taruma / vivaldi Goto Github PK

tautan di bagian pranala buku (laporan) tidak ada.

tambah juga pranala di catatan laporan.

Laporan Seminar 1

• Cover
• Daftar Isi
• Pendahuluan
  • Latar Belakang
  • Rumusan Masalah
  • Maksud & Tujuan
  • Hipotesis Penelitian
  • Ruang Lingkup Penelitian
  • Sistematika Penelitian
• Tinjauan Pustaka
  • Teori
  • Rumus RNN
  • Kajian Studi Terdahulu
• Metodologi
  • Flowchart Penelitian
  • Dataset
  • Jadwal
• Pustaka

buat jadwal kerja untuk semester 'terakhir'.

Grafik yang membandingkan seluruh metrik model

Simpan highlight dari paper/buku yang telah dibaca:

• P.07.01 Machine LEarning Algorithms and Their Application in Water Resources Management
• P.07.02 Urban Water Flow and Water Level Prediction based on Deep Learning
• P.07.04 Support Vector Machine Applications in the field hydrology: A review
• P.07.03 A ranking of hydrological signatures based on their predictability in space
• P.08.13 Radial Basis Function Neural Network for Modeling Rating Curve
• P.09.04 Rainfall-runoff Modelling using Long Short-Term Memory (LSTM) networks

Berurut dari RNN -> LSTM -> GRU

Todo:

• Buat presentasi yang menjelaskan perbandingan antara ANN/RNN dan LSTM.

deadline: 9 Januari 2020

Membuat penurunan rumus / rumus matematika untuk:

• ANN
• RNN
• LSTM

mempersiapkan repo vivaldi:

• label
• projects
• milestone

konfirmasi topik terapan yang ingin ditinjau.

Percobaan yang telah dilakukan fokus ke prediksi debit aliran (dan kualitas air untuk ANN). Topik terapan, saya anggap fleksibel karena metode (RNN) yang digunakan cukup umum.

Presentasi semisa untuk laporan implementasi 4.

Presentasi ini dapat digunakan sebagai draf pertama seminar proposal/isi/sidang.

buat template untuk jurnal harian/mingguan

ini test automate.io

Baca paper ini (dan buat catatannya untuk note-taking):

• ... A transdisciplinary Review of Deep Learning Research and Its Relevance for Water Resources Scientists (Baca ulang, pernah dibaca tahun 2018)

• Cover
• Judul
• Pendahuluan
  • Latar Belakang (Hidrologi)
  • Pemodelan Konseptual & Matematik
  • Pemodelan Deep Learning
• Rumusan Masalah
• Maksud & Tujuan Penelitian
• Hipotesis Penelitian
• Manfaat Penelitian
• Ruang Lingkup Penelitian
• Tinjauan Pustaka
• Metodologi Penelitian
• Jadwal Pelaksanaan
• Hasil & Pembahasan
• Daftar Pustaka

cetak buku atau sebagian dari buku "Neural Networks and Deep Learning: A Textbook"

liat dari isinya, bisa dijadikan sebagai acuan referensi untuk teori mengenai deep learning dan neural networks. Meski pada bab RNN, contoh kasus yang digunakan adalah klasifikasi.

Grafik dalam berupa:

• grafik 2 dimensi,
• sumbu x menyatakan waktu,
• sumbu y menyatakan nilai
• informasi metrik terlampir dalam grafik (pojok kiri)

buat timeline implementasi deep learning di bidang keairan. tujuannya untuk mengetahui posisi paper ini berkontribusi pada implementasi deep learning di sumberdaya air.

merapihkan todoist untuk ajaran baru.

Evaluasi februari.

• Pribadi
• Pembimbing

pribadi

pembimbing

{{ REDACTED }} {{ Informasi ini terbatas }}

Checklist:

• evaluasi laporan
• evaluasi implementasi
• evaluasi riset
• evaluasi belajar
• evaluasi lain-lain

Evaluasi Laporan

Evaluasi Implementasi

• Laporan Implementasi 4 (perbandingan model variasi RNN) telah selesai.

Evaluasi Riset

• Mengumpulkan, merapihkan, dan mengorganisasikan daftar makalah (paper) yang dikumpulkan dan digunakan. Sudah dipublikasikan di halaman daftar makalah
• Mengumpulkan, merapihkan, dan mengorganisasikan daftar buku (textbook) yang dikumpukan dan digunakan. Sudah dipublikasikan di halaman daftar buku

Evaluasi Belajar

• Sejauh ini tidak ada pembelajaran mengenai implementasi/pemrograman. Akan lebih fokus ke teori/wawasan mengenai bidang keairan.
• Eksperimen membuat grafik menggunakan matplotlib dan mengutak-ngatik dalam interaksi low-level sudah bisa.

Evaluasi Lain-lain

• Lanjutkan kursus datacamp