[PRE ORDER]

Buku ini menyajikan pengantar komprehensif tentang konsep dan arsitektur dasar deep learning yang dirancang khusus bagi pembaca pemula. Dimulai dari pemahaman tentang artificial intelligence, machine learning, hingga pengembangan jaringan saraf tiruan (Artificial Neural Network/ANN), pembaca diarahkan memahami bagaimana model-model deep learning meniru cara kerja otak manusia dalam menyelesaikan masalah kompleks. Disertai ilustrasi dan penjabaran sejarah perkembangan teknologi ini, buku ini menjelaskan berbagai strategi pembelajaran seperti regularisasi, augmentasi data, dropout, hingga adaptive learning rate. Penjelasan praktis menggunakan dataset MNIST turut memperkuat pemahaman implementasi nyata dari ANN. Lebih lanjut, buku ini membedah berbagai tipe dan aplikasi model deep learning seperti Convolutional Neural Networks (CNN) untuk data citra, model sequence seperti RNN, LSTM dan GRU untuk data berurutan, hingga generative model seperti Autoencoders dan GAN. Bab khusus mengenai Reinforcement Learning menunjukkan bagaimana algoritma pembelajaran berbasis reward bekerja pada bidang robotika dan autonomous systems. Didukung oleh studi kasus nyata dan implementasi berbasis Python menggunakan TensorFlow dan Keras, buku ini menjadi referensi awal yang sangat aplikatif dan sistematis untuk mahasiswa, peneliti, serta praktisi yang ingin memahami fondasi dan potensi penerapan deep learning di berbagai bidang.