latihan javascript

Belajar JavasScript

Saya sedang belajar JavasScript di duniailkom.com

Belajar web programming di duniailkom.

Tugas CSS

Belajar membuat layout dengan HTML dan CSS

• Home
• About
• Blog
• Contact

loren Ipsum

loren Ipsum is simply dunny text of the priting and typesetting industry. loren Ipsum has been

loren Ipsum

loren Ipsum is simply dunny text of the priting and typesetting industry. loren Ipsum has been

CATEGORY

---

HTML

CSS

BOOTSTRAP

PHP

MYSQL

jquery

Ajax

copyright 2107 codebareng all reserved

body{ background:#f3f3f3; color:#333; width:100%; font-family:sans-serif; margin:0 auto; } .header{ width:90%; margin:auto; height:120px; line-height:120px background:#41485F; color:#fff; } .content{ width :90%; margin: auto; height :120px; pedding:0.1px; background:#fff; color:#333; } .kiri{ width:70%; float:left; margin:auto; background:#fff; height:420px; } .kanan{ width:30%; float:left; margin:auto; background:#fff; height:420px; } .border{ border:2px solid #74C599; margin:auto; background:#fff; height:420px; } .undecor{ text-decoration:none; } .footer{ width:90%; margin:auto; height:40px; line-height:40px; background:#41A85F; color:#fff; } .menu{ background-color:#53bd84; height:50px; line-height:50px; position:relative; width:90%; margin:0 auto; padding:0 auto; } .jarak{ padding:0 2pc; } .menu ul{ list-style:none; } .menu ul li a{ float:left; width:70px; display:block; text-align:center; color:#fff; text-decoration:none; } .menu ul li a: haver{ background-color:#74C599; display:block; }

 Resume Kuliah Tamu

From perceptron to Deep learning
Speaker : Adi Chris ( Machine learning engineer traveloka )
-> learn from data : membuat komputer belajar dari data tanpa disuruh secara eksplisit ( memprediksi masalah sekarang dari data masa lalu yang di yakini kejadian saat ini akan seperti kejadian masa lalu
-> the assence of machine learning
– ada data
– pola
– tidak ada persamaan matematika yang dpat menyelesaikan secara langsung
jika di ibaratkan toko musik, perbedaan cara kerja manual, Automation, dan Machine sebagai berikut
– manual : penjaga toko menawarkan langsung kepada setiap customer
– Automation : komputer memutuskan rekomendasi untuk setiap customer dengan rule (if/else) yang di tentukan pejaga toko
– Machine : komputer memutuskan rekomendasi musik untuk setiap customer yang rule nya di discover sendiri oleh komputer
kenapa pakai Machine learning, karena data yang ada sangat banyak, contoh penggunaan di Traveloka untuk Klasifikasi jenis ruangan pada foto dan Rekomendasi berdasarkan keyword search
-> Tipe problem
– Linier : pada masalah ini data bisa dipisahkan dengan sebuah garis lurus
– Non Linier : Klasifikasi data tidak berupa garis lurus
-> yang penting di kuasai dalam Machine Learning
– Aljabar Linier
– Probabilitas
– Statistika