Text

Deep Learning dengan Python

---

Convolutional Neural Networks dan Recurrent Neural Networks bersinar terang karena mereka terus membantu memecahkan masalah dunia di semua bidang industri seperti Otomotif & Transportasi, Kesehatan & Kedokteran, Ritel untuk beberapa nama. Kemajuan besar sedang dibuat di bidang-bidang ini dan metrik seperti ini cukup menjelaskan tentang industri pembelajaran mendalam yang gamblang: Seperti jumlah Jurnal akademik Ilmu Komputer telah melonjak hampir 10x sejak tahun 1996, lebih banyak startup AI aktif sejak tahun 2000 dan salah satunya adalah tingkat kesalahan klasifikasi gambar telah turun dari 28% pada tahun 2012 menjadi 2,5% pada tahun 2017 dan terus menurun.\\r\\nDAFTAR ISI\\r\\n\\r\\nHalaman Judul ......................................................................................................... i\\r\\nKata Pengantar ........................................................................................................ iii\\r\\nDaftar Isi ................................................................................................................. iv\\r\\nBAB 1: DASAR-DASAR TENSORFLOW ........................................................................ 1\\r\\n1.1 Tensor ................................................................................................................ 1\\r\\n1.2 Grafik Komputasi Dan Sesi ................................................................................ 2\\r\\n1.3 Konstanta, Placeholder, Dan Variabel ............................................................... 3\\r\\n1.4 Placeholder ........................................................................................................ 5\\r\\n1.5 Membuat Tensor ............................................................................................... 7\\r\\n1.6 Bekerja Pada Matriks ......................................................................................... 10\\r\\n1.7 Fungsi Aktivasi ................................................................................................... 10\\r\\n1.8 Fungsi Loss ......................................................................................................... 14\\r\\n1.9 Pengoptimal ....................................................................................................... 15\\r\\n1.10 Metrik ................................................................................................................ 17\\r\\nBAB 2: MEMAHAMI DAN BEKERJA DENGAN KERAS .................................................. 20\\r\\n2.1 Langkah-Langkah Utama Untuk Model Deep Learning ..................................... 20\\r\\n2.2 Langkah Tambahan Untuk Meningkatkan Model Keras ................................... 25\\r\\n2.3 Keras Dengan Tensorflow .................................................................................. 26\\r\\nBAB 3: MULTILAYER PERCEPTRON ........................................................................... 28\\r\\n3.1 Jaringan Saraf Buatan ........................................................................................ 28\\r\\n3.2 Multilayer Perceptron ....................................................................................... 29\\r\\n3.3 Model Regresi Logistik ....................................................................................... 30\\r\\nBAB 4: REGRESI KE MLP DI TENSORFLOW ................................................................. 35\\r\\n4.1 Langkah-Langkah Tensorflow Untuk Membangun Model ................................ 35\\r\\n4.2 Regresi Linier Di Tensorflow .............................................................................. 35\\r\\n4.3 Model Regresi Logistik ....................................................................................... 38\\r\\nBAB 5: REGRESI KE MLP DI KERAS ............................................................................ 43\\r\\n5.1 Model Log-Linear ............................................................................................... 43\\r\\n5.2 Jaringan Saraf Keras Untuk Regresi Linier ......................................................... 44\\r\\n5.3 Regresi Logistik .................................................................................................. 45\\r\\n5.4 MLP Pada Data Iris ............................................................................................. 49\\r\\n5.5 MLP Pada Data MNIST (Klasifikasi Digit) ........................................................... 51\\r\\n5.6 MLP Pada Data Yang Dihasilkan Secara Acak .................................................... 53\\r\\nBAB 6: JARINGAN SARAF KONVOLUSIONAL .............................................................. 55\\r\\n6.1 Lapisan Berbeda Di CNN..................................................................................... 55\\r\\n6.2 Arsitektur CNN ................................................................................................... 57\\r\\nBAB 7: CNN DI TENSORFLOW ................................................................................... 58\\r\\n7.1 Mengapa Tensorflow Untuk Model CNN? ........................................................ 58\\r\\n7.2 Kode Tensorflow Untuk Pengklasifikasi Gambar Untuk Data MNIST ............... 58\\r\\n7.3 Menggunakan Api Tingkat Tinggi Untuk Membangun Model CNN .................. 62\\r\\nBAB 8: CNN DI KERAS ............................................................................................... 63\\r\\n8.1 Membuat Pengklasifikasi Gambar Untuk Data MNIST Di Keras ....................... 63\\r\\n8.2 Membuat Pengklasifikasi Gambar Dengan Data Cifar-10 ................................. 65\\r\\n8.3 Tentukan Arsitektur Model ............................................................................... 66

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

006.31 BUD d

Penerbit

semaang : YAYASAN PRIMA AGUS TEKNIK., 2022

Deskripsi Fisik

123 hlm

Bahasa

Indonesia

ISBN/ISSN

9786235734330

Klasifikasi

006.31

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Kecerdasan Buatan

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Dr. Mars Caroline Wibowo., S.T., M.Mm. Tech

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar