Deksripsi

Training ini akan memberikan pemahaman komprehensif tentang konsep dan teknik deep learning, fondasi inti dalam bidang Artificial Intelligence. Peserta akan mempelajari dasar-dasar matematika yang mendukung deep learning dan berlatih membangun model dari yang sederhana hingga yang kompleks. Topik yang dibahas meliputi model linear dasar hingga arsitektur transformer yang canggih, dengan fokus pada aplikasi praktis. Di akhir sesi, peserta akan menyelesaikan proyek yang mengaplikasikan pengetahuan ini untuk merancang model deep learning yang mampu menyelesaikan permasalahan dunia nyata, memberikan keterampilan langsung dan relevan di bidang ini.

Pokok Bahasan

Modul 1: Fondasi Matematika
Deskripsi: Memahami konsep dasar matematika yang mendasari deep learning, seperti kalkulus, aljabar linear, dan probabilitas, konsep gradien dan optimasi.

Modul 2: Pengenalan PyTorch
Pengenalan mendalam terhadap PyTorch, salah satu framework deep learning yang populer: Instalasi dan konfigurasi PyTorch, Tensor dan operasi tensor, Autograd: Mekanisme diferensiasi otomatis, Dasar-dasar neural network dengan PyTorch

Modul 3: Linear Model & Automatic Differentiation
Membangun model linear sederhana dan memahami konsep diferensiasi otomatis dalam konteks deep learning.

Modul 4: Convolutional Layers
Mempelajari arsitektur convolutional neural network (CNN) yang sangat efektif untuk data gambar: “Konvolusi” (sebenarnya Cross-Correlation): Operasi inti dalam CNN, Arsitektur CNN yang populer (Inception, ResNet, dsb), Aplikasi CNN: Image Classification

Modul 5: Recurrent Neural Networks & Long-Short Term Memory
Mengkaji recurrent neural network (RNN) dan varian khususnya, long-short term memory (LSTM), yang sangat cocok untuk data sekuensial. Topik: (1 )RNN: Memori jangka pendek dan panjang, (2) LSTM: Mengatasi masalah vanishing gradient, (3) Aplikasi RNN: causal language modelling, text classification

Modul 6: Transformers
Mempelajari arsitektur transformer yang revolusioner dan mendominasi bidang natural language processing (NLP). (1) Mekanisme perhatian (attention mechanism), (2) Encoder-decoder architecture, (3) Transformer untuk NLP: BERT, GPT

Modul 7: Build Your Own Models
Menerapkan pemahaman yang diperoleh untuk membangun model deep learning sendiri. (1) Proyek akhir: Memilih topik dan dataset; (2) Desain arsitektur model; (3) Pelatihan dan evaluasi model; (4) Fine-tuning model yang sudah ada

Schedule

16 – 20 Desember 2024 (di Gedung MTI Kampus UI Salemba)

Instructor

• Alfan Farizki Wicaksana, Ph.D.
• Adila Alfa Krisnadhi, Ph.D.

Registration

Pendaftaran Untuk mengisi Form Pendaftaran melalui tautan berikut: https://s.id/Form-DL-24

Information

Untuk informasi lebih lanjut, dapat menghubungi Sekretariat Program Training Pusilkom UI
d.a. Gedung Pusilkom UI
Jl. Salemba Raya No.4 Jakarta Pusat 10430
atau Gedung C Fasilkom UI, Depok lantai 2 Ruang 3210
Hp / WA   : 0856 95305057
Email        : training-pusilkom@cs.ui.ac.id, s.mutia@cs.ui.ac.id,rika@cs.ui.ac.id
Facebook : Pusilkom UI