Apa itu Deep Learning?, Teknik pemrograman berbasis logika sederhana, Cabang dari Machine Learning yang menggunakan jaringan saraf tiruan berlapis banyak, Metode statistik untuk analisis data kecil, Sistem pakar berbasis aturan, Komponen utama dalam jaringan saraf tiruan adalah..., Neuron, Lapisan, dan Bobot (Weights), Data, Model, dan Target, Input, Output, dan Variabel, Node, Edge, dan Cluster, Lapisan yang menerima data awal disebut..., Input Layer, Output Layer, Activation Layer, Hidden Layer, Fungsi activation function pada neural network adalah..., Menghapus data yang tidak penting, Menentukan hubungan linear antar neuron, Mengubah input menjadi output non-linear, Mengatur ukuran dataset, Contoh fungsi aktivasi yang sering digunakan adalah..., ReLU, Sigmoid, dan Tanh, Mean, Median, dan Mode, AND, OR, dan XOR, Gradient, Loss, dan Bias, Apa itu backpropagation?, Proses membagi data menjadi training dan testing, Proses menghitung error dan memperbarui bobot jaringan, Algoritma untuk menghapus neuron yang tidak aktif, Teknik untuk mempercepat forward propagation, Tidak membutuhkan data dalam jumlah besar, Tidak memerlukan pelatihan, Apa fungsi dari loss function?, Mengukur seberapa baik model memprediksi output, Menghapus data yang tidak berguna, Menambah jumlah neuron, Mengatur ukuran batch data, CNN (Convolutional Neural Network) banyak digunakan untuk..., Analisis teks, Pengenalan gambar dan video, Prediksi deret waktu, Sistem rekomendasi, RNN (Recurrent Neural Network) paling cocok digunakan untuk..., Data urutan seperti teks atau suara, Data gambar, Data acak, Data numerik statis, Apa kelebihan utama Deep Learning dibanding Machine Learning tradisional?, Tidak membutuhkan data dalam jumlah besar, Tidak memerlukan pelatihan, Mampu mengekstraksi fitur otomatis dari data, Selalu lebih cepat.

Deep learning

ustvaril/-a
Natisni
Vdelaj

Lestvica vodilnih

Vizualni slog

Možnosti

Preklopi predlogo

)
Obnovi samodejno shranjeno: ?