learning

sedang belajar

Catatan singkat tentang hal-hal yang saya pelajari untuk membangun keterampilan rekayasa perangkat lunak inti yang kuat sekaligus sedikit memperluas pengetahuan saya tentang teknologi terkait setiap hari.

Diperbarui : Sebulan sekali | Fokus Saat Ini : AI Generatif

Keterampilan Inti

Pemrograman Python

Sumber	Kemajuan
Datacamp: Menulis Kode Python yang Efisien	✅
Kamp Data: Fungsi Penulisan dengan Python	✅
Kamp Data: Pemrograman Berorientasi Objek dengan Python	✅
Datacamp: Pemrograman Berorientasi Objek Menengah dengan Python	✅
Datacamp: Mengimpor Data dengan Python (Bagian 1)	✅
Datacamp: Mengimpor Data dengan Python (Bagian 2)	✅
Datacamp: Python Menengah untuk Ilmu Data	✅
Kamp Data: Kotak Alat Sains Data Python (Bagian 1)	✅
Kamp Data: Kotak Alat Sains Data Python (Bagian 2)	✅
Kamp Data: Mengembangkan Paket Python	✅
Kamp Data: Conda Essentials	✅
Youtube: Tutorial: Sebastian Witowski - Perangkat Pengembang Python Modern	✅
Datacamp: Bekerja dengan Tanggal dan Waktu dengan Python	✅
Kamp Data: Otomatisasi Baris Perintah dengan Python	⬜
Datacamp: Pengujian Unit untuk Ilmu Data dengan Python	✅
Buku: Python 201	⬜
Buku: Menulis Idiomatik Python 3	⬜
Buku: Pengembangan Berbasis Uji dengan Python	⬜
Artikel: Banyak utilitas baris perintah Python	⬜
Artikel: Pengantar Unicode Seorang Pemrogram	⬜
Artikel: Pengantar Profil Memori dengan Python	✅
Artikel: Membuat profil kode Python dengan memory_profiler	✅
Artikel: Bagaimana Cara Menggunakan "memory_profiler" untuk Memprofilkan Penggunaan Memori dengan Kode Python?	✅

Struktur Data dan Algoritma

Sumber	Kemajuan
Buku: Algoritma Grokking	✅
Buku: Resume Teknologi Luar Dalam	✅
Neetcode: Algoritma dan Struktur Data untuk Pemula	✅
Udacity: Pengantar Struktur Data dan Algoritma	✅

Linux & Baris Perintah

Sumber	Kemajuan
Datacamp: Pengantar Shell untuk Ilmu Data	✅
Kamp Data: Pengantar Skrip Bash	✅
Kamp Data: Pemrosesan Data di Shell	✅
MIT: Semester yang Hilang	✅
Udacity: Dasar-dasar Baris Perintah Linux	✅
Udacity: Bengkel Shell	✅
Udacity: Mengonfigurasi Server Web Linux	✅

Kontrol Versi

Sumber	Kemajuan
Udacity: Kontrol Versi dengan Git	✅
Datacamp: Pengantar Git untuk Ilmu Data	✅
Udacity: GitHub & Kolaborasi	✅
Udacity: Cara Menggunakan Git dan GitHub	✅

Basis Data

Sumber	Kemajuan
Udacity: Pengantar database relasional	✅
Udacity: Konsep & Desain Sistem Basis Data	⬜
Kamp Data: Desain Basis Data	⬜
Datacamp: Pengantar Database dengan Python	⬜
Datacamp: Pengantar SQL untuk Ilmu Data	✅
Kamp Data: SQL Menengah	⬜
Datacamp: Menggabungkan Data di PostgreSQL	⬜
Udacity: SQL untuk Analisis Data	⬜
Kamp Data: Analisis Data Eksplorasi dalam SQL	⬜
Kamp Data: Menerapkan SQL pada Masalah Dunia Nyata	⬜
Datacamp: Menganalisis Data Bisnis dalam SQL	⬜
Kamp Data: Pelaporan dalam SQL	⬜
Kamp Data: Pengambilan Keputusan Berdasarkan Data dalam SQL	⬜
Kamp Data: Konsep NoSQL	⬜
Kamp Data: Pengantar MongoDB dengan Python	⬜

