Mata kuliah Deep Learning (3 SKS) membekali mahasiswa dengan kemampuan menganalisis kebutuhan, memformulasikan masalah, dan menentukan pendekatan penyelesaian terhadap permasalahan kompleks yang layak diselesaikan dengan pembelajaran mendalam (CPMK07.1); menerapkan metode analitis, komputasional, dan berbasis data - mulai dari fondasi jaringan saraf tiruan, backpropagation, optimasi dan regularisasi, hingga arsitektur lanjut - untuk menyelesaikan permasalahan informatika (CPMK07.2); mengaplikasikan keahlian lanjut Sains Data dan Kecerdasan Artifisial melalui arsitektur deep learning modern - convolutional neural network (CNN), recurrent neural network (RNN/LSTM), Transformer, autoencoder, dan generative model - untuk pemodelan, prediksi, dan pengambilan keputusan pada data citra, teks, dan deret waktu (CPMK05.1); serta mengevaluasi kinerja model deep learning berdasarkan data, metrik, eksperimen, dan kebutuhan pengguna atau organisasi (CPMK08.1). Melalui model Project Based Learning, mahasiswa membangun proyek deep learning end-to-end: dari formulasi masalah, penyiapan data dan arsitektur, pelatihan dan tuning model, evaluasi kinerja, hingga deployment dan penyajian hasil.
