Tahap 3 dari 6

Deep Learning

Neuron dan backprop, training deep network, arsitektur utama, dan computer vision.

Kamu sudah paham ML klasik dan ingin memahami neural network. 4 jalur · 25 penjelasan.

Jalur 01 · 8 penjelasan

Neural Network dari Nol

Dari satu neuron sampai forward propagation, loss, dan backprop

  1. 1Neural Network
  2. 2Perceptron
  3. 3Forward Propagation
  4. 4Activation Function
  5. 5Bias dan Decision Boundary
  6. 6Softmax, Logit, dan Temperature
  7. 7Loss Function
  8. 8Backpropagation
Jalur 02 · 7 penjelasan

Training Deep Network

Optimizer, schedule, inisialisasi, normalisasi, dan cara menjaga training tetap stabil

  1. 1Optimizer
  2. 2Learning Rate Scheduling
  3. 3Inisialisasi Weight
  4. 4Batch Normalization
  5. 5Vanishing dan Exploding Gradient
  6. 6Overfitting dan Underfitting
  7. 7Regularization
Jalur 03 · 6 penjelasan

Arsitektur

CNN, recurrent network, autoencoder, GAN, dan skip connection

  1. 1Convolutional Neural Network
  2. 2Recurrent Neural Network
  3. 3LSTM
  4. 4Autoencoder & VAE
  5. 5GAN
  6. 6Skip Connection & ResNet
Jalur 04 · 4 penjelasan

Computer Vision

Pooling, deteksi objek, segmentasi, dan data augmentation

  1. 1Pooling dan Downsampling
  2. 2Object Detection
  3. 3Image Segmentation
  4. 4Data Augmentation