BD110

Neural Network

2 SKS Semester Gasal Pilihan 3 CPMK Lihat RPS →

Neural Network membahas dasar teori dan implementasi jaringan saraf tiruan. Mata kuliah ini mencakup model neuron, arsitektur jaringan, algoritma pembelajaran, dan aplikasi pengenalan pola. Mahasiswa memahami bagaimana neural network digunakan untuk memodelkan hubungan nonlinier dalam data. Pendekatan matematis dan eksperimental digunakan untuk mengevaluasi performa model.

backpropagationactivation functionsfeedforward networksgradient descentoverfittingdropoutbatch normalizationconvolutional layersrecurrent layersoptimization algorithms

Referensi: Bishop, C. M. (1995). Neural Networks for Pattern Recognition. Oxford University Press.

Profil CPL mata kuliah

Bobot tiap CPL dalam BD110 (total 100%).

CPL01 34% CPL02 33% CPL03 0% CPL04 0% CPL05 0% CPL06 33% CPL07 0% CPL08 0%

Dukungan ke profil lulusan

Skor = jumlah bobot CPL BD110 yang dipetakan ke profil tersebut. Garis putus = ambang 75% yang dipakai untuk rekomendasi centang PL di LKPS 2.B.1.

P1 Data Scientist 100%

P2 Data Analyst 100%

P3 Machine Learning Engineer 67%

P4 Data Engineer 67%

P5 Business Intelligence Analyst 100%

CPMK

Bobot CPMK = porsi CPMK dalam penilaian mata kuliah; sel berwarna = bobot CPL di dalam CPMK.

CPMK	Rumusan	Bobot	CPL01	CPL02	CPL06
CPMKBD11011	Mampu menunjukkan sikap mandiri dan bertanggung jawab dalam mempelajari serta menerapkan konsep jaringan saraf tiruan.	30%	20	60	20
CPMKBD11022	Menguasai konsep teoretis jaringan saraf tiruan dan prinsip kerjanya dalam pemrosesan data.	35%	10	70	20
CPMKBD11063	Mampu mengomunikasikan konsep, proses, dan hasil kerja jaringan saraf tiruan secara jelas dan sistematis.	35%	20	50	30