Teks ini membahas tentang proses Gaussian, sebuah generalisasi dari distribusi Gaussian multivariat yang berguna untuk memodelkan data dan membuat prediksi. Proses Gaussian sepenuhnya ditentukan oleh fungsi rataan dan kovariansi. Teks ini juga membahas prediksi dalam proses Gaussian, fungsi kovariansi (kernel) seperti squared exponential, optimasi hyperparameter untuk kernel, dan proses Gaussian spars variasional sebagai metode inferensi untuk data besar. Lebih lanjut, teks membahas Deep Gaussian Process (DGP), yang merupakan arsitektur proses Gaussian secara rekursif dengan beberapa fungsi stokastik yang saling terhubung antar layer. Selain itu, dijelaskan juga mengenai Convolutional Neural Networks (CNN), arsitektur jaringan saraf yang efektif untuk data spasial seperti gambar, dengan operasi konvolusi, padding, stride, dan pooling sebagai komponen penting. Tinjauan pustaka membahas evolusi proses Gaussian, tantangan komputasi, dan penerapan CNN sebagai ekstraksi fitur untuk model lain. Penelitian ini bertujuan untuk menggabungkan CNN untuk ekstraksi fitur dengan DGP untuk deteksi kondisi paru-paru.