Bobot, Bias, dan Jumlah Berbobot
Rumus inti w·x + b
Bobot, Bias, dan Jumlah Berbobot adalah pelajaran Deep Learning Academy gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Deep Learning Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Deep Learning Academy mencakup 4 pelajaran total.
Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.
Meet the Neuron
A neuron is the tiniest unit of a neural network. It takes a few numbers in and produces one number out. That is the whole job. 🧠
Inputs Are Just Numbers
Every neuron receives inputs as numbers, like pixel brightness or a price. Anything you can measure can become an input feeding the neuron.
Each Input Has a Weight
Each input is paired with a weight that says how much it matters. Big weight means strong influence; tiny weight means the neuron mostly ignores it.
Multiply Then Add
The neuron multiplies every input by its weight, then sums the results. This running total is the heart of the weighted sum.
score = w1 * x1 + w2 * x2The Bias Shifts Everything
The bias is an extra number added at the end. It shifts the result up or down so the neuron can fire even when inputs are zero.
score = w1 * x1 + w2 * x2 + bThe Core Formula
Put it together and you get the famous line w·x + b. Weights times inputs, plus bias. Almost every layer in deep learning starts here.
Why the Dot Product
That weight-times-input sum is exactly a dot product. Writing it as w·x lets you handle two inputs or two thousand with the same idea.
Code the Weighted Sum
Here is the weighted sum in plain Python. Loop over paired weights and inputs, multiply, and accumulate the total.
score = b
for w, x in zip(weights, inputs):
score += w * xWhat the Score Means
The final number is a score: higher means the neuron leans yes, lower means it leans no. A later step turns this score into a real decision.
Weights Are Learned
You do not hand-pick weights. Training nudges each weight up or down until the neuron's scores match the answers you want.
Bias Tunes Eagerness
A high bias makes a neuron eager to say yes; a low one makes it cautious. It sets the baseline before any input arrives.
Quick Check
Let's test the core formula behind a neuron.
Recap
A neuron multiplies inputs by weights, sums them, and adds a bias: w·x + b. Weights set importance, bias sets the baseline, and the result is a score. 🎯
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Bobot, Bias, dan Jumlah Berbobot” gratis?
Ya — teks lengkap “Bobot, Bias, dan Jumlah Berbobot” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Deep Learning Academy, upgrade ke CoddyKit PRO. Kursus Deep Learning Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Bobot, Bias, dan Jumlah Berbobot”?
Rumus inti w·x + b Kamu berlatih Deep Learning Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Deep Learning Academy?
Tidak diperlukan pengalaman sebelumnya. Deep Learning Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.
Berapa lama pelajaran “Bobot, Bias, dan Jumlah Berbobot” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Deep Learning Academy ini?
Ya. Setiap pelajaran Deep Learning Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Bobot, Bias, dan Jumlah Berbobot
- Fungsi Tangga dan Keputusan Linear
- Koding Perceptron dari Awal
- Masalah XOR: Mengapa Satu Neuron Tidak Cukup