Dasar-Dasar Deep Learning: Melatih Multilayer Perceptron XOR โ€” WalkSelf
โฑ 2 jam 42 mnt ๐Ÿ“š 27 pelajaran ๐ŸŽง Versi audio

Dasar-Dasar Deep Learning: Melatih Multilayer Perceptron XOR

Kuasai deep neural network dari prinsip-prinsip utama dengan membangun dan melatih multilayer perceptron untuk menyelesaikan masalah klasifikasi XOR klasik menggunakan NumPy.

  • ๐Ÿ’ฌ Instruktur AI
    Tanyakan apa pun tentang pelajaran dan dapatkan jawaban jelas seketika, kapan saja.
  • ๐Ÿ• Mulai kapan saja
    Tanpa jadwal atau tenggat โ€” belajar dengan kecepatan sendiri, kapan pun Anda mau.
  • ๐ŸŒ Dalam bahasa Indonesia
    Pelajaran, tugas, dan sertifikat โ€” semuanya sepenuhnya dalam bahasa Anda.

Tentang kursus ini

Pusat kekuatan deep learning dibangun di atas konsep-konsep matematika mendasar yang pada awalnya mungkin terlihat mengintimidasi. Untuk benar-benar memahami cara kerja neural network yang kompleks, Anda harus terlebih dahulu menguasai mekanika inti dari forward propagation, backpropagation, dan pembaruan parameter. Teks kursus ini membimbing Anda langkah demi langkah melalui proses membangun dan melatih multilayer perceptron untuk menyelesaikan masalah XOR klasik, memberi Anda pemahaman yang sangat jelas tentang matematika dan logika di balik kecerdasan buatan modern. Anda akan bertransisi dari konsep teoretis ke penulisan kode tervektorisasi yang bersih menggunakan NumPy, membangun fondasi yang sangat kokoh untuk perjalanan deep learning Anda di masa depan. Apa yang akan Anda pelajari: - Memahami konsep matematika inti dari neural network, termasuk weight, bias, dan fungsi aktivasi. - Mengimplementasikan forward propagation untuk meneruskan data input melalui jaringan multilayer. - Menghitung loss menggunakan binary cross-entropy untuk mengukur performa jaringan. - Menerapkan backpropagation menggunakan kalkulus aturan rantai (chain-rule) untuk menghitung gradien. - Memperbarui parameter jaringan menggunakan gradient descent untuk meminimalkan error. - Menulis kode Python tervektorisasi yang bersih dengan NumPy untuk melatih jaringan Anda dari awal. Anda akan mulai dengan mengeksplorasi konsep dasar dan terminologi kunci dari neuron buatan sebelum beralih ke implementasi langkah demi langkah dari arsitektur jaringan. Di akhir bacaan, Anda akan telah membangun, melatih, dan menguji multilayer perceptron yang berfungsi penuh. Kursus ini dirancang untuk pemula yang memiliki pemahaman dasar tentang Python dan ingin mempelajari cara kerja neural network yang sebenarnya di balik layar, tanpa bergantung pada framework tingkat tinggi. Tidak diperlukan pengalaman deep learning sebelumnya. Mulaikah membaca hari ini untuk membuka mekanika dasar neural network dan membangun keterampilan deep learning Anda dari awal.

Apa yang Anda dapatkan

  • ๐Ÿ“œ Sertifikat penyelesaian
    Tambahkan ke profil LinkedIn Anda
  • ๐Ÿ’ฌ Tutor AI pribadi
    Bingung di tengah pelajaran? Tanya tutor bawaan kamu apa saja, kapan saja.
  • ๐ŸŽง Termasuk versi audio
    Belajar di mana saja โ€” tanpa layar
  • โ™พ๏ธ Akses seumur hidup
    Kembali kapan saja, tanpa kedaluwarsa
  • ๐Ÿ“ฑ Ponsel atau komputer
    Berfungsi di mana saja, perangkat apa saja
  • ๐Ÿ’ธ Pengembalian 14 hari
    Tanpa pertanyaan
  • โšก Singkat dan fokus
    2 jam 42 mnt konten praktis

Ulasan

Belum ada ulasan โ€” jadilah yang pertama berbagi pengalaman.

Tulis ulasan

โ˜†โ˜†โ˜†โ˜†โ˜†
Setelah mengirim kami akan meminta masuk โ€” draf Anda tersimpan.

Pelajar lain juga mengambil

Pertanyaan umum

Apa yang saya butuhkan untuk mengikuti kursus ini? +

Cukup ponsel atau komputer dengan internet. Tidak ada instalasi atau perangkat khusus.

Bagaimana cara membayar? +

Dengan kartu via Stripe. Kami tidak menyimpan detail kartu โ€” Stripe menanganinya dengan aman.

Bisakah saya mendapat refund? +

Ya โ€” refund penuh dalam 14 hari, tanpa pertanyaan.

Berapa lama saya akan punya akses? +

Selamanya. Setelah membeli, kursus jadi milik Anda untuk dikunjungi lagi kapan saja.

Apakah saya akan mendapat sertifikat? +

Ya. Setelah selesai, Anda akan menerima sertifikat yang bisa ditambahkan ke profil LinkedIn.

Dibuat untuk pelajar di
Teknologi Desain Keuangan Pemasaran Kesehatan Pendidikan Perhotelan Manufaktur