SALE
PENGANTAR CONVOLUTIONAL NEURAL NETWORK (CNN)
PENGANTAR CONVOLUTIONAL NEURAL NETWORK (CNN)
PENGANTAR CONVOLUTIONAL NEURAL NETWORK (CNN)
  1. PENGANTAR CONVOLUTIONAL NEURAL NETWORK (CNN)
  2. PENGANTAR CONVOLUTIONAL NEURAL NETWORK (CNN)
  3. PENGANTAR CONVOLUTIONAL NEURAL NETWORK (CNN)

PENGANTAR CONVOLUTIONAL NEURAL NETWORK (CNN)

Harga aslinya adalah: Rp77,000.00.Harga saat ini adalah: Rp69,000.00.

Buku Pengantar Convolutional Neural Network (CNN) adalah panduan komprehensif yang membahas arsitektur Deep Learning ini, yang merupakan tulang punggung dari bidang Penglihatan Komputer (Computer Vision). Buku ini dimulai dengan fondasi teoretis, mulai dari evolusi Kecerdasan Buatan (AI), konsep Pembelajaran Mendalam (Deep Learning), hingga struktur dasar Neuron Tiruan (Perceptron) dan Jaringan Saraf Tiruan (ANN). Pembahasan mendalam mencakup komponen pelatihan esensial seperti Fungsi Aktivasi (ReLU, Sigmoid, Tanh) dan berbagai jenis Fungsi Kerugian (Loss Functions) serta teknik Optimasi (Optimizer) seperti Adam, SGD, dan Gradient Descent. Inti dari CNN, yaitu Operasi Konvolusi (1D dan 2D) dan peran Kernel dalam ekstraksi fitur, dijelaskan secara rinci. Selanjutnya, buku ini menguraikan lapisan-lapisan kunci dalam arsitektur CNN, termasuk Lapisan Konvolusi, Lapisan Pooling (Max dan Average), Batch Normalization, dan Lapisan Fully Connected (FC), yang membentuk struktur khas [Conv → ReLU → Pool] → FC. Untuk memastikan model yang efektif dan efisien, dibahas pula teknik optimasi modern, seperti pra-pemrosesan data citra (Grayscale vs. RGB), Augmentasi Data (misalnya Rotasi, Flipping, Mixup) untuk mengatasi keterbatasan data, serta teknik regularisasi seperti Dropout, Regularisasi L1/L2, dan Early Stopping untuk mencegah overfitting. Buku ini juga membahas Transfer Learning, yang memanfaatkan bobot model pra-terlatih seperti ImageNet untuk meningkatkan akurasi pada dataset kecil. Terakhir, buku ini mengulas arsitektur CNN ikonik seperti LeNet-5, AlexNet, VGGNet, GoogLeNet (Inception), dan ResNet dengan inovasi Skip Connections, serta penerapannya yang praktis di dunia nyata, termasuk Klasifikasi Citra, Deteksi Objek (YOLO, R-CNN, SSD), Segmentasi Semantik, dan aplikasinya di bidang Kesehatan, Keuangan, dan Otomotif.

Kategori: Brand:

Buku Pengantar Convolutional Neural Network (CNN) adalah panduan komprehensif yang membahas secara tuntas arsitektur Deep Learning yang menjadi tulang punggung revolusi di bidang Penglihatan Komputer (Computer Vision).

Dimulai dengan dasar-dasar evolusi Kecerdasan Buatan (AI) menuju Pembelajaran Mendalam (Deep Learning), buku ini kemudian merinci komponen-komponen pelatihan penting dalam jaringan saraf. Pembaca akan diperkenalkan pada Fungsi Aktivasi non-linear seperti ReLU, Sigmoid, dan Tanh, berbagai jenis Fungsi Kerugian (misalnya Cross-Entropy, MSE), serta teknik Optimizer yang mempercepat pelatihan, seperti Adam dan SGD.

Inti dari buku ini berfokus pada operasi fundamental CNN, yaitu Operasi Konvolusi dan peran Kernel dalam mengekstraksi fitur, diikuti dengan pembahasan mendalam mengenai lapisan-lapisan kunci dalam arsitektur CNN:

  1. Lapisan Konvolusi (Conv): Untuk mengekstrak fitur visual dari citra.

  2. Lapisan Aktivasi (ReLU): Untuk menambahkan non-linearitas.

  3. Lapisan Pooling (Pool): Untuk mereduksi dimensi dan meningkatkan efisiensi.

  4. Lapisan Fully Connected (FC): Untuk klasifikasi akhir.

Untuk menghasilkan model yang efektif dan efisien, buku ini secara komprehensif membahas teknik optimasi dan regularisasi modern. Ini termasuk strategi pra-pemrosesan data citra (Grayscale vs. RGB) dan teknik mengatasi keterbatasan data melalui Augmentasi Data (Rotasi, Flipping, Mixup). Teknik untuk mengatasi overfitting juga dijelaskan, seperti Dropout, Regularisasi L1/L2, dan Early Stopping. Selain itu, teknik Transfer Learning yang memanfaatkan bobot dari model yang sudah dilatih (pre-trained model) dijelaskan untuk meningkatkan akurasi pada dataset yang lebih kecil.

Terakhir, buku ini mengulas arsitektur CNN ikonik yang membentuk sejarah Deep Learning, seperti LeNet-5, AlexNet, VGGNet, GoogLeNet (Inception), dan ResNet dengan inovasi Skip Connections. Sinopsis diakhiri dengan gambaran penerapan CNN secara praktis di berbagai bidang nyata, seperti Klasifikasi Citra, Deteksi Objek (R-CNN, YOLO, SSD), Segmentasi Semantik, dan aplikasinya di sektor Kesehatan, Keuangan, dan Otomotif.

Ulasan

Belum ada ulasan.

Jadilah yang pertama memberikan ulasan “PENGANTAR CONVOLUTIONAL NEURAL NETWORK (CNN)”

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Produk Terkait