentuhan learning. Di dalam Machine Learning terdapat berbagai macam mesin pengolahan data yang cukup powerful, salah satunya Deep ...Learning. Deep Learning sendiri menggunakan arsitektur Artificial Neural Network (ANN) atau Jaringan Saraf Tiruan (JST) sebagai engine utama yang kemudian melakukan proses learning menggunakan Algoritma Backpropagation. Oleh karena itu, di buku ini dijelaskan pula komponen dari ANN, seperti Neuron, Input Summation, Fungsi Aktivasi, Weight (Bobot), Bias, Optimizer dan lainnya. Tidak ketinggalan pula penjelasan proses learning menggunakan pendekatan Gradient Descent secara ringkas sehingga diharapkan dapat memudahkan pembaca memahami konsep iterasi Algoritma Backpropagation. Pada buku ini diberikan pula contoh soal untuk Deep Learning terkait regresi dan klasifikasi, termasuk contoh soal klasifikasi gambar sederhana menggunakan Bahasa Pemrograman Python dengan Library utama, yaitu TensorFlow. Sementara itu, Jupyter Notebook tetap menjadi pilihan penulis sebagai Integrated Development Environment (IDE) atau pun Code Editor."