Rekayasa Backend

Sumber	Kemajuan
Udacity: Otentikasi & Otorisasi: OAuth	⬜
Udacity: HTTP & Server Web	⬜
Udacity: Komunikasi Klien-Server	⬜
Udacity: Merancang API RESTful	⬜
Datacamp: Pengenalan API dengan Python	⬜
Udacity: Jaringan untuk Pengembang Web	⬜

Desain Sistem Produksi

Sumber	Kemajuan
Buku: Merancang Sistem Pembelajaran Mesin	✅
Neetcode: Desain Sistem untuk Pemula	✅
Neetcode: Wawancara Desain Sistem	✅
Kamp Data: Analisis Pelanggan & Pengujian A/B dengan Python	✅
Kamp Data: Pengujian A/B dengan Python	⬜
Udacity: Pengujian A/B	⬜
Kamp Data: Konsep MLOps	✅
Kamp Data: Konsep Pemantauan Pembelajaran Mesin	✅

Matematika

Sumber	Kemajuan
Kamp Data: Landasan Probabilitas dengan Python	✅
Datacamp: Pengantar Statistika	✅
Datacamp: Pengantar Statistik dengan Python	✅
Kamp Data: Pengujian Hipotesis dengan Python	✅
Kamp Data: Pemikiran Statistik dengan Python (Bagian 1)	✅
Kamp Data: Pemikiran Statistik dengan Python (Bagian 2)	✅
Kamp Data: Desain Eksperimental dengan Python	✅
Datacamp: Mempraktikkan Pertanyaan Wawancara Statistik dengan Python	⬜
edX: Statistik Penting untuk Analisis Data menggunakan Excel	✅
Udacity: Pengantar Statistik Inferensial	✅
MIT 18.06 Aljabar Linier, Musim Semi 2005	✅
Udacity: Vektor Eigen dan Nilai Eigen	✅
Udacity: Penyegaran Aljabar Linier	⬜
Youtube: Inti dari aljabar linier	⬜

Pengetahuan Dasar Frontend

---

HTML

Sumber	Kemajuan
Akademi Kode: Pelajari HTML	✅
Codecademy: Membuat situs web	✅
Artikel: Teks Alternatif	⬜

CSS

Sumber	Kemajuan
Pluralsight: Pemosisian CSS	✅
Pluralsight: Pengantar CSS	✅
Pluralsight: CSS: Kekhususan, Model Kotak, dan Praktik Terbaik	✅
Pluralsight: CSS: Menggunakan Flexbox untuk Tata Letak	✅
Code School: Melesat dengan Bootstrap	✅
Pandangan Jamak: Dasar-dasar UX	✅
Akademi Kode: Pelajari SASS	✅
CSS untuk Pengembang Javascript	✅
Artikel: Membuat ilustrasi dalam desain Figma	✅
Buku: Refactoring UI	⬜
Youtube: Cara Membuat Website Anda Tidak Jelek: UX Dasar untuk Pemrogram	⬜

JavaScript

Sumber	Kemajuan
Udacity: ES6 - JavaScript Ditingkatkan	✅
Udacity: Pengantar Javascript	✅
Udacity: JS Berorientasi Objek 1	✅
Udacity: JS Berorientasi Objek 2	✅
Udemy: Memahami Naskah Ketikan	✅
Akademi Kode: Pelajari JavaScript	✅
Akademi Kode: Jalur Jquery	✅
Pluralsight: Menggunakan Alat Pengembang Chrome	✅

