Cover Course Generative Adversarial Networks dengan Pytorch
Generative Adversarial Networks dengan Pytorch

GAN (Generative Adversarial Networks) adalah jenis jaringan saraf tiruan (neural network) yang terdiri dari dua bagian utama: generator dan diskriminator.Generator bertanggung jawab untuk menghasilkan data sintetis yang menyerupai data asli, sementara diskriminator bertanggung jawab untuk membedakan antara data asli dan data sintetis yang dihasilkan oleh generator. Kedua bagian ini dilatih secara bersamaan dalam sebuah proses yang disebut dengan

Share Kelas Ini :

Informasi Umum
Pada course ini akan dibahas silabus yang berkenaan dengan Generative Adversarial Network (GANs) diantaranya yaitu konsep generative model dan adversarial training, intuisi dan cara kerja Generative Adversarial Networks, persiapan data untuk Generative Adversarial Networks, Training Generator dan diskriminator Generative Adversarial Networks, Arsitektur  pada GenerAN dan Generate gambar baru dengan GAN
 
Target Pembelajaran
  • Peserta mampu memahami konsep dasar generative adversarial networks(GANs)
  • Peserta mampu Discriminator dan Generator pada GAN
  • Peserta mampu menyiapkan input data untuk model GAN
  • Peserta mampu memahami dan membuat sendiri custom class arsitektur neural network
  • Peserta mampu memahami dan mengimplementasikan training GAN
 
Spesifikasi
  • PC / Laptop yang sudah terinstall Python 3 beserta jupyter notebook atau dapat menggunakan google collab
  • Komputer dengan internet yang stabil

Kriteria Kelulusan
Peserta diwajibkan untuk mengambil kuis dari setiap silabus yang ada di course. Tugas akhir dapat diakses jika peserta telah menyelesaikan kuis di setiap silabus dengan nilai yang memenuhi kriteria ketuntasan minimal (KKM) yaitu 70. Setelah peserta menyelesaikan kuis dan tugas akhir, maka peserta akan mendapatkan sertifikat.

Skema Penilaian
A. Kuis (80%)
Soal kuis di setiap silabus terdiri dari soal-soal pilihan ganda yang harus dijawab oleh peserta. Nilai kuis dapat diperoleh jika peserta dapat menyelesaikan kuis di setiap silabus dengan sempurna. Nilai kuis setiap silabus akan diakumulasikan sebanyak 10%

B.Tugas Akhir (20%)
Tugas akhir terdiri dari satu soal analisis yang diambil dari silabus. NIlai tuags akhir dapat diperoleh jika peserta berhasil menyelesaikan tuags akhir dengan baik.


Silakan Login Terlebih Dahulu!
Detail Course
  • Penyusun Materi Logo Bisa AI
    BISA AI Academy
  • Harga Course
    FREE

    • Pemula

    4 Jam

    590 Siswa

    8 Modul

    4.7

Temukan Testimonial lainnya