1. Topik 8
Pengantar Deep Learning
Dr. Sunu Wibirama
Modul Kuliah Kecerdasan Buatan
Kode mata kuliah: UGMx 001001132012
July 4, 2022
2. July 4, 2022
1 Capaian Pembelajaran Mata Kuliah
Topik ini akan memenuhi CPMK 5, yakni mampu mendefinisikan beberapa teknik ma-
chine learning klasik (linear regression, rule-based machine learning, probabilistic machine
learning, clustering) dan konsep dasar deep learning serta implementasinya dalam penge-
nalan citra (convolutional neural network).
Adapun indikator tercapainya CPMK tersebut adalah mengetahui sejarah singkat dan
aplikasi deep learning, mengerti dan memahami konsep backpropagation, perceptron, mema-
hami cara kerja convolutional neural network.
2 Cakupan Materi
Cakupan materi dalam topik ini sebagai berikut:
a) Artificial intelligence and deep learning: materi ini membahas sejarah dan perkem-
bangan riset jaringan syaraf tiruan (neural network) sebagai salah satu cikal bakal
dari teknologi kecerdasan buatan. Pada materi ini dibahas juga penemuan perceptron,
kelemahan perceptron yang tidak bisa menyelesaikan persamaan non-linear sederhana,
penemuan metode backpropagation, sampai dengan penggunaan deep learning hari
ini. Pada materi ini juga dibahas hal-hal yang mendasari pesatnya perkembangan
teknologi deep learning—perangkat keras, big data, dan perangkat lunak.
b) Visualizing deep learning: materi membahas cara kerja deep learning secara visual,
dengan ilustrasi yang mudah dipahami. Konsep-konsep dasar yang dijelaskan dalam
materi ini adalah proses training dalam jaringan syaraf tiruan, bagaimana jaringan
syaraf tiruan mengelola masukan, konsep bobot, konsep fungsi aktivasi, dan konsep
dasar feed forward neural network.
c) Deep learning essentials: materi ini membahas secara detail konsep dasar deep learn-
ing, yakni perceptron, stacking perceptron to form neural networks, optimization through
backpropagation, dan adaptive learning. Konsep loss function juga akan dibahas se-
cara detail dalam materi ini, meliputi binary cross entropy, mean squared error, dan
empirical loss.
d) Convolutional neural network: materi ini akan membahas secara detail konsep feature
engineering dengan konvolusi, konsep pooling, konsep normalization, dan konsep dense
network dalam sebuah arsitektur deep learning—convolutional neural network. Selain
itu, materi ini juga akan membahas kelebihan dan kekurangan convolutional neural
network, serta berbagai macam implementasinya.
1