Materi 24 - Programming dan Data Science

Deep Learning Basics

Neural network, training, dan framework modern (PyTorch, TensorFlow).

Durasi 30 Menit Level advanced Kurikulum 30 Materi

1. Apa Itu Neural Network

Inspirasi dari otak manusia. Layer of neurons yang saling terhubung. Input passes through layers, transformed by weights, output prediction. Powerful untuk gambar, suara, teks.

2. Arsitektur Dasar

Input layer (data masuk). Hidden layers (transformasi). Output layer (prediksi). Activation function (ReLU, sigmoid, tanh) tambahkan non-linearity. Lebih dalam = lebih powerful tapi butuh data besar.

3. Training

Forward pass: input ke output. Loss function: ukur error. Backpropagation: hitung gradient. Update weights dengan optimizer (SGD, Adam). Iterasi epoch by epoch.

4. CNN untuk Image

Convolutional Neural Network. Filter kecil yang slide di atas image. Detect feature: edge, texture, shape. Stack untuk bangun representation lebih kompleks. Standar untuk image classification.

5. Framework Modern

PyTorch (research, dynamic graph). TensorFlow plus Keras (production, static graph dulu, sekarang juga dynamic). Pilih satu, kuasai dalam. Migration antara mereka tidak terlalu sulit.

Tugas Praktik

  1. Setup PyTorch atau TensorFlow
  2. Train neural network sederhana untuk MNIST
  3. Eksperimen dengan jumlah layer dan neuron
  4. Implementasi CNN untuk image classification
  5. Bandingkan performance neural net vs algoritma klasik

Rangkuman