Soft Computing¶
Pendahuluan¶
Kuliah ini akan meminta Anda untuk belajar menggunakan deep learning dalam berbagai kasus. Kemampuan pemrograman dalam bahasa Python menjadi syarat bagi Anda untuk dapat mengikuti kuliah ini. Sebagai referensi, Anda direkomendasikan untuk belajar dari buku Deep Learning yang ditulis oleh Ian Goodfellow dkk. Buku dari Michael Nielsen tentang Neural Networks and Deep Learning juga bisa menjadi sumber yang baik.
Referensi
Kuliah ini banyak mengadaptasi materi dari fast.ai dan CS230: Deep Learning dari Stanford University.
Anda dapat membuat clone dari repositori mata kuliah ini di sini.
Pengenalan Deep Learning¶
Salindia minggu ke-1: Pendahuluan
Administrasi kuliah dan beberapa contoh penerapan deep learning.
Model Linear¶
Salindia minggu ke-2: Model Linear
Sebelum masuk ke materi deep learning, Anda akan dikenalkan pada building blocks-nya, yaitu regresi linear dan logistik. Bagaimana Anda dapat melakukan prediksi dengan data yang ada? Anda akan dikenalkan dengan model matematis yang dijadikan dasar dalam metode deep learning.
Referensi
Untuk yang sifatnya lebih praktikal, Anda dapat melihat pendahuluannya di sini.
Contoh pencarian solusi tertutup untuk nilai w dapat dilihat di sini.
Neural Networks¶
Salindia minggu ke-3: Neural Networks
Apa hubungannya model linear dengan neural networks? Mengapa pula disebut sebagai neural networks?
Referensi
Sebagai pendahuluan, Anda dapat membaca materi CS231n.
Salindia minggu ke-4: Generalisation
Bagaimana cara untuk membuat model neural networks yang robust? Apa saja yang dapat dilakukan untuk menghindari overfitting?
Salindia minggu ke-5: Optimisation
Materi minggu ini berfokus pada metode yang dapat dilakukan untuk menghasilkan model deep learning yang bekerja dengan baik. Anda akan dikenalkan dengan regularisasi L2 dan batch normalisation, beberapa fungsi aktivasi baru, serta optimasi model dengan hyperparameter tuning.
Tugas 1¶
Dalam tugas ini, Anda akan mencoba membuat regresi logistik dengan TensorFlow/Keras dan membandingkan kinerja model wide vs deep learning.
Tenggat
Senin, 29 Oktober 2018, pukul 23.55 WIB