Udemyallen

Neural Network: Konsep Dasar hingga Implementasi

Learn neural networks: concepts & applications. Explore artificial intelligence, machine learning, and deep learning techniques. Build intelligent systems!

51students
1h 39m
Taman Belajar
Taman BelajarIng Madyo Mangun Karso

Course Content

Neural Network: Konsep Dasar hingga Implementasi is an all-levels Udemy course taught by Taman Belajar. It runs 1h 39m and is taught in English. 51 students have enrolled. It is free to enroll, first published June 2025.

Pelajari Neural Network dari Awal hingga Penerapan: Kursus Lengkap untuk Pemula

Ingin memahami kekuatan jaringan saraf tiruan (Neural Network)? Kursus singkat ini dirancang untuk memberikan pemahaman komprehensif tentang Neural Network, mulai dari konsep dasar hingga implementasi praktis. Cocok untuk mahasiswa, dosen, profesional teknologi, dan pemula yang tertarik dengan kecerdasan buatan (Artificial Intelligence).

Kursus ini terdiri dari 10 video pembelajaran (maksimal 12 menit per video) yang disusun secara sistematis. Anda akan menjelajahi:

  • Dasar-Dasar Neural Network: Mulai dari sejarah perkembangan Neural Network, perbedaannya dengan Machine Learning dan Deep Learning, hingga struktur dasar jaringan saraf (neuron buatan/perceptron, lapisan input, hidden, output, dan fungsi aktivasi).
  • Pelatihan Model Neural Network: Pahami proses forward propagation dan backpropagation, serta konsep penting seperti fungsi loss, gradient descent, dan variasi pembaruan bobot (batch, mini-batch, stochastic). Kami menyertakan contoh perhitungan manual untuk pemahaman yang lebih mendalam.
  • Implementasi dengan Python & NumPy: Bangun model Neural Network sederhana dari awal menggunakan Python dan NumPy (tanpa library deep learning). Bandingkan hasilnya dengan penggunaan TensorFlow dan Keras untuk memahami cara kerja model secara menyeluruh.
  • Optimasi Model: Pelajari teknik regularisasi (L1, L2) dan dropout untuk mencegah overfitting. Jelajahi strategi tuning hyperparameter, termasuk pemilihan jumlah layer dan neuron, pengaruh learning rate, serta teknik pencarian seperti grid search dan random search.
  • Studi Kasus Nyata: Terapkan pengetahuan Anda melalui dua studi kasus menarik di bidang Computer Vision dan Natural Language Processing (NLP). Bangun model Convolutional Neural Network (CNN) untuk klasifikasi gambar dan pelajari penggunaan RNN atau LSTM untuk analisis sentimen dan klasifikasi teks.

Dengan menyelesaikan kursus ini, Anda akan memiliki:

  • Pemahaman teoritis yang kuat tentang Neural Network.
  • Kemampuan praktis untuk membangun, melatih, dan menerapkan model Neural Network menggunakan Python.
  • Keterampilan untuk memecahkan berbagai permasalahan dunia nyata dengan kecerdasan buatan.

Mulai perjalanan Anda dalam dunia Deep Learning sekarang!

$ whoami — the devs behind tutorialsearch.io

Want AI in your product? Hire the team behind TutorialSearch.io

LLM features, RAG, agents and automation wired into a real product — built by the devs who shipped this site.

5.0
2h 7m
intermediate
pluralsight
5.0
2h 34m
intermediate
pluralsight
5.0
3h 23m
intermediate
pluralsight
5.0
1h 15m
intermediate
pluralsight