DEEP LEARNING: DASAR TEORI DAN IMPLEMENTASI DENGAN PYTHON DAN KERAS

Buku ini dirancang sebagai panduan praktis dan teoritis untuk memahami serta mengimplementasikan deep learning, mulai dari dasar Python hingga aplikasi dunia nyata. Pada Chapter 1, pembaca diperkenalkan pada instalasi Python, library pendukung, serta alternatif cloud, seperti Google Colab dan Kaggle Notebooks. Pada Chapter 2 membahas dasar-dasar Python termasuk tipe data, struktur data, percabangan, perulangan, fungsi, serta debugging sederhana yang diperlukan untuk deep learning.
Chapter 3 memberikan pengantar tentang machine learning, komponen dasar, alur kerja, metode klasik, dan evaluasi model. Selanjutnya, Chapter 4 memfokuskan pada deep learning, mulai dari sejarah, perkembangan, konsep dasar Artificial Neural Network (ANN), fungsi aktivasi, arsitektur, hingga tantangannya.
Pada Chapter 5, pembaca diajak mengimplementasikan ANN menggunakan Keras dan TensorFlow, dilengkapi dengan mini project klasifikasi gambar Fashion MNIST. Chapter 6 memperkenalkan Convolutional Neural Networks (CNN) beserta implementasi, visualisasi filter, dan mini project klasifikasi gambar. Chapter 7 membahas Recurrent Neural Networks (RNN) dan Long Short-Term Memory (LSTM), implementasinya dalam analisis sentimen, serta tantangan RNN konvensional.
Chapter 8 mengupas transfer learning dan fine-tuning menggunakan model pretrained untuk meningkatkan performa klasifikasi gambar. Chapter 9 mengeksplorasi contoh-contoh penerapan deep learning di dunia nyata, mulai dari kesehatan, pertanian, transportasi, keamanan, hingga bisnis dan teknologi. Sebagai penutup, Chapter 10 membahas etika dalam pengembangan AI, termasuk isu bias, privasi data, penyalahgunaan AI, serta prinsip-prinsip pengembangan yang bertanggung jawab.