Pytorch Basic
Pengenalan fundamental PyTorch untuk deep learning. Pelajari tensor sebagai
struktur data dasar, operasi matematika, broadcasting, dan matrix operations
yang menjadi fondasi neural networks.
Yang Akan Dipelajari:
- Tensor creation dan basic operations
- Mathematical functions dan element-wise operations
- Broadcasting rules dan practical examples
- Matrix multiplication dan linear algebra
- Building neural networks from scratch
Buka di Colab
Pytorch Gradient Descent
Memahami automatic differentiation dan optimization dalam PyTorch.
Pelajari cara kerja autograd, implementasi gradient descent, dan
berbagai optimizer untuk training neural networks.
Yang Akan Dipelajari:
- Automatic differentiation dengan autograd
- Manual gradient descent implementation
- PyTorch optimizers (SGD, Adam, RMSprop)
- Loss functions dan backpropagation
- Training simple neural networks
Buka di Colab
Pytorch Dimension
Kuasai manipulasi dimensi tensor yang penting untuk deep learning.
Pelajari unsqueeze, squeeze, reshape, flatten, dan permute untuk
menyiapkan data dengan format yang tepat.
Yang Akan Dipelajari:
- Unsqueeze dan squeeze operations
- Reshape dan flatten untuk data preparation
- Permute untuk reordering dimensions
- Common dimension format conversions
- Debugging dimension mismatch errors
Buka di Colab
Pytorch Application
Aplikasi praktis PyTorch untuk real-world problems. Implementasi
curve fitting, classification tasks, data loading, dan validation
techniques untuk membangun model yang robust.
Yang Akan Dipelajari:
- Neural network untuk curve fitting
- Classification problems dan decision boundaries
- Data loading dengan DataLoader
- Train/validation/test split
- Overfitting detection dan prevention
Buka di Colab
Pytorch MNIST
Implementasi lengkap klasifikasi MNIST digit recognition. Pelajari
data preprocessing, model architecture, training loop, evaluation
metrics, dan best practices untuk computer vision tasks.
Yang Akan Dipelajari:
- MNIST dataset loading dan preprocessing
- CNN architecture untuk image classification
- Training loop dengan batch processing
- Model evaluation dan accuracy metrics
- Model saving dan deployment
Buka di Colab