InHouseTraining_DeepLearning- pembelajaran mendalam

Deep learning

1. In House Training Pembelajaran Mendalam (Deep Learning) Disusun untuk pelatihan internal

2. 🎯 Tujuan Pelatihan 1. Memahami konsep dasar pembelajaran mendalam. 2. Menjelaskan part-part utama deep learning. 3. Membangun model sederhana dengan framework populer. 4. Mengembangkan proyek AI sesuai kebutuhan.

3. 📚 Agenda & Cakupan Materi • Sesi 1: Pengenalan AI, ML, DL • Sesi 2: Fondasi Deep Learning • Sesi 3: Membangun Model Sederhana • Sesi 4: Deep Learning untuk Gambar • Sesi 5: Deep Learning untuk Teks • Sesi 6: Deep Learning untuk Suara (opsional) • Sesi 7: Model Generatif • Sesi 8: Implementasi & Deployment • Sesi 9: Proyek Mini / Hackathon

4. Sesi 1 – Pengenalan • Apa itu AI, Machine Learning, dan Deep Learning • Perbedaan ML klasik dan DL • Contoh penerapan di dunia nyata: - Computer Vision (gambar) - NLP (teks, chatbot) - Speech Recognition (suara)

5. Sesi 2 – Fondasi Deep Learning • Dasar Matematika: aljabar linear, kalkulus, probabilitas • Jaringan Saraf Tiruan (neuron, layer, bobot, aktivasi) • Backpropagation dan optimisasi • Diskusi interaktif + kuis singkat

6. Sesi 3 – Membangun Model Sederhana • Dataset sederhana (contoh: MNIST) • Multilayer Perceptron (MLP) • Evaluasi model (akurasi, loss, confusion matrix) • Praktik langsung dengan Python (PyTorch/TensorFlow)

7. Sesi 4 – Deep Learning untuk Gambar • Convolutional Neural Network (CNN) • Pooling, padding, stride • Transfer learning (ResNet, VGG) • Demo + mini project klasifikasi gambar

8. Sesi 5 – Deep Learning untuk Teks • Representasi teks (Word2Vec, GloVe, embedding) • RNN, LSTM, GRU • Transformer & Attention (BERT, GPT) • Aplikasi: analisis sentimen, chatbot sederhana

9. Sesi 6 – Deep Learning untuk Suara • Representasi audio (spectrogram, MFCC) • Pengenalan speech recognition • Audio classification (genre musik, emosi)

10. Sesi 7 – Model Generatif • Autoencoder • Variational Autoencoder (VAE) • Generative Adversarial Networks (GAN) • Diffusion Models (Stable Diffusion, DALL·E)

11. Sesi 8 – Implementasi & Deployment • Workflow proyek end-to-end • Deploy model dengan Flask/FastAPI • Optimasi model untuk produksi (ONNX, TensorRT) • MLOps: monitoring, pipeline, CI/CD

12. Sesi 9 – Proyek Mini • Sistem rekomendasi film • Chatbot FAQ sederhana • Deteksi objek real-time • Aplikasi medis berbasis gambar

13. 🛠 Metode Pelatihan • Ceramah interaktif (teori + diskusi) • Praktik langsung (hands-on coding) • Studi kasus sesuai kebutuhan instansi • Mini project implementasi nyata

14. 📦 Output Pelatihan • Memahami konsep deep learning • Membangun model sederhana • Menghasilkan mini project • Siap melanjutkan ke level lanjut (vision, NLP, generatif)