Setelah jalur ini Anda bisa Memahami backpropagation sebagai aturan rantai, bukan sihir Melatih jaringan yang dalam dengan optimizer dan regularisasi yang tepat Membangun dan melatih jaringan konvolusi untuk citra dengan PyTorch Menjelaskan attention dan kenapa transformer menggantikan RNN Deep learning dengan pondasi yang benar: apa yang dihitung satu neuron, kenapa menumpuknya membuat batas keputusan melengkung, backpropagation sebagai aturan rantai, cara melatih jaringan yang dalam tanpa meledak, PyTorch, jaringan konvolusi, dan transformer. Pelajaran pertamanya gratis — bangun jaringan Anda sendiri di dalam pelajaran itu dan lihat ia belajar.
Baca pelajaran gratis: Apa yang Sebenarnya Dihitung Neural Network
Yang akan Anda pelajari, modul demi modul 6 modul · 21 pelajaran Setiap modul dan pelajaran di jalur ini. Pelajaran bertanda gratis terbuka untuk semua; sisanya terbuka setelah Anda memiliki jalurnya.
Semua pelajaran di jalur ini, lengkap dengan ringkasannya 01 Apa yang sebenarnya dihitung sebuah neural network, kenapa nonlinearitas adalah intinya, dan bagaimana bobotnya belajar.
1 pelajaran gratis 4 pelajaran 1 Apa yang Sebenarnya Dihitung Neural Network Gratis 2 Fungsi Aktivasi: ReLU, GELU, dan Kawan-Kawan 3 Backpropagation Tanpa Rasa Takut 4 Training Loop Pertama Anda di PyTorch 02 Optimizer, jadwal learning rate, inisialisasi, normalisasi, dan regularisasi — hal-hal yang membuat pelatihan benar-benar konvergen.
4 pelajaran 1 Optimizer: SGD, Momentum, Adam 2 Jadwal Learning Rate dan Warmup 3 Inisialisasi dan Normalisasi 4 Regularisasi: Dropout, Weight Decay, Early Stopping 03 Tensor, autograd, nn.Module, DataLoader, dan pelatihan di GPU — PyTorch secukupnya untuk bekerja sendiri.
4 pelajaran 1 Tensor dan Autograd 2 Membangun Model dengan nn.Module 3 Dataset dan DataLoader 4 GPU dan Mixed Precision 04 Konvolusi, pooling, dan arsitektur CNN — kenapa berbagi bobot membuat gambar bisa dipelajari.
3 pelajaran 1 Cara Kerja Konvolusi 2 Arsitektur CNN: dari LeNet ke ResNet 3 Transfer Learning 05 Dari RNN dan LSTM ke self-attention — arsitektur di balik setiap LLM modern.
3 pelajaran 1 RNN dan LSTM 2 Mekanisme Attention 3 Arsitektur Transformer 06 Men-debug pelatihan, melacak eksperimen, dan satu proyek akhir dari data mentah sampai model yang dievaluasi.
3 pelajaran 1 Men-debug Neural Network 2 Melacak Eksperimen 3 Proyek Akhir: Klasifikasi Gambar
Coba simulasi dari jalur ini Simulasi asli dari pelajarannya — berjalan di browser Anda. Tanpa akun.
Coba Taman bermain neural network
Lebih hemat dengan paket jalur karier Jalur ini bagian dari jalur karier yang lebih besar. Beli seluruh jalur karier sebagai paket dan setiap jalur di dalamnya 40% lebih murah.
Paket jalur karier hemat 40%
1 Python untuk Data Science 2 Data Analytics: Statistik & Visualisasi Data 3 Pengantar Machine Learning 4 Pengantar Deep Learning & Neural Network 5 MLOps: Deploy Model Machine Learning & Deep Learning Paket jalur karier hemat 40%
1 Python untuk Data Science 2 Pengantar Deep Learning & Neural Network 3 LLM, Prompt Engineering & Context Engineering 4 Membangun AI Agent: Harness Engineering 5 MLOps: Deploy Model Machine Learning & Deep Learning 6 Computer Vision dengan Deep Learning 7 Natural Language Processing (NLP) 
Python
PyTorch
NumPy