Deep Learning

Bangun fondasi yang kuat dalam kecerdasan buatan dengan belajar untuk merancang dan mengimplementasikan jaringan saraf yang diawasi dan tidak diawasi menggunakan Python.

Kuasai konsep-konsep aljabar linear dan kalkulus penting yang menjadi dasar algoritma pembelajaran mesin dan ilmu data.

Pelajari cara mendesain, melatih, dan mengevaluasi model pembelajaran mendalam menggunakan TensorFlow untuk memecahkan tantangan data dunia nyata dengan Python.

Menguasai dasar-dasar jaringan saraf dan membangun model pembelajaran mendalam Anda sendiri menggunakan TensorFlow untuk memecahkan masalah regresi dan klasifikasi dunia nyata.

Belajar teori dasar jaringan saraf dan membangun model pembelajaran mendalam Anda sendiri dari awal menggunakan Python, NumPy, dan TensorFlow modern.

Kuasai jaringan saraf dan bangun model prediksi cerdas menggunakan Python, TensorFlow, dan Keras melalui tutorial tertulis yang jelas dan langkah demi langkah.

Kuasai dasar-dasar PyTorch untuk membangun, melatih, dan mengoptimalkan model pembelajaran mendalam dan jaringan saraf untuk aplikasi kecerdasan buatan di dunia nyata.

Pelajari cara membangun, mengoptimalkan, dan melatih jaringan saraf menggunakan PyTorch dan TensorFlow sambil menjelajahi teknik optimasi dan regularisasi modern.

Pelajari cara membangun, melatih, dan menerapkan model pembelajaran mesin langsung di browser menggunakan JavaScript, bahkan jika Anda tidak memiliki pengalaman ilmu data sebelumnya.

Kuasai kecerdasan buatan dan konsep inti, alur kerja, serta aplikasi dunia nyata dari pembelajaran mesin tanpa perlu menulis satu baris kode pun.

Bangun dan latih jaringan saraf dan ensemble pohon keputusan menggunakan TensorFlow untuk menyelesaikan masalah klasifikasi dan regresi kompleks di dunia nyata.

Kuasai konsep inti jaringan saraf dan pembelajaran mendalam untuk mulai memahami, merancang, dan melatih model kecerdasan buatan modern.

Kuasai dasar-dasar matematika dari gradien, Jacobian, dan optimasi untuk memahami dengan percaya diri bagaimana model pembelajaran mesin belajar dan memperbarui diri.

Pelajari cara mempersiapkan data sekuens dan membangun model prediktif menggunakan TensorFlow, Jaringan Saraf Berulang (Recurrent Neural Networks), dan jaringan konvolusional untuk tugas peramalan dunia nyata.

Kuasai dasar-dasar jaringan saraf dan bangun model prediktif untuk data tabular dan gambar menggunakan kerangka kerja PyTorch.

Bangun fondasi yang kuat dalam pembelajaran mesin dengan melatih model klasifikasi, regresi, dan pembelajaran mendalam menggunakan PyTorch untuk analisis data dunia nyata.

Pelajari cara mendesain, menerapkan, dan memantau model pembelajaran mesin yang andal dalam lingkungan produksi, mulai dari kode eksperimental hingga sistem dunia nyata yang skalabel.

Mengerti dasar-dasar jaringan saraf dan belajar bagaimana melatih model kecerdasan buatan pertama Anda dari nol.

Sebuah panduan yang ramah pemula untuk memahami konsep pembelajaran mendalam dan melatih jaringan saraf dasar pertama Anda dari nol.

Belajar teknik dasar untuk menyetel hyperparameter, mengurangi kesalahan, dan membangun model pembelajaran mendalam yang sangat akurat.

Belajar bagaimana merencanakan, mengorganisir, dan memecahkan masalah proyek kecerdasan buatan dari dasar.

Mengerti konsep inti kecerdasan buatan dan belajar bagaimana membangun model prediktif pertama Anda dari nol.

Menguasai dasar-dasar TensorFlow untuk membangun, melatih, dan mengoptimalkan model pembelajaran mendalam untuk aplikasi penglihatan komputer dunia nyata dan pemrosesan bahasa alami.

Bangun, latih, dan terapkan jaringan neural pertama Anda menggunakan TensorFlow saat Anda beralih dari pengembangan perangkat lunak tradisional ke pemrograman yang didorong oleh AI.