Text

Deep Learning Konsep, Implementasi dan Penerapannya

---

Buku Deep Learning: Konsep, Implementasi dan penerapannya ini dirancang sebagai panduan komprehensif bagi mahasiswa ilmu komputer yang ingin memahami dan menguasai konsep deep learning dari dasar hingga penerapan lanjutan. Salah satu keunggulan utama buku ini adalah struktur penyajian yang sistematis dan berjenjang, mulai dari teori dasar jaringan saraf, arsitektur populer, hingga teknik optimisasi dan regularisasi yang esensial dalam pengembangan model yang efisien dan andal. Tidak seperti banyak buku lain yang terlalu teknis atau terbatas pada teori, buku ini menggabungkan penjelasan konseptual yang jelas dengan implementasi praktis menggunakan Python dan Keras. Hal ini memberikan pengalaman belajar dua arah: pemahaman mendalam dan kemampuan langsung membangun serta mengevaluasi model. Bagi mahasiswa, buku ini sangat bermanfaat karena menyederhanakan konsep-konsep kompleks seperti SGD, Adam, Dropout, Batch Normalization, dan Early Stopping, serta menyajikan studi kasus nyata yang aplikatif dalam konteks industri dan riset. Setiap bab dilengkapi dengan ilustrasi, kode, dan penjelasan mendalam yang memperkuat penguasaan materi. Keunggulan lainnya dibandingkan buku sejenis adalah pendekatannya yang berfokus pada generalization, bukan hanya akurasi pelatihan. Buku ini menekankan pentingnya membangun model yang robust dan tahan terhadap data dunia nyata, menjadikannya relevan untuk pengembangan sistem AI berkelanjutan. Dengan pendekatan edukatif dan praktikal yang seimbang, buku ini bukan hanya membantu mahasiswa lulus ujian, tetapi juga mempersiapkan mereka untuk menjadi praktisi AI yang kompeten dan siap bersaing di era digital yang berkembang pesat. Berikut Daftar Isi Buku Ilmu Komputer yang berjudul Buku Deep Learning Konsep, Implementasi dan Penerapannya, diantaranya:

Pengantar Deep Learning
Dasar Matematika untuk Deep Learning
Dasar-dasar Struktur Jaringan Saraf Tiruan
Jaringan Saraf Konvolusi (Convolutional Neural Networks – CNN)
Recurrent Neural Networks (RNN)
Teknik Optimalisasi dan Regularisasi dalam Deep Learning
Transfer Learning dan Pretrained Models
Deep Learning untuk Pemrosesan Bahasa Alami (Natural Language Processing – NLP)
Penerapan dan Tantangan Deep Learning dalam Industri serta Isu Etika dalam AI
Pengembangan Aplikasi Deep Learning dan Deployment
Masa Depan Deep Learning dan Tantangan Etis AI

---

Ketersediaan

K4124

006.31 PRI d.1.ED1 WSD-2025

Kampus Tipes (006)

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

006.31 PRI d.1.ED1 WSD-2025

Penerbit

Yogyakarta : Deepublish., 2025

Deskripsi Fisik

x; 131; 16x23

Bahasa

Indonesia

ISBN/ISSN

978-634-01-0440-0

Klasifikasi

006.31

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Artificial Intelligence
Machine learning

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar