# Dasar-Dasar Deep Learning (Data Science & ML) > Perceptron, backpropagation, fungsi aktivasi, loss functions, optimizers, batch size, epochs - 24 pertanyaan wawancara - Senior - [Pertanyaan Wawancara: Data Science & ML](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara.md) ## 1. Apa itu perceptron dalam konteks neural network? **Jawaban** Perceptron adalah unit dasar dari neural network, terinspirasi dari neuron biologis. Ia mengambil banyak input, mengalikannya dengan bobot, menjumlahkan semuanya dengan bias, lalu menerapkan fungsi aktivasi untuk menghasilkan output. Perceptron sederhana hanya dapat menyelesaikan masalah yang dapat dipisahkan secara linear, yang mengarah pada pengembangan jaringan multi-layer. ## 2. Apa keterbatasan utama dari perceptron sederhana (single-layer)? **Jawaban** Perceptron sederhana hanya dapat menyelesaikan masalah yang dapat dipisahkan secara linear, yaitu masalah di mana kelas dapat dipisahkan oleh garis lurus (atau hyperplane dalam dimensi yang lebih tinggi). Keterbatasan ini, yang ditunjukkan oleh Minsky dan Papert pada tahun 1969 dengan masalah XOR, sempat memperlambat penelitian neural network hingga multilayer perceptron diperkenalkan. ## 3. Apa peran fungsi aktivasi dalam neural network? **Jawaban** Fungsi aktivasi memperkenalkan non-linearitas ke dalam network, memungkinkannya mempelajari hubungan kompleks antara input dan output. Tanpa fungsi aktivasi non-linear, bahkan network multi-layer pun akan berperilaku seperti transformasi linear sederhana. Fungsi umum termasuk ReLU, sigmoid, dan tanh, masing-masing dengan properti spesifik tergantung pada use case. ## 21 pertanyaan lagi tersedia - Fungsi aktivasi mana yang paling umum digunakan di hidden layer network modern? - Kapan fungsi aktivasi softmax harus digunakan dalam neural network? Daftar gratis: https://sharpskill.dev/id/login ## Topik wawancara Data Science & ML lainnya - [Dasar-dasar Python](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/python-basics.md): 25 pertanyaan, Junior - [Pemrograman Berorientasi Objek Python](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/python-oop.md): 20 pertanyaan, Junior - [Struktur Data Python](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/python-data-structures.md): 20 pertanyaan, Junior - [Dasar-Dasar Git](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/git-fundamentals.md): 18 pertanyaan, Junior - [Dasar-dasar SQL](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/sql-basics.md): 20 pertanyaan, Junior - [Dasar-Dasar NumPy](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/numpy-fundamentals.md): 22 pertanyaan, Junior - [Dasar-dasar Pandas](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/pandas-basics.md): 22 pertanyaan, Junior - [Jupyter & Google Colab](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/jupyter-colab.md): 16 pertanyaan, Junior - [SQL Joins & Kueri Lanjutan](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/sql-joins-advanced.md): 22 pertanyaan, Mid-Level - [Pandas Lanjutan](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/pandas-advanced.md): 24 pertanyaan, Mid-Level - [Visualisasi dengan Matplotlib & Seaborn](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/matplotlib-seaborn.md): 20 pertanyaan, Mid-Level - [Visualisasi Interaktif dengan Plotly](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/plotly-interactive.md): 18 pertanyaan, Mid-Level - [Statistik Deskriptif](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/statistics-descriptive.md): 20 pertanyaan, Mid-Level - [Statistik Inferensial](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/statistics-inferential.md): 24 pertanyaan, Mid-Level - [Web Scraping](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/web-scraping.md): 18 pertanyaan, Mid-Level - [BigQuery & Cloud Data](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/bigquery-cloud.md): 18 pertanyaan, Mid-Level - [Feature Engineering](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/feature-engineering.md): 22 pertanyaan, Mid-Level - [ML Terbimbing: Regresi](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/ml-supervised-regression.md): 24 pertanyaan, Mid-Level - [ML Terbimbing: Klasifikasi](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/ml-supervised-classification.md): 24 pertanyaan, Mid-Level - [Pohon Keputusan & Ensemble](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/ml-trees-ensembles.md): 24 pertanyaan, Mid-Level - [ML Tanpa Pengawasan](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/ml-unsupervised.md): 22 pertanyaan, Mid-Level - [Pipeline ML & Validasi](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/ml-pipelines-validation.md): 22 pertanyaan, Mid-Level - [Deret Waktu & Peramalan](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/time-series-forecasting.md): 22 pertanyaan, Mid-Level - [TensorFlow & Keras](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/tensorflow-keras.md): 22 pertanyaan, Senior - [CNN dan klasifikasi gambar](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/cnn-image-classification.md): 24 pertanyaan, Senior - [RNN & Sekuens](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/rnn-sequences.md): 22 pertanyaan, Senior - [Transformers & Attention](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/transformers-attention.md): 24 pertanyaan, Senior - [NLP & Hugging Face](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/nlp-huggingface.md): 24 pertanyaan, Senior - [GenAI & LangChain](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/genai-langchain.md): 24 pertanyaan, Senior - [MLOps dan Deployment](https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/mlops-deployment.md): 24 pertanyaan, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/id/technologies/data-science/pertanyaan-wawancara/deep-learning-fundamentals