Description
Konsep dan gagasan DL (Deep Learning) sebenarnya telah ada sejak lama. Sebagai contoh, Restricted Boltzmann Machines (RBM) merupakan pembaruan dari konsep Hopfield Network yang sangat populer di tahun 1980-an. Sejumlah RBM bisa ditumpuk menjadi beberapa lapisan. Penumpukan RBM ini ternyata memberikan peningkatan performansi yang sangat signifikan. Ide inilah yang menjadi titik awal munculnya DL. ??? ??? Selanjutnya, para pakar semakin bersemangat mengembangkan model-model DL yang lebih handal dengan melakukan pembaruan konsep-konsep dan ide-ide lama. Mereka mulai mengembangkan Stacked Autoencoders (SAE), Deep Belief Networks (DBN), Generative Adversarial Networks (GAN), Convolutional Neural Networks (CNN), Capsule Networks (CapsNet), Deep Recurrent Networks (DRN), Deep Reinforcement Learning (DRL), hingga Lifelong Learning (LL). ??? ??? Model-model ini mampu memberikan performansi mengagumkan dalam menangani himpunan data sangat besar. Jadi, DL bisa dikatakan sebagai modernisasi machine learning untuk menangani big data. Buku ini memberikan penjelasan dan ilustrasi sederhana mengenai konsep dasar dari empat pendekatan DL serta aplikasinya dalam berbagai bidang terkini berkaitan dengan big data yang tidak terstruktur: teks, citra, suara, dan video. ??? ??? Buku ini juga mendiskusikan penelitian awal tentang pengenalan ucapan audio visual Bahasa Indonesia. Pembahasan diberikan dari konsep dasar paling simpel dan secara perlahan ke ide-ide besar yang semakin kompleks. Setiap model dibahas dari ide dasar, motivasi, visualisasi, formulasi matematis, hingga contoh aplikasinya.
Recent Comments