Deep Learning dengan Python, Edisi Ketiga - François Chollet dan Matthew Watson

Buku ini dimulai dengan menjelaskan apa yang membuat deep learning menjadi pendekatan transformatif dalam kecerdasan buatan. Ini menyoroti bagaimana deep learning mengotomatiskan rekayasa fitur, skala secara efisien dengan perangkat keras, dan memungkinkan penciptaan model yang serbaguna dan dapat digunakan kembali yang dapat disesuaikan dengan berbagai tugas. Pembaca akan mempelajari dampak dari model dasar, yang dilatih pada dataset besar menggunakan supervisi mandiri dan dapat disesuaikan untuk berbagai tugas hilir, sehingga mengurangi kebutuhan akan model spesifik tugas.

Sebagian besar buku ini didedikasikan untuk alur kerja universal dalam menyelesaikan masalah pembelajaran mesin. Alur kerja ini melibatkan mendefinisikan tugas, mengembangkan model, dan menerapkannya ke produksi sambil terus memantau dan meningkatkan kinerjanya. Para penulis memberikan wawasan tentang bagaimana membingkai masalah dunia nyata sebagai tugas pembelajaran mesin dengan memahami konteks bisnis, mengidentifikasi data yang tersedia, dan memetakan masalah ke tugas pembelajaran mesin yang sesuai seperti klasifikasi, regresi, atau peringkat.

Buku ini juga mencakup praktik terbaik untuk merancang arsitektur jaringan saraf konvolusional, termasuk penggunaan koneksi residual, normalisasi batch, dan konvolusi terpisah berdasarkan kedalaman. Selain itu, dibahas bagaimana Vision Transformers berbeda dari jaringan konvolusional tradisional dalam visi komputer, menekankan kemampuan mereka untuk memproses gambar sebagai urutan potongan dan menangkap ketergantungan jarak jauh.

Model deteksi objek modern seperti YOLO dan RetinaNet dieksplorasi, menjelaskan bagaimana mereka memprediksi kotak pembatas dan probabilitas kelas dalam satu langkah untuk deteksi objek yang cepat dan akurat. Para penulis juga membahas teknik deep learning untuk peramalan deret waktu dan bagaimana arsitektur Transformer meningkatkan pemodelan bahasa tingkat lanjut melalui mekanisme perhatian. Akhirnya, strategi untuk menghasilkan teks yang koheren dengan model bahasa dan metode untuk meningkatkan pelatihan deep learning untuk model dan dataset besar dibahas, menjadikan buku ini sebagai sumber daya penting bagi siapa saja yang tertarik di bidang deep learning.