Ukuran fonta
A-
A
A+
Warna situs
R
A
A
A
Panel samping
Bahasa Indonesia (id)
English (en)
Anda sedang menggunakan akses tamu (
Masuk
)
Lewati ke konten utama
DEEP LEARNING
Beranda
Kursus
MATEMATIKA DAN ILMU PENGETAHUAN ALAM (MIPA)
MATEMATIKA
Ilmu Komputer
14624533 - DEEP LEARNING
2. Dasar Matematika Untuk Mesin Pemelajar
Diskusi Matematika Untuk Mesin Pemelajar
Cari forum
Cari forum
Diskusi Matematika Untuk Mesin Pemelajar
Jika ada pertanyaan dan permasalahan yang tidak kalian fahami, silakan bertanya pada forum ini.
(Belum ada topik diskusi pada forum ini)
Aktivitas sebelumnya
◄ Rubrik Penilaian Penugasan 2
Lompat ke...
Lompat ke...
Pengumuman
Rencana Pembelajaran Semester (RPS)
Komposisi Penilaian & Evaluasi
1.1. Deep Learning Application
1.2. Hubungan AI & Deep Learning
1.3. Why Deep Learning
Materi 1: Konsep Dasar Deep Learning
Penugasan 1: Meringkas literatur Deep Learning
Rubrik Penilaian Penugasan 1
Diskusi Konsep Dasar Deep Learning
2.1.1. Perkalian Matriks & Vektor
2.1.2. Determinan
2.1.3. Nilai Eigen dan Vektor Eigen
Materi 2.1. Math For ML - Aljabar Linier
2.2.1. Random Variable
2.2.2. Probability Mass Function (PMF)
2.2.3. Statistika Marginal
2.2.4.Probability Density Function
2.2.5. Statistika Variansi dan Kovariansi
2.2.6. Gaussian Distribution
Materi 2.2. Math for ML - Probabilitas
2.3.1. Gradient Based Optimization
2.3.2.Jacobian Matrices
2.3.3. Hessian Matrices
Materi 2.3. Math For ML - Komputasi Numerik
2.4. Dasar Mesin Pemelajar
Materi 2.4. Dasar Mesin Pemelajar
Penugasan 2: Identifikasi permasalahan matematika dan machine learning
Rubrik Penilaian Penugasan 2
3.1. Feedforward Neural Network
3.2. Backpropagation Algorithm
3.3. Minibatch
3.4. XOR Learning
Materi 3 : Deep Feedforward Networks
Penugasan 3: Deep Feedforward Networks
Rubrik Penilaian Penugasan 3
Diskusi Deep Feedforward Networks
4.1. Data Splitting
4.2. Problem of Fitting
4.3. Parameter Norm Penalties
4.4. Data Augmentation
4.5. Early Stopping
4.6. Bagging
4.7. Dropout
Materi 4: Regularization For Deep Learning
Penugasan 4 : Identifikasi Teknik Regularisasi
Rubrik Penilaian Penugasan 4
Diskusi Regularization For Deep Learning
5.1. NN as Computational Graph
5.2. Gradient Descent for NN
5.3. Optimization Algorithm
Materi 5: Optimization for Deep Learning
Penugasan 5: Identifikasi Algoritma Optimasi
Rubrik penilaian penugasan 5
Diskusi Optimization for Deep Learning
6.1. Aplikasi Visi Komputer
6.2. Apa yang komputer lihat
6.3. Mempelajari Fitur Visual melalui Jaringan Saraf
6.4.Feature Extraction Case Study
6.5.Convolutional Neural Network (CNN)
6.6. Non Linearity & Pooling
6.7. Arsitektur Berbagai Aplikasi
Materi 6: Deep Convolutional Networks
Penugasan 6 : Deep Convolutional Networks
Rubrik Penilaian Penugasan 6
Diskusi Deep Convolutional Networks
7.1. Introduction to Sequence Modelling
Materi 7: Deep Sequence Modelling
Rubrik Penugasan 7: Deep Sequence Modelling
Forum Diskusi 7 Deep Sequence Modelling
9.1. Autoregressive Models
Materi 8: Deep Generative Modeling
Penugasan 8: Deep Generative Modeling
Rubrik Penilaian Penugasan 8
Diskusi Deep Generative Modeling
10. Practical Methodology - Konsep
Materi 10: Practical Methodology
Rubrik Penilaian Penugasan 9
Kode Program 10-Practical Methodology
Forum Practical Methodology
11. Application Deep Feedforward Network in TensorFlow
Kode Program Deep Feedforward
Rubrik Penilaian Penugasan 10
Kode Program Telaah Data Terstruktur
Kode Program Visualisasi Data Terstruktur
Forum Diskusi Implementasi Deep Feedforward
12. Application Convolutional Neural Network in Tensor Flow
Kode Program Convolutional Neural Network
Rubrik Penilaian Tugas 11
Forum Diskusi Implementasi Convolutional Neural Network
13. Application Recurrent Neural Network (RNN) in Tensor Flow
Kode Program Recurrent Neural Network
Rubrik Penilaian Tugas 12
Forum Diskusi Application RNN
14. Application Deep Convolution Generative Adversarial Network (DC-GAN) in Tensor Flow
Kode Program Deep Convolutional Generative Adversarial Network
Rubrik Penilaian Tugas 13
Forum Diskusi Implementasi GAN
Penjelasan Pelaksanaan Seminar
Aktivitas berikutnya
3.1. Feedforward Neural Network ►
Beranda
Kalender
Bagian kursus
MK Deep Learning - 14624533 - 3 SKS
1. Konsep Dasar Deep Learning
2. Dasar Matematika Untuk Mesin Pemelajar
3. Deep Feedforward Networks
4. Regularization For Deep Learning
5. Optimization for Deep Learning
6. Deep Convolutional Networks
7. Deep Sequence Modelling
8. Evaluasi Tengah Semester
9. Deep Generative Modeling
10. Practical Methodology
11. Application Deep Feedforward Network in TensorFlow
12. Application Convolutional Neural Network in Tensor Flow
13. Application Recurrent Neural Network in Tensor Flow
14. Application Deep Convolution Generative Adversarial Network (DC-GAN) in Tensor Flow
15. Ujicoba / Implementasi Hasil Proyek
16. Seminar Hasil Proyek Akhir (Deep Learning Day)