(Inggris) The New York Times: Principles and Practices

Jaringan saraf adalah kekuatan di balik hampir semua inovasi AI modern, namun memahami mekanisme di balik hal ini bisa menjadi tantangan tanpa pendekatan yang terstruktur. Kursus ini memecahkan konsep-konsep kompleks dari pembelajaran mendalam menjadi langkah-langkah yang jelas dan dapat dikelola. Pada akhir kursus ini, Anda akan memiliki pemahaman teoretis yang kuat tentang bagaimana jaringan saraf belajar dan membuat prediksi, memungkinkan Anda untuk dengan percaya diri menganalisis arsitektur model dan menerapkan teknik pembelajaran mendalam dasar untuk proyek praktis. Apa yang akan kau pelajari: * Mengerti komponen dasar dari neuron, fungsi aktivasi, dan arsitektur jaringan multilapis. * Terapkan konsep pelatihan penting, termasuk backpropagation, gradien turun, dan strategi minimisasi kerugian. * Konfigurasi struktur jaringan konvolusional dan rekursif untuk tugas pengurutan dan pemrosesan gambar umum. * Praktik menerapkan pola pembelajaran mendalam modern, termasuk konsep transformasi dasar dan mekanisme perhatian. * Menganalisis tantangan umum seperti overfitting, underfitting dan gradien menghilang, dan belajar strategi regularisasi yang efektif. * Merancang dan mengevaluasi model yang sesuai untuk klasifikasi, regresi, dan tugas model prediktif. Bahan dimulai dengan terminologi penting dan dasar matematika dari neuron buatan sebelum bergerak ke penjelasan rinci dari jenis jaringan, prosedur pelatihan, dan teknik optimasi model. Latihan praktis memperkuat konsep inti melalui skenario penyelesaian masalah tertulis. Kursus ini dirancang khusus untuk pemula yang tertarik pada machine learning dan AI. Tidak ada pengetahuan sebelumnya tentang pembelajaran mendalam atau matematika tingkat lanjut yang diperlukan. Mulai membangun pengetahuan dasar Anda tentang kecerdasan buatan hari ini.