Pilih produk yang ingin anda beli. Klik Detail, lalu klik tombol Add to Cart
Klik tombol View Your Cart yang ada di atas halaman (header) sehingga muncul pop up keranjang belanja. Klik tombol Check Out With
Isikan alamat tujuan pengiriman, kemudian klik tombol Terapkan untuk menampilkan opsi layanan pengiriman yang diinginkan. Pilih salah satu layanan pengiriman. Kemudian Isi detail pengeriman seperti nama, nomor telpon dan lain-lain.
Kirim bukti transfer di halaman Konfirmasi Transfer. Bukti transfer berformat gambar dan tidak lebih dari 100MB
Untuk melihat status pesananmu, bisa melalui email atau ke halaman Cek Status Pesananku
Kategori Buku | : Non Fiksi |
Penulis | : Prof. Dr. Ermatita, Dr. Vina Ayumi, Dr. Handrie Noprisson, Dr. Mariana Purba, Feby Ardianto, M.Cs, Muhammad Adrezo, M.Sc |
Jumlah Halaman | : 197 halaman |
Dimensi | : 15,5 x 23 cm |
ISBN | : 978-634-229-009-5 |
E-ISBN | : 978-634-229-010-1 |
Tahun Terbit | : 2025 |
Editor | : Resa Awahita |
Desain & Penata Letak | : Meditation Art |
Buku "Pengantar Deep Learning: Algoritma dan Studi Kasus" dirancang sebagai panduan komprehensif untuk memahami konsep dan implementasi deep learning. Buku ini sangat cocok untuk mahasiswa, peneliti, dan praktisi yang ingin mendalami Deep Learning secara teori dan praktik. Buku ini adalah buku ajar yang mata kuliah deep learning. Bahasan pokok dari buku ini antara lain Pendahuluan, Convolutional Neural Network, MobileNets, Inception, VGG, ResNet, Optimasi Model, Evaluasi Kinerja dan Beberapa Studi Kasus, yang masing-masing dijelaskan dari segi konsep dan cara kerjanya.
Buku ini juga membahas teknik optimasi model seperti Dropout, L2-Regularization, Batch Normalization, dan Data Augmentation yang dirancang untuk membantu pembaca meningkatkan performa model. Pada bagian evaluasi kinerja, pembaca akan mempelajari metrik-metrik utama seperti akurasi, precision, recall, F1-score, dan confusion matrix, yang sangat penting untuk mengevaluasi keberhasilan model.
Keunggulan utama buku ini adalah studi kasus praktis menggunakan dataset CIFAR-10. Pembaca akan dipandu melalui proses pengembangan model, mulai dari persiapan dataset, pembuatan arsitektur model, hingga evaluasi dan finalisasi model. Beberapa studi kasus lain juga membahas pengembangan model baseline, penerapan regularisasi, hingga teknik peningkatan performa menggunakan kombinasi metode.
Keyword : Pengantar, Deep, Learning:, Algoritma, dan, Studi, Kasus, jejakpublisher, jejak publisher, jejak, publisher, Pengantar Deep Learning: Algoritma dan Studi Kasus, Pengantar Deep Learning: Algoritma dan Studi Kasus jejak publisher, Pengantar Deep Learning: Algoritma dan Studi Kasus jejakpublisher