Bab 1, Fundamental Artificial Neural Network, memberikan detail lengkap mengenai cara kerja sebuah NN. Anda akan
memulainya dengan menyelami terminologi kunci yang melekat pada NNs.
Selanjutnya, Anda akan memahami detail cara kerja dari setiap building block
dan berlatih membangun sebuah NN dari awal menggunakan toy dataset. Di akhir bab ini, Anda akan sangat percaya diri dalam menjelaskan
bagaimana NN bekerja.
Bab 2, Fundamental PyTorch, akan
memperkenalkan Anda pada ekosistem PyTorch. Anda akan belajar cara membuat dan
memanipulasi objek tensor sebelum mengeksplorasi beragam metode untuk
membangun arsitektur neural network di dalam PyTorch. Anda masih akan
bermain dengan toy dataset agar bisa benar-benar fokus pada spesifikasi
teknis penggunaan PyTorch. Lantas, bagaimana jika kita menggunakan data
sungguhan?
Bab 3, Membangun Deep Neural Network dengan PyTorch, akan menjawab pertanyaan tersebut dengan menggabungkan semua
materi dari bab sebelumnya untuk memahami dampak berbagai hyperparameter
NN terhadap akurasi model. Di akhir bab, Anda sudah terbiasa menangani NNs
menggunakan dataset yang realistis.
Bab 4, Pengenalan Convolutional Neural Networks, mengupas tuntas kendala saat
menggunakan vanilla neural network biasa. Anda akan menemukan alasan
mengapa convolutional neural networks (CNNs) diciptakan untuk mendobrak
keterbatasan tersebut. Anda akan menyelami detail cara kerja komponen di dalam
CNN, lalu mempelajari best practices dalam memproses gambar. Di sinilah
Anda mulai berhadapan dengan dataset gambar dunia nyata dan mengulik
kerumitan image classification.
Bab 5, Transfer Learning untuk Image Classification, membawa Anda untuk menyelesaikan masalah klasifikasi gambar
layaknya seorang profesional industri. Anda akan mengeksplorasi arsitektur transfer
learning dan bagaimana mereka bisa
meroketkan akurasi model Anda. Selanjutnya, Anda akan memanfaatkan transfer
learning untuk menggarap use case deteksi titik kunci wajah (facial
keypoint detection) hingga estimasi usia dan gender.
Bab 6, Aspek Praktis Image Classification, memberikan insight mengenai tantangan praktis yang harus Anda siapkan saat membangun dan men-deploy model image classification. Anda akan mempraktikkan langsung keuntungan dari data augmentation dan batch normalization. Lebih lanjut, Anda akan takjub melihat bagaimana class activation maps dapat menjelaskan alasan rasional di balik setiap prediksi model CNN Anda. Setelah ini, Anda akan siap tempur menghadapi mayoritas tantangan klasifikasi gambar pada dataset buatan (custom) Anda sendiri.
Computer Vision Modern dengan PyTorch Jilid 1
Penulis:
Dr. Phil. Dony Novaliendry, S. Kom., M. Kom
Tebal Halaman: 319
