Deep Learning Fundamentals

Konsep dasar deep learning: perceptron, activation functions, forward/backward propagation, dan arsitektur neural network.

1. 1Dasar-Dasar Deep Learning Bagian 1Gratis
2. 2Dasar-Dasar Deep Learning Bagian 2
3. 3Dasar-Dasar Deep Learning Bagian 3
4. 4Dasar-Dasar Deep Learning Bagian 4
5. 5Dasar-Dasar Deep Learning Bagian 5
6. 6Dasar-Dasar Deep Learning Bagian 6

Pengenalan TensorFlow dan Keras: tensor operations, membangun model sequential, compile, fit, dan evaluate.

1. 1Dasar-Dasar TensorFlow Bagian 1Gratis
2. 2Dasar-Dasar TensorFlow Bagian 2
3. 3Dasar-Dasar TensorFlow Bagian 3
4. 4Dasar-Dasar TensorFlow Bagian 4
5. 5Dasar-Dasar TensorFlow Bagian 5
6. 6Dasar-Dasar TensorFlow Bagian 6

Membangun neural network untuk masalah regresi: arsitektur, loss functions, optimizer, dan teknik mencegah overfitting.

1. 1Neural Network untuk Regression Bagian 1Gratis
2. 2Neural Network untuk Regression Bagian 2
3. 3Neural Network untuk Regression Bagian 3
4. 4Neural Network untuk Regression Bagian 4
5. 5Neural Network untuk Regression Bagian 5
6. 6Neural Network untuk Regression Bagian 6

Neural network untuk klasifikasi: softmax, cross-entropy loss, multi-class classification, dan evaluasi model deep learning.

1. 1Neural Network untuk Classification Bagian 1Gratis
2. 2Neural Network untuk Classification Bagian 2
3. 3Neural Network untuk Classification Bagian 3
4. 4Neural Network untuk Classification Bagian 4
5. 5Neural Network untuk Classification Bagian 5
6. 6Neural Network untuk Classification Bagian 6

Latihan dan project portfolio deep learning: bangun neural network end-to-end untuk regression dan classification pada dataset nyata.

1. 1Exercise & Project Portfolio 10