Pengantar Matematis untuk Deep Learning: Metode, Implementasi, dan Teori
- Buku ini bertujuan memberikan pengantar terhadap algoritme deep learning.
- Buku ini meninjau secara matematis dan terperinci komponen inti algoritme deep learning, termasuk berbagai struktur artificial neural network (ANN) dan algoritme optimisasi.
- Buku ini membahas berbagai aspek teoretis algoritme deep learning, seperti kemampuan aproksimasi ANN, teori optimisasi, dan galat generalisasi.
Tinjauan Metode Aproksimasi PDE melalui Deep Learning
- Pada bagian akhir buku, dibahas metode deep learning untuk mengaproksimasi PDE.
- Termasuk physics-informed neural networks (PINNs) dan metode Deep Galerkin.
Pembaca Sasaran Buku
- Ditulis untuk mahasiswa dan ilmuwan yang sama sekali belum memiliki pengetahuan latar tentang deep learning.
- Membantu praktisi memperkuat pemahaman matematis tentang objek dan metode yang dipertimbangkan dalam deep learning.
Informasi Tambahan
- Buku ini memiliki 601 halaman serta mencakup 36 gambar dan 45 kode sumber.
- Bidang topiknya meliputi machine learning, artificial intelligence, analisis numerik, teori probabilitas, dan lain-lain, dengan kode klasifikasi MSC 68T07.
Opini GN⁺
- Buku ini akan membantu mereka yang baru mengenal deep learning dengan menyediakan landasan matematis agar algoritme dan teori yang kompleks dapat dipahami secara sistematis.
- Penjelasan rinci tentang berbagai struktur ANN dan metode optimisasi memberikan pengetahuan mendalam yang dibutuhkan praktisi saat menerapkannya pada proyek mereka.
- Bahasan tentang metode aproksimasi PDE khususnya memperkenalkan pendekatan yang berguna untuk menyelesaikan masalah nyata di bidang teknik maupun fisika, sehingga menekankan sisi praktis deep learning.
Belum ada komentar.