"It’s fun and powerful, it feels like playing with LEGO bricks."
- François Chollet (The Creator of Keras)
Dari mana belajar Deep Learning? Pertanyaan ini seringkali terlintas, khususnya bagi orang-orang yang baru mulai belajar ataupun menekuni deep learning. Banyak opsi yang bisa diambil, mendaftar kuliah di prodi AI, ikut bootcamp, membeli online course, youtube, atau membaca buku terkait. Jika pilihannya adalah membaca buku, maka buku ini bisa menjadi salah satu opsi yang layak dipertimbangkan.
Pertama, buku ini ditulis oleh Francois Chollet, kreator dari Keras. Library keras adalah salah satu yang paling banyak digunakan untuk membuat model deep learning khususnya bagi pemula. Belajar langsung dari pembuatnya tentu merupakan suatu privilege yang berharga. Karena pastinya sang penulis sangat memahami topik apa saja yang perlu dipelajari lebih dulu dan bagaimana caranya.
Kedua, buku ini memiliki pendekatan yang menarik. Dimana porsi pemrograman yang diberikan cukup banyak, sehingga secara tidak langsung akan membawa pembaca untuk terbiasa dengan sintaks deep learning. Struktur dalam buku ini dimulai dari pengenalan topik terkait Artificial Interlligence, Machine Learning, dan Deep Learning. Kemudian dilanjutkan dengan pengenalan Keras beserta tahapan membuat model dan modifikasi arsitektur deep learning dari dasar.
Ketiga, buku ini memuat banyak studi kasus. Dimulai dari yang paling dasar seperti digit recognition, berlanjut ke topik-topik esensial seperti computer vision, natural language processing, sampai generation AI. Semua disajikan dengan visualisasi-visualisasi yang semakin memudahkan pembaca untuk mendapatkan intuisi dari topik yang dibahas.
Secara keseluruhan, buku “Deep Learning with Python” ini cocok dipelajari bagi siapa saja yang ingin mulai mempelajari deep learning. Meskipun pembahasan materi dimulai dari dasar, tetap disarankan untuk memiliki sedikit pengalaman pemrograman untuk membacanya. Selain itu, buku ini terbit tahun 2021, sehingga mungkin akan ada beberapa topik ataupun fitur terbaru yang terlewat seperti keras-cv dan keras core.