uku ini disusun berdasarkan pengalaman dan kolaborasi penelitian bersama kolega
praktisi dan dosen dari Institut Teknologi Sepuluh Nopember, Kyushu Institute of Technology, Universitas Airlangga, Universitas Surabaya, Universitas Indonesia, Institut Teknologi Bandung, Universitas Telkom Bandung, Universitas Gadjah Mada, Universitas Hasanudin dan perguruan tinggi lain.
Buku ini untuk pembelajaran Machine Learning (ML) dan Deep Learning (DL) secara
konsep dan pemrograman. Pembahasan konsep memberi landasan keilmuan ML dan DL,
kemudian pemaparan dasar pemrograman untuk memandu penulisan program ML dan DL secara mudah dimengerti. Aplikasi ML dan DL juga dibahas untuk memandu pembuatan program yang lebih lengkap. Pada setiap materi akan disajikan contoh dan program python sehingga dapat memudahkan Anda untuk mengimplementasikan secara langsung.
Topik yang dibahas dalam buku meliputi:
1. Pengenalan artificial intelligence, machine learning, deep learning, perbedaan supervised
learning dan unsupervised learning, instalasi python dan bahasa pemrograman python;
2. Analisis data statistik, ekstraksi dan seleksi fitur, pre-processing data, aggregation,
normalisasi, reduksi dimensi, validasi data dan metode evaluasi;
3. Metode Clustering;
4. Metode Klasifikasi;
5. Metode Regresi;
6. Algoritma Neural Network (pa ra meter dan hyperparameter);
7.Algoritma Deep Learning (Deep Neural Network, Convolution Neural Network, Fully
Connected Deep Network, Recurrent Neural Network), autoencoder, optimizer dan
activation function.
Buku ini dilengkapi dengan pembahasan artikel jurnal bereputasi internasional
berindeks Scopus QI dan memiliki Impact Factor dari Web of Science. Teori dan aplikasi yang dipaparkan pada buku ini termasuk State of The Art, sehingga dapat digunakan oleh pemula, mahasiswa sarjana, dan pasca sarjana maupun peneliti.