DeepLearning
Browse all articles with this tag
CNN, RNN, LSTM, dan Transformers: Arsitektur Deep Learning untuk Computer Vision dan NLP
Dari convolutional neural networks untuk pengenalan gambar, RNN/LSTM untuk data sekuensial, hingga transformer architecture dengan self-attention yang mendasari ChatGPT dan model LLM modern. Penjelasan konseptual dengan kode.
Neural Networks & Deep Learning: Forward Propagation, Backpropagation, dan Arsitektur Modern
Dari perceptron sederhana ke deep neural networks — pahami forward propagation, backpropagation algorithm, gradient descent optimization, activation functions, regularization, dropout, batch normalization, dan tips training deep networks. Materi CS229 + best practices modern.
Supervised Learning Fundamentals: Linear Regression, Logistic Regression, dan Generalized Linear Models
Panduan matematis namun aksesibel tentang fondasi supervised learning — dari LMS algorithm, normal equations, logistic regression dengan Newton's method, hingga Generalized Linear Models (GLMs). Berdasarkan CS229 Stanford oleh Andrew Ng.
AI untuk Data Science: Panduan Lengkap dari Dasar hingga Praktik Bisnis
Panduan lengkap dalam Bahasa Indonesia yang merangkum penerapan Artificial Intelligence dalam dunia data science. Mulai dari konsep dasar AI, deep learning frameworks (TensorFlow, Keras, MXNet), algoritma optimisasi, CNN, RNN, Transfer Learning, GANs, hingga aspek bisnis dalam proyek AI. Berdasarkan buku AI for Data Science karya Zacharias Voulgaris & Yunus Emrah Bulut.