Topik Khusus

---

Pembelajaran Mesin

Sumber	Kemajuan
Artikel: Ikhtisar algoritma optimasi penurunan gradien	✅
Buku: Pembelajaran Mesin Praktis dengan Scikit-Learn, Keras, dan TensorFlow, Edisi ke-2	⬜
Buku: Panduan Pembelajaran Mesin	✅
Buku: Buat Jaringan Syaraf Anda Sendiri	✅
Buku: Pembelajaran Mesin Grokking	✅
Buku: Panduan Bergambar StatQuest Untuk Pembelajaran Mesin	✅
Fast.ai: Pembelajaran Mendalam Praktis untuk Coder (Bagian 1)	✅
Fast.ai: Pembelajaran Mendalam Praktis untuk Coder (Bagian 2)	⬜
Kamp Data: Metode Ensemble dengan Python	✅
Kamp Data: Peningkatan Gradien Ekstrim dengan XGBoost	⬜
Kamp Data: Metode Pengelompokan dengan SciPy	✅
Kamp Data: Pembelajaran Tanpa Pengawasan dengan Python	✅
Udacity: Segmentasi dan Clustering	✅
Datacamp: Pengantar Python untuk Ilmu Data	✅
edX: Menerapkan Analisis Prediktif dengan Spark di Azure HDInsight	✅
Kamp Data: Pembelajaran yang Diawasi dengan scikit-learn	✅
Datacamp: Pembelajaran Mesin dengan Model Berbasis Pohon dengan Python	✅
Kamp Data: Pengklasifikasi Linier dengan Python	✅
Kamp Data: Jaringan Neural Konvolusional untuk Pemrosesan Gambar	✅
Kamp Data: Validasi Model dengan Python	✅
Kamp Data: Penyetelan Hyperparameter dengan Python	✅
Kamp Data: Analisis SDM dengan Python: Memprediksi Perpindahan Karyawan	✅
Datacamp: Memprediksi Churn Pelanggan dengan Python	✅
Kamp Data: Pengurangan Dimensi dengan Python	✅
Kamp Data: Pemrosesan awal untuk Pembelajaran Mesin dengan Python	✅
Kamp Data: Tipe Data untuk Ilmu Data	✅
Datacamp: Membersihkan Data dengan Python	✅
Datacamp: Rekayasa Fitur untuk Pembelajaran Mesin dengan Python	✅
Kamp Data: Memprediksi RKT dengan Pembelajaran Mesin dengan Python	✅
Datacamp: Pengantar Konsep Keuangan menggunakan Python	✅
Kamp Data: Deteksi Penipuan dengan Python	✅
Karpathy: Jaringan Neural: Zero to Hero	✅
Artikel: Inisialisasi Bobot di Jaringan Neural: Perjalanan Dari Dasar hingga Kaiming	⬜

Pemrosesan Bahasa Alami

Sumber	Kemajuan
Buku: Pemrosesan Bahasa Alami dengan Transformers	✅
Stanford CS224U: Pemahaman Bahasa Alami | Musim semi 2019	✅
Stanford CS224N: Stanford CS224N: NLP dengan Pembelajaran Mendalam | Musim Dingin 2019	✅
CMU: Kamp Pelatihan NLP sumber daya rendah 2020	✅
NLP Multibahasa CMU 2020	✅
Datacamp: Rekayasa Fitur untuk NLP dengan Python	✅
Kamp Data: Dasar-dasar Pemrosesan Bahasa Alami dengan Python	✅
Kamp Data: Ekspresi Reguler dengan Python	✅
Kamp Data: RNN untuk Pemodelan Bahasa	✅
Kamp Data: Pembuatan Bahasa Alami dengan Python	✅
Datacamp: Membangun Chatbots dengan Python	✅
Kamp Data: Analisis Sentimen dengan Python	✅
Kamp Data: Terjemahan Mesin dengan Python	✅
Artikel: Efektivitas Kolokasi yang Tidak Masuk Akal	⬜
Artikel: FuzzyWuzzy: Pencocokan String Fuzzy dengan Python	✅
Artikel: Penjelasan Mamba	⬜
Artikel: Panduan Visual untuk Model Mamba dan State Space	⬜
Artikel: Dasar-Dasar Kuantisasi dengan Wajah Memeluk	✅

AI generatif

---

Teori LLM

Sumber	Kemajuan
Artikel: SolidGoldMagikarp (plus, pembuatan cepat)	⬜
DeepLearning.AI: Pra-pelatihan LLM	✅
DeepLearning.AI: Cara Kerja Model Difusi	⬜
Karpathy: Pengantar Model Bahasa Besar [ 1hr ]	✅
Karpathy: Ayo buat Tokenizer GPT [ 2hr13m ]	✅
Karpathy: Mari kita reproduksi GPT-2 (124M) [ 4hr1m ]	⬜
Youtube: Panduan Peretas untuk Model Bahasa [ 1hr30m ]	✅
Youtube: 5 Tahun GPT dengan Finbarr Timbers	⬜
Artikel: Pengambilan Sampel untuk Pembuatan Teks	⬜
DeepLearning.AI: Pembelajaran Penguatan dari Umpan Balik Manusia	✅
Youtube: LLaMA menjelaskan: KV-Cache, Penyematan Posisi Putar, Norma RMS, Perhatian Kueri yang Dikelompokkan, SwiGLU [ 1h10m ]	⬜

