Beberapa hari yang lalu saya mendapat free copy sebuah buku yang bagus banget. Deep Learning with PyTorch. Buku yang menerangkan tentang framework PyTorch yang dibuat oleh sejumlah team hacker online. Dimulai sejak tahun 2016. Versi publikasi pertama tahun 2017 dan berkembang terus. Buku ini sendiri ditulis oleh 3 orang penggagas utama pyTorch. Eli Stevens, Luca Antiga, dan Thomas Viehmann. Diberi kata pengantar oleh co-creator PyTorch Soumith Chintala.
Buku ini menarik, karena ditulis oleh penggagasnya langsung. Walaupun dalam kata pengantar diceritakan, kalau buku ini dibuat, pada saat selesai/terbit sudah usang, karena perkembangan yang begitu dahsyat. Tetapi bagi saya, dan kita-kita, tentu buku ini merupakan referensi yang bagus dari penggagas aslinya. Untuk mempelajari pyTorch. Jadi kalau dari jalur sanad (meminjam istilah di keilmuan agama ), sanadnya langsung ke penggagasnya hanya melalui perantara bukunya.
Dari cerita di kata pengantar, baik oleh Soumith Chintala maupun penulis, PyTorch dikembangkan dari codebase project Torch7 yang dikembangkan oleh Ronan Collobert, dkk. Torch7 ini dikembangkan dengan menggunakan Lush Programming. Lush Programming sendiri dibuat/diinisiasi oleh Yann LeCunn dan Leon Bottou. Kita tahu Beliau-beliau ini merupakan Raksasa-raksasa dalam Deep Learning. Jadi dengan belajar PyTorch dari buku ini, sanad kita tersambung ke Raksasa-raksasa pemikir dalam bidang deep learning. Betapa hebatnya. Dan betapa bangganya.
Penulis buku Deeplearning with PyTorch sendiri merupakan ahli-ahli di pengembangan aplikasi perangkat dan deteksi medis (Eli Stevens), Bioengineering dan Medical Imaging (Luca Antiga), dan keahlian sebagai pemrogram inti pyTorch (Thomas Viehmann). Di buku ini juga ada contoh-contoh aplikatif pemanfaatan pyTorch di bidang segmentasi dan klasifikasi citra medis. Sedangkan deep learning dalam bidang medis (citra medis) merupakan salah satu bidang yang berkembang pesat hari-hari ini.
Jadi akan bagus sekali jika kita mempelajari PyTorch dari buku yang ditulis oleh penggagas-penggagasnya. Buku yang benar-benar keren membahas dari mulai inti sampai aplikasinya. Jadi sangat menguntungkan untuk meluangkan waktu mempelajari pytorch dari buku ini, apalagi yang lagi berkecimpung di bidang segmentasi dan klasifikasi (analisis) citra medis.
Untuk selanjutnya kita akan membahas deep learning ini dari tataran praktis tentu saja hehe. Dan tentu saja step by step.
Selamat Mengikuti!
Agus Subhan Akbar
Dept. Sistem Informasi
FST Unisnu Jepara
Dari cerita di kata pengantar, baik oleh Soumith Chintala maupun penulis, PyTorch dikembangkan dari codebase project Torch7 yang dikembangkan oleh Ronan Collobert, dkk. Torch7 ini dikembangkan dengan menggunakan Lush Programming. Lush Programming sendiri dibuat/diinisiasi oleh Yann LeCunn dan Leon Bottou. Kita tahu Beliau-beliau ini merupakan Raksasa-raksasa dalam Deep Learning. Jadi dengan belajar PyTorch dari buku ini, sanad kita tersambung ke Raksasa-raksasa pemikir dalam bidang deep learning. Betapa hebatnya. Dan betapa bangganya.
Penulis buku Deeplearning with PyTorch sendiri merupakan ahli-ahli di pengembangan aplikasi perangkat dan deteksi medis (Eli Stevens), Bioengineering dan Medical Imaging (Luca Antiga), dan keahlian sebagai pemrogram inti pyTorch (Thomas Viehmann). Di buku ini juga ada contoh-contoh aplikatif pemanfaatan pyTorch di bidang segmentasi dan klasifikasi citra medis. Sedangkan deep learning dalam bidang medis (citra medis) merupakan salah satu bidang yang berkembang pesat hari-hari ini.
Jadi akan bagus sekali jika kita mempelajari PyTorch dari buku yang ditulis oleh penggagas-penggagasnya. Buku yang benar-benar keren membahas dari mulai inti sampai aplikasinya. Jadi sangat menguntungkan untuk meluangkan waktu mempelajari pytorch dari buku ini, apalagi yang lagi berkecimpung di bidang segmentasi dan klasifikasi (analisis) citra medis.
Untuk selanjutnya kita akan membahas deep learning ini dari tataran praktis tentu saja hehe. Dan tentu saja step by step.
Selamat Mengikuti!
Agus Subhan Akbar
Dept. Sistem Informasi
FST Unisnu Jepara
No comments:
Post a Comment