TensorFlow 2

Pada modul ini kita akan membahas text classification menggunakan RNN. Karena RNN atau Recurrent Neural Network, umum digunakan untuk melatih model dengan input data sequence, dimana text adalah sequence dari kata. Untuk teori dasar RNN, silakan lihat di https://skillplus.web.id/pengenalan-recurrent-neural-network-rnn/ Text classification yang akan dibuat adalah memprediksi review positif atau negatif, yang berarti binary classification. Dataset … Read more

Pada modul ini kita akan melakukan proses compiling, training dan evaluation. Langkah berikutnya adalah model compiling. KIta akan model dengan optimizer dan memilih loss function. Optimizer adalah proses dimana weight akan diupdate saat back propagating loss pada neural network. Optimizer yang digunakan adalah adam dan loss function yang digunakan adalah Sparse softmax (categorical) crossentropy. Cross … Read more

Pada modul ini kita akan membuat model. Pertama definisikan dahulu model Menambahkan layer Layer pertama, adalah convolutional layer. Dengan hyper parameter filters: 32 kernel_size: 3 padding: same activation: relu input_shape: (32, 32, 3) Menambahkan Convolutional layer kedua denga hyper-parameters: filters: 32 kernel_size:3 padding: same activation: relu Langkah berikutnya menambahkan MaxPool layer dengan hyper-parameters: pool_size: 2 … Read more

Modul ini tidak akan membahas landasan teori dari CNN, namun langsung ke praktek dengan menggunakan Google Colab. Untuk introduksi CNN lihat di https://skillplus.web.id/pengenalan-convolutional-neural-network-cnn/ CNN atau Convolutional Neural Network, umum digunakan untuk image recognition, misal face recognition, object detection atau image classification. Pada modul ini kita akan membuat CNN untuk melakukan image classification. Data yang digunakan … Read more