Bidang artificial intelligence (AI) yang semakin canggih telah tumbuh dan melahirkan beberapa disiplin ilmu yang layak mendapatkan pertimbangan dan perhatian khusus, disiplin ilmu tersebut yaitu machine learning (ML) dan subset disiplin ilmu Machine Learning yaitu “deep learning.” Deep learning adalah proses memanfaatkan analisa data dan daya komputasi untuk memungkinkan komputer mengamati, belajar, dan menanggapi situasi yang relatif kompleks secara lebih cepat daripada yang bisa dilakukan manusia.
Berikut adalah beberapa buku terbaik yang bisa dijadikan referensi dalam mendalami bidang deep learning.
Section Artikel
Dalam deep learning, terdapat sub-subset deep reinforcement learning (DRL). Prinsip deep reinforcement learning ini didasarkan pada penggunaan pengalaman dan coba-coba untuk menentukan jalur yang paling efisien dan efektif untuk proses atau masalah tertentu. Beberapa aplikasi DRL paling canggih dapat memprediksi pergerakan di pasar saham dan bahkan mengalahkan grandmaster catur.
Buku Morales menggunakan pendekatan langsung untuk mempelajari DRL dengan menyediakan latihan untuk membantu peserta didik membangun sistem deep learning mereka sendiri menggunakan bahasa pemrograman Python. Ini juga mencakup banyak penggunaan contoh dan ilustrasi untuk mendorong dalam memahani prinsip-prinsip dasar dan aplikasi praktis DRL. Grokking Deep Reinforcement Learning juga menyertakan ebook pendamping sehingga Kita akan selalu dapat mengakses ebook tersebut di desktop atau perangkat seluler Kita.
Meskipun masih tampak sangat futuristik, jenis kendaraan self driving akan menjadi primadona dalam bidang moda transportasi. Bahkan sekarang, banyak mobil baru memiliki sistem yang mendeteksi objek di jalur Kita ketika Kita mundur dari jalan masuk. Teknologi utama yang mendorong pengembangan ini adalah computer vision, diaktifkan melalui deep learning, yang memberi komputer “mata” yang memungkinkan mereka untuk berinteraksi dengan dunia nyata.
Pakar AI Mohamed Elgendy seorang VP teknik di Rakuten, telah menulis buku deep learning yang penuh kebijaksanaan dan mudah untuk dipahami. Deep Learning for Vision Systems menggunakan aljabar dasar untuk menjelaskan konsep yang memungkinkan komputer untuk “melihat” dan mempelajari cara kerja dunia fisik, dengan tutorial untuk membantu Kita membangun aplikasi untuk pengenalan wajah dan pembuatan gambar.
Buku deep learning lainnya yang membahasa tentant computer vision yaitu Deep Learning in Computer Vision: Principles and Applications memperkenalkan prinsip-prinsip deep learning di balik topik tertentu di setiap bab. Topik termasuk deteksi objek dengan jaringan saraf konvolusional, sistem pengenalan wajah multi-biometrik, segmentasi semantik yang dalam dalam autonomous driving,, dan masih banyak lagi. Ditujukan untuk profesional AI berpengalaman dan pelajar tingkat lanjut, buku ini berfokus pada bidang computer vision, pengenalan pola, dan pemrosesan gambar.
Buku pelajaran akademik tingkat perguruan tinggi ini mencakup dasar-dasar deep learning dan dimaksudkan untuk membantu para peserta akademik yang benar-benar baru memahami deep learning. Para penulis, yang merupakan pemimpin di bidangnya, menekankan pentingnya mencapai pengetahuan tentang konsep matematika seperti aljabar linier dan probabilitas untuk lebih memahami bagaimana deep learning bekerja dan tidak hanya pengkodean. Buku ini juga menjelaskan konsep deep learning yang banyak digunakan dalam industri, pemodelan urutan dan pengenalan ucapan.
Buku deep learning ini menjelaskan dasar-dasar AI, termasuk porsi yang cukup besar yang ditujukan untuk konsep deep learning, dan akan membantu Kita mengembangkan fungsi AI Kita sendiri dengan latihan langsung dan tutorial. Contoh kehidupan nyata dari aplikasi deep learning yang dirinci dalam buku termasuk aplikasi AI di blockchain dan Internet of Things (IoT). Kita juga akan mempelajari cara mengembangkan fungsi chatbot menggunakan recurrent neural networks (RNN) dan convolutional neural networks (CNN).
Buku online gratis ini mencakup paradigma pemrograman jaringan saraf yang terinspirasi oleh otak manusia dan membantu menghubungkan titik-titik antara jaringan ini dan deep learning. Dianggap sebagai salah satu buku terbaik tentang jaringan saraf, Neural Networks dan Deep Learning mengambil pendekatan teoritis terhadap subjek untuk menggambarkan bagaimana hal itu dapat membantu memecahkan masalah umum seputar pengenalan ucapan dan gambar, serta pemrosesan bahasa alami.
Sementara buku ini menyajikan bidang ilmu matematika lanjutan di balik konsep deep learning, Nielsen juga menyediakan panduan untuk membantu Kita memahaminya dan ringkasan di setiap bab. Buku ini adalah sumber daya yang bagus untuk para pemula yang ingin mempelajari bidang deep learning.
Adam Gibson dan Josh Patterson adalah dua orang pencipta Deeplearning4j (DL4J), yang telah menjadi standar library pemrograman Java untuk deep learning. Deep Learning: A Practitioner’s Approach mencakup dasar-dasar machine learning dan deep learning, mengambil pendekatan yang lebih praktis terhadap teknologi daripada yang lain. Buku ini menjelaskan seberapa dalam jaringan berevolusi dari jaringan saraf, dasar-dasar RNN dan CNN, cara memetakan jaringan mendalam tertentu ke masalah yang tepat, cara menggunakan perpustakaan pemrograman DL4J secara asli di Spark dan Hadoop, dan banyak lagi.