Pengambilan Informasi / RAG

Sumber	Kemajuan
Model Bahasa Transformer yang Telah Dilatih untuk Penelusuran - bagian 1	⬜
Model Bahasa Transformer yang Telah Dilatih untuk Penelusuran - bagian 2	⬜
Model Bahasa Transformator Terlatih untuk Penelusuran - bagian 3	⬜
Model Bahasa Transformer yang Telah Dilatih untuk Penelusuran - bagian 4	⬜
Memahami indeks IVF-PQ LanceDB	⬜
Sedikit penggabungan akan sangat bermanfaat untuk representasi multi-vektor	✅
Kursus Pengambilan Fullstack
Artikel: Tingkat Kompleksitas: Aplikasi RAG	✅
Artikel: Meningkatkan RAG Anda Secara Sistematis	⬜
Artikel: Berhenti menggunakan LGTM@Few sebagai metrik (RAG Lebih Baik)	⬜
Artikel: Buah yang Menggantung Rendah untuk Pencarian RAG	⬜
Artikel: Yang Harus Diketahui Insinyur AI tentang Pencarian	✅
Artikel: Mengevaluasi Strategi Pengambilan Potongan	⬜
Artikel: Penyematan Kalimat. Pengantar Penyematan Kalimat	⬜
DeepLearning.AI: Membangun dan Mengevaluasi Aplikasi RAG Tingkat Lanjut	✅
DeepLearning.AI: Database Vektor: dari Penyematan hingga Aplikasi	✅
DeepLearning.AI: Pengambilan Tingkat Lanjut untuk AI dengan Chroma	✅
DeepLearning.AI: Kompresi Cepat dan Optimasi Kueri	✅
DeepLearning.AI: Model Bahasa Besar dengan Pencarian Semantik [ 1hr ]	✅
DeepLearning.AI: Membangun Aplikasi dengan Database Vektor	✅
DeepLearning.AI: Membangun Pencarian Multimodal dan RAG	⬜
DeepLearning.AI: Grafik Pengetahuan untuk RAG	⬜
DeepLearning.AI: Fungsi, Alat, dan Agen dengan LangChain	⬜
DeepLearning.AI: Membangun RAG Agen dengan LlamaIndex	⬜
DeepLearning.AI: Sistem Agen Multi AI dengan crewAI	⬜
DeepLearning.AI: Pola Desain Agen AI dengan AutoGen	⬜
DeepLearning.AI: Agen AI di LangGraph	⬜
DeepLearning.AI: Membangun Agen Basis Data Anda Sendiri	⬜
DeepLearning.AI: Memproses Data Tidak Terstruktur untuk Aplikasi LLM	⬜
DeepLearning.AI: Menanamkan Model: Dari Arsitektur hingga Implementasi	✅
Biji Pinus: Basis Data Vektor dalam Produksi untuk Insinyur yang Sibuk	⬜
Biji Pinus: Pengambilan Generasi Augmented	⬜
Biji Pinus: Buku Panduan LangChain AI	⬜
Biji Pinus: Metode Penyematan untuk Pencarian Gambar	⬜
Biji Pinus: Faiss: Panduan yang Hilang	⬜
Biji Pinus: Pencarian Vektor di Alam Liar	⬜
Biji Pinus: Pemrosesan Bahasa Alami untuk Pencarian Semantik	⬜
Youtube: Meningkatkan aplikasi RAG secara sistematis	✅
Youtube: Kembali ke Dasar untuk RAG dengan Jo Bergum	✅
Youtube: Melampaui Dasar-Dasar Pengambilan untuk Augmenting Generation (bersama Ben Clavié)	✅
Youtube: RAG Dari Awal	14/0
Artikel: LambdaMART Secara Mendalam	⬜
Artikel: Generasi Terpandu dengan Garis Besar	✅

