Pada intinya, buku ini memiliki dua tujuan utama. Pertama, membekali
Anda dengan pemahaman mendalam tentang semua aspek arsitektur transformer—mulai
dari mekanisme attention, multi-head attention, positional encoding, residual
connection, layer normalization, hingga varian arsitektur seperti encoder-only
(BERT), decoder-only (GPT), dan encoder-decoder (T5). Kedua, menumbuhkan
kemampuan praktis dalam mengimplementasikan model transformer untuk berbagai
tugas NLP dan computer vision, termasuk klasifikasi teks, penerjemahan,
peringkasan, analisis sentimen, pelabelan peran semantik, klasifikasi gambar,
deteksi objek, pembangkitan gambar, serta pembangkitan video. Setiap bab
dibangun di atas bab sebelumnya, menciptakan alur belajar yang sistematis namun
tetap memberikan ruang bagi eksplorasi mandiri ke dunia transformer yang terus
berkembang pesat.
Penulis:
Dr. Phil. Dony Novaliendry, S. Kom., M. Kom
Tebal Halaman: 308
