Dasar-Dasar Model dan Algoritma AI

Kecerdasan buatan adalah mesin yang menggerakkan teknologi modern, tetapi memahami cara kerjanya secara nyata memerlukan pemahaman tentang logika yang mendasarinya. Kursus ini memangkas sensasi berlebihan untuk memberikan pemahaman yang kuat dan mendasar mengenai model inti dan algoritma yang menggerakkan sistem cerdas. Pada akhir kursus ini, Anda akan memiliki pemahaman konseptual yang mendalam tentang keluarga utama algoritma AI, termasuk pencarian, optimasi, paradigma machine learning, dan struktur jaringan saraf tiruan dasar. Anda akan dipersiapkan untuk membaca literatur teknis dan mengeksplorasi bidang AI khusus dengan percaya diri. Apa yang akan Anda pelajari: * Mempelajari konteks historis dan definisi dasar kecerdasan buatan dan agen cerdas. * Memahami algoritma pencarian klasik (misalnya, A* dan greedy search) serta masalah kepuasan batasan. * Menguasai konsep inti dari paradigma supervised, unsupervised, dan reinforcement learning. * Berlatih menganalisis fondasi matematika dari model fundamental seperti pohon keputusan dan regresi linear. * Mengonfigurasi arsitektur jaringan saraf tiruan dasar dan memahami prinsip backpropagation. * Menerapkan konsep pengantar dalam prompt engineering untuk berinteraksi secara efektif dengan large language models. * Membangun kerangka kerja untuk menilai performa sistem AI, bias, and pertimbangan etika dasar. Materi dimulai dengan terminologi inti dan teori agen, berlanjut melalui teknik AI klasik, dan memuncak dalam eksplorasi dasar-dasar machine learning dan deep learning modern. Penjelasan tertulis dipadukan dengan latihan praktis untuk memperkuat pemahaman Anda tentang konsep teoretis. Kursus ini dirancang untuk pemula mutlak tanpa pengalaman sebelumnya dalam kecerdasan buatan, machine learning, atau matematika tingkat lanjut. Mulai bangun basis pengetahuan esensial Anda dalam algoritma AI hari ini.