Pembelajaran Mendalam

Mata kuliah ini membekali mahasiswa agar mampu menjelaskan konsep jaringan saraf tiruan dan pembelajaran mendalam, mengimplementasikan arsitektur CNN, RNN, dan Transformer untuk menyelesaikan masalah, dan menerapkan teknik pelatihan dan optimasi model pembelajaran mendalam. Bahan kajian: Artificial Intelligence (AI).

Pokok bahasan

1. Jaringan saraf tiruan dan propagasi balik
2. Convolutional Neural Network (CNN)
3. Recurrent Neural Network (RNN)
4. Arsitektur Transformer dan mekanisme atensi
5. Teknik pelatihan dan regularisasi
6. Algoritma optimasi model
7. Evaluasi kinerja model pembelajaran mendalam

Setiap CPMK menurunkan satu CPL.

1. CPMK-AIDE-02

   Mahasiswa mampu membangun basis keputusan aplikatif dengan mengoptimalkan kinerja komputasi melalui pemrosesan simultan, serta menerapkan prinsip etika komputasi

   CPLP03
2. CPMK-AIDE-01

   Mahasiswa mampu merancang dan mengimplementasikan pemodelan kecerdasan buatan lanjut untuk menganalisis aneka data bervolume besar melalui pengelolaan infrastruktur penyimpanan data terstruktur.

   CPLP03

CPLP03

Mampu mengembangkan pemodelan kecerdasan buatan lanjut dan mengelola data besar, serta membangun basis keputusan aplikatif dengan mempertimbangkan kinerja optimal dan etika komputasi.