Rekayasa Cepat

Sumber	Kemajuan
Artikel: Rekayasa Prompt OpenAI	⬜
Artikel: Dasar-dasar Dorongan dan Cara Menerapkannya Secara Efektif	✅
Kursus Antropik	⬜
Artikel: Rekayasa Cepat (Liliang Weng)	✅
Artikel: Rekayasa Cepat 201: Metode dan perangkat tingkat lanjut	✅
Artikel: Mengoptimalkan LLM untuk akurasi	✅
Artikel: Primer • Rekayasa Cepat	⬜
Artikel: Titik Akhir Skala Apa Pun: Mode JSON dan Fitur Pemanggilan Fungsi	⬜
Artikel: Pembuatan teks terpandu dengan Model Bahasa Besar	⬜
Artikel: Alternatif Visi GPT-4	⬜
DeepLearning.AI: Rekayasa Prompt ChatGPT untuk Pengembang	⬜
DeepLearning.AI: Rekayasa Cepat untuk Model Visi	⬜
DeepLearning.AI: Rekayasa Cepat dengan Llama 2 & 3	⬜
Wandb: Teknik LLM: Keluaran Terstruktur	⬜
DeepLearning.AI: Pemanggilan Fungsi dan Ekstraksi Data dengan LLM	⬜
Seri: Injeksi cepat	⬜
Youtube: Ikhtisar Teknik Cepat [ 1hr4m ]	✅
Youtube: Generasi Terstruktur dengan LLM	⬜

LLMOps

Sumber	Kemajuan
Artikel: Pola Membangun Sistem & Produk Berbasis LLM	✅
Artikel: Arsitektur yang Muncul untuk Aplikasi LLM	✅
Artikel: Cara membuat LLM berjalan cepat	⬜
Artikel: Di Jalur Cepat! Penguraian Kode Spekulatif - Model 10x Lebih Besar, Tanpa Biaya Tambahan	⬜
Artikel: Harmonisasi Multi-GPU: Penskalaan Inferensi LLM yang Efisien	⬜
Artikel: Perhatian Multi-Kueri adalah Yang Anda Butuhkan	⬜
Artikel: Perangkat Pengoptimalan Inferensi Transformers	⬜
DeepLearning.AI: Melayani LLM Secara Efisien	✅
DeepLearning.AI: Pengujian Otomatis untuk LLMOps	✅
DeepLearning.AI: Aplikasi LLM Tim Merah	✅
DeepLearning.AI: Mengevaluasi dan Men-debug Model AI Generatif Menggunakan Bobot dan Bias	⬜
DeepLearning.AI: Kualitas dan Keamanan untuk Aplikasi LLM	⬜
Pembelajaran Mendalam.AI: LLMOps	⬜
DeepLearning.AI: Aplikasi LLM tanpa server dengan Amazon Bedrock	⬜
DeepLearning.AI: Kuantisasi secara Mendalam	⬜
DeepLearning.AI: Pengantar AI Pada Perangkat	⬜
Artikel: Panduan Visual untuk Kuantisasi	⬜
Artikel: QLoRA dan Kuantisasi 4-bit	⬜
Artikel: Memahami Kuantisasi AI/LLM Melalui Visualisasi Interaktif	⬜
Artikel: Seri Inferensi LLM: 3. Penjelasan cache KV	⬜
Artikel: Seri Inferensi LLM: 4. KV caching, lihat lebih dalam	⬜
Artikel: Seri Inferensi LLM: 5. Membedah kinerja model	⬜
Youtube: SBTB 2023: Charles Frye, Prosesor Paralel: Koneksi Masa Lalu & Masa Depan Antara LLM dan Kernel OS	⬜
Artikel: Aritmatika Inferensi Transformator	⬜

