Mata kuliah ini mempelajari metodologi pembelajaran mesin lanjut dengan fokus pendekatan dari model deep learning. Topik-topik yang dibahas antara lain: sejarah dan motivasi pengembangan metode deep learning, gradient descent, artificial neural network, pendekatan modern dari artificial neural network, berbagai macam bentuk arsitektur deep learning, proses training dan teknik-teknik dalam pembelajaran deep learning. Mahasiswa akan dilatih untuk mengimplementasikan berbagai macam model dan arsitektur deep learning menggunakan Python dan berbagai libraries untuk deep learning pada permasalahan computer vision. Selain itu mahasiswa juga akan memperoleh pengalaman dalam merancang penyelesaian masalah dalam dunia nyata menggunakan berbagai model deep learning.

• Mahasiswa memahami sejarah, konsep dasar, dan perkembangan deep learning, serta konsepdari gradient descent
• Mahasiswa memahami konsep Artificial Neural Networks dan Deep Neural Networks dan perkembangannya
• Mahasiswa memahami proses training dan menerapkan teknik-teknik dalam pembelajaran deep learning (regularisasi)
• Mahasiswa memahami model Representation Learning dan perkembangannya
• Mahasiswa mampu menerapkan model deep learning pada permasalahan computer vision
• Mahasiswa mampu merancang penyelesaian masalah menggunakan berbagai model deep learning
• Mahasiswa mampu mengerjakan tugas dan ujian dengan jujur, bertanggung jawab, mandiri, dan disiplin
  
  
  
  
  
  
  

1. Goodfellow, Ian, et al. Deep learning. Vol. 1. Cambridge: MIT press, 2016.

2. Géron, Aurélien. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems. OReilly Media, 2019.