DEEP LEARNING

Materi ini menjelaskan algoritma backpropagation dengan contoh fungsi sederhana, menunjukkan proses menghitung turunan dan memperbarui bobot melalui aturan rantai untuk optimasi dalam jaringan neural. Uraian materi dapat disimak sebagai berikut:

• 0:06 – Pendahuluan materi tentang algoritma backpropagation.
• 0:08 – Fungsi $f = (x + y) \times z$ diperkenalkan.
• 0:23 – Model jaringan dibangun dengan node X, Y, dan Z. X dan Y dijumlahkan, hasilnya dikalikan dengan Z.
• 0:42 – Nilai variabel diberikan: $x = 1$, $y = -3$, dan $z = 4$.
• 1:00 – Penjumlahan $x + y = -2$, hasil ini diberi variabel D.
• 1:11 – D dikalikan dengan Z: $-2 \times 4 = -8$.
• 1:17 - Ada soal yang harus kalian kerjakan ya...
• 1:19 – Proses backpropagation dimulai untuk menghitung turunan fungsi terhadap X, Y, dan Z.
• 1:33 – Turunan D terhadap X dan Y dihitung, keduanya bernilai 1.
• 1:48 – Turunan F terhadap D sama dengan Z, dan turunan F terhadap Z sama dengan D.
• 2:09 – Proses backpropagation dimulai dengan menghitung turunan F terhadap Z, yaitu -2.
• 2:25 – Turunan F terhadap D dihitung, yaitu 4.
• 2:44 – Turunan F terhadap Y dihitung menggunakan aturan rantai: $4 \times 1 = 4$.
• 3:14 – Turunan F terhadap X dihitung menggunakan aturan rantai: $4 \times 1 = 4$.
• 3.35 -  Juga ada soal yang harus kalian kerjakan