Bidang
AI & Machine Learning
Fondasi: ML klasik, deep learning, LLM, computer vision, NLP, reinforcement learning, multimodal.
3 topik · 0 sudah diperiksa manusia
Computer Vision
Computer vision mengajari komputer memahami gambar dan video: mengenali benda, menemukan letaknya, dan memisahkan setiap piksel menurut artinya. Bagi komputer, gambar hanyalah tabel angka, dan jaringan konvolusi (CNN) belajar menemukan pola di dalamnya: mula-mula tepi dan sudut, lalu bentuk, lalu benda utuh. Di halaman ini kamu belajar lewat cerita perpustakaan yang memasang kamera di troli pengembalian untuk mengenali stiker di punggung buku. Kamu menulis konvolusi dengan tangan, membangun dan melatih CNN pertamamu, melihat sendiri kenapa model bisa gagal ketika gambar sedikit bergeser, lalu memperbaikinya dengan augmentasi. Sesudah itu kamu mengenal arsitektur penting dari AlexNet sampai Vision Transformer, transfer learning dengan torchvision, deteksi objek dengan IoU dan non-maximum suppression, cara mengirim gambar ke Claude beserta hitungan biayanya, dan batas-batas computer vision seperti contoh adversarial. Semua contoh kode sudah dijalankan di CPU laptop biasa, tanpa GPU dan tanpa biaya.
Draf — belum diperiksa manusiaDeep Learning
Deep learning adalah cara mengajari komputer lewat contoh, bukan lewat aturan yang ditulis tangan. Jaringan saraf tiruan, yaitu tumpukan lapisan berisi neuron-neuron kecil, menyetel bobotnya sedikit demi sedikit setiap kali tebakannya keliru, sampai ia menemukan sendiri pola di dalam data. Inilah fondasi pengenalan gambar, pengenalan suara, dan Large Language Model seperti Claude. Di halaman ini kamu membangunnya dari bawah: satu neuron, kenapa jaringan harus berlapis, loss sebagai ukuran salah, gradient descent dan rambat balik (backpropagation), lalu melatih jaringan pertamamu dengan NumPy sebelum pindah ke PyTorch. Sesudah itu kamu belajar membaca kurva latih dan validasi, melawan overfitting, memahami trik yang membuat jaringan sangat dalam bisa dilatih, memilih arsitektur yang cocok, dan mengikuti resep latihan para praktisi. Setiap contoh kode sudah dijalankan dan bisa kamu jalankan sendiri di laptop biasa, tanpa GPU dan tanpa biaya.
Draf — belum diperiksa manusiaLarge Language Model (LLM)
Large Language Model (LLM) adalah mesin di balik Claude dan asisten AI lainnya. Cara kerjanya mengejutkan sederhana: ia menebak potongan teks berikutnya, satu per satu, berdasarkan semua yang sudah ada sebelumnya. Kemampuan menulis, merangkum, menerjemahkan, dan bernalar muncul dari tebakan berulang itu, setelah model dilatih pada teks dalam jumlah sangat besar dan kemudian diajari bersikap sebagai asisten. Di halaman ini kamu membedah LLM dari dalam: token dan Byte Pair Encoding, embedding, atensi dan Transformer, pretraining dan hukum penskalaan, fine-tuning dan RLHF, cara teks dihasilkan lewat sampling, sampai hal-hal praktis ketika memakai Claude hari ini: effort dan thinking, jendela konteks, biaya per token, dan batas-batas model. Setiap konsep diantar contoh kode kecil yang bisa kamu jalankan sendiri tanpa memanggil API berbayar.
Draf — belum diperiksa manusia