Membangun Sistem berbasis LLM

Sumber	Kemajuan
Artikel: Apa yang Kami Pelajari dari Setahun Membangun dengan LLM	⬜
Artikel: Cara Menghasilkan dan Menggunakan Data Sintetis untuk Penyempurnaan	✅
Artikel: Kebutuhan Produk AI Anda Dievaluasi	✅
Artikel: Evaluasi LLM Khusus Tugas yang Berhasil & Tidak Berhasil	✅
Artikel: Roda Gila Data untuk Aplikasi LLM	⬜
Artikel: LLM From the Trenches: 10 Pelajaran yang Dipetik dalam Mengoperasikan Model di GoDaddy	✅
Artikel: Evaluasi & Deteksi Halusinasi untuk Ringkasan Abstraktif	✅
Artikel: Pola UX yang Muncul untuk Aplikasi & Kopilot AI Generatif	✅
Artikel: Panduan Pelatihan LLM Pemula	⬜
Artikel: Mendorong Dukungan Data Terstruktur ChatGPT Hingga Batasnya	✅
Artikel: GPTed: menggunakan GPT-3 untuk pemeriksaan prosa semantik	✅
Artikel: Jangan khawatir tentang LLM	⬜
DeepLearning.AI: Menyempurnakan Model Bahasa Besar	✅
DeepLearning.AI: Membangun Sistem dengan API ChatGPT	⬜
DeepLearning.AI: LangChain untuk Pengembangan Aplikasi LLM	⬜
DeepLearning.AI: LangChain: Mengobrol dengan Data Anda	⬜
DeepLearning.AI: Membangun Aplikasi AI Generatif dengan Gradio	✅
DeepLearning.AI: Model Sumber Terbuka dengan Wajah Memeluk	⬜
DeepLearning.AI: Memulai Mistral	⬜
Datacamp: Mengembangkan Aplikasi LLM dengan LangChain	⬜
LLMOps: Membangun dengan LLM	⬜
Kamp Pelatihan LLM - Musim Semi 2023	✅
Youtube: Survei Teknik Memaksimalkan Kinerja LLM	✅
Youtube: Blok Bangunan untuk Sistem & Produk LLM: Eugene Yan	✅
Youtube: Menyempurnakan Model OpenAI - Praktik Terbaik	✅
Youtube: Kursus: Penyempurnaan LLM dengan Axolotl	0/4
Youtube: Menyempurnakan LLM	1/5
Youtube: Evaluasi LLM	0/5
Youtube: Membangun Aplikasi LLM	0/8

Keterampilan Teknis (Perpustakaan/Kerangka/Alat)

AWS

Sumber	Kemajuan
Udemy: Pengembang Tersertifikasi AWS - Asosiasi 2018	✅

Django

Sumber	Kemajuan
Artikel: Django, HTMX dan Alpine.js: Situs web modern, JavaScript opsional	✅

Matplotlib

Sumber	Kemajuan
Kamp Data: Pengantar Seaborn	✅
Kamp Data: Pengantar Matplotlib	✅

aliran ml

Sumber	Kemajuan
Kamp Data: Pengantar MLFlow	✅

Berikutnya.JS

Sumber	Kemajuan
Dokumen: Mulai membangun dengan Next.js

Panda

Sumber	Kemajuan
Kamp Data: Yayasan Pandas	✅
Kamp Data: Pandas Bergabung untuk Pengguna Spreadsheet	✅
Datacamp: Memanipulasi DataFrames dengan panda	✅
Datacamp: Menggabungkan DataFrames dengan panda	✅
Kamp Data: Manipulasi Data dengan panda	✅
Datacamp: Mengoptimalkan Kode Python dengan panda	✅
Kamp Data: Penyerapan Data yang Disederhanakan dengan panda	✅
Kamp Data: Menganalisis Kampanye Pemasaran dengan panda	✅
Kamp Data: Menganalisis Aktivitas Polisi dengan panda	✅

PyTorch

Sumber	Kemajuan
Artikel: internal PyTorch	⬜
Artikel: Meremehkan PyTorch	⬜
Kamp Data: Pengantar Pembelajaran Mendalam dengan PyTorch	✅
Kamp Data: Pembelajaran Mendalam Menengah dengan PyTorch	⬜
Kamp Data: Pembelajaran Mendalam untuk Teks dengan PyTorch	⬜
Kamp Data: Pembelajaran Mendalam untuk Gambar dengan PyTorch	⬜
Deeplizard: Pemrograman Jaringan Syaraf Tiruan - Pembelajaran Mendalam dengan PyTorch	✅

ReactJS

Sumber	Kemajuan
Codecademy: Pelajari ReactJS: Bagian I	✅
Codecademy: Pelajari ReactJS: Bagian II	✅
NextxtJS: Bereaksi Yayasan	⬜

Spasi

Sumber	Kemajuan
Kamp Data: NLP tingkat lanjut dengan spaCy	✅

Tensorflow & Keras

Sumber	Kemajuan
Kamp Data: Pengantar TensorFlow dengan Python	✅
Kamp Data: Pembelajaran Mendalam dengan Python	✅
Datacamp: Pengantar Pembelajaran Mendalam dengan Keras	✅
Kamp Data: Pembelajaran Mendalam Tingkat Lanjut dengan Keras	✅
Deeplizard: Keras - API Jaringan Neural Pembelajaran Mendalam Python	✅
Udacity: Pengantar TensorFlow untuk Pembelajaran Mendalam	✅