Simulasi & Animasi AI

1

Data & Machine Learning

Pahami apa itu data, dataset, definisi machine learning (Tom Mitchell), dan konsep model sebagai fungsi aproksimasi.

Data Dataset ML Definition Model

→

2

Persamaan Garis Lurus

Fondasi matematika: y = mx + b. Lihat bagaimana garis lurus