Perancangan Reinforcement Learning: Teori Pendukung, Lifecycle, dan Implementasi Python

Azman, Muhammad Ardiansyah and Susanto, Tri and Vabiano, Almindo (2026) Perancangan Reinforcement Learning: Teori Pendukung, Lifecycle, dan Implementasi Python. Universitas Bakrie Press. ISBN 978-634-7971-02-9 (PDF)

Text Perancangan_Reinforcement_Learning - 8 Oktober 2026.pdf Download (4MB)

Abstract

Buku Perancangan Reinforcement Learning: Teori Pendukung, Lifecycle, dan Implementasi Python (Edisi 1) karya Muhammad Ardiansyah Azman, Tri Susanto, dan Almindo Vabiano hadir sebagai panduan praktis dan aplikatif bagi para pemula maupun praktisi yang ingin menyelami dunia kecerdasan buatan. Diterbitkan atas dukungan Program Studi Teknik Industri Universitas Bakrie dan UBakrie Press, buku ini dirancang secara sistematis dengan pendekatan yang ramah pembaca, mengombinasikan pemahaman konseptual, analogi intuitif, serta panduan praktis berbasis bahasa pemrograman Python. Perjalanan belajar diawali dengan mengenalkan intuisi dasar bagaimana mesin belajar dari pengalaman layaknya manusia, yaitu melalui proses mengingat (memorize), menggeneralisasi (generalize), dan memprediksi (predict). Pembaca diajak menelusuri sejarah perkembangan kecerdasan buatan dari era pra-1920-an hingga era Deep Learning modern, serta memahami perbedaan mendasar antara Supervised Learning, Unsupervised Learning, dan Reinforcement Learning. Pembahasan ini diperjelas dengan contoh penerapan nyata di kehidupan sehari-hari, mulai dari mesin pencari, penyaring spam, sistem rekomendasi e- commerce, hingga teknologi mobil tanpa pengemudi. Untuk menopang pemahaman teknis, buku ini juga menyediakan fondasi teori komputasi melalui ekosistem Python (seperti NumPy, Pandas, Matplotlib, dan Jupyter Notebook) serta landasan matematika seperti aljabar linier, kalkulus, dan statistika. Selanjutnya, buku ini menguraikan tahapan Machine Learning Lifecycle secara terstruktur dan iteratif. Pembaca dibimbing mulai dari akuisisi data, pembersihan (preprocessing), rekayasa fitur, pemisahan data training dan testing, pelatihan model, hingga pengerahan (deployment) aplikasi menggunakan API berbasis FastAPI. Memasuki topik utama Reinforcement Learning, buku ini mengeksplorasi penggunaan algoritma Deep Q-Network (DQN) untuk kasus nyata seperti navigasi robot dan optimasi sistem inventaris. Pembahasan berlanjut ke materi tingkat lanjut seperti Hierarchical Reinforcement Learning (HRL) untuk akuisisi keterampilan agen cerdas, penanganan data drift, hingga pengambilan keputusan waktu

Item Type:	Book
Subjects:	Environmental Science and Technology Technology > T Technology (General) Technology > TJ Mechanical engineering and machinery
Divisions:	UPT UB Press
Depositing User:	Nurhakim Asad
Date Deposited:	20 Oct 2026 03:58
Last Modified:	20 Oct 2026 03:58
URI:	https://repository.bakrie.ac.id/id/eprint/15308

Actions (login required)

View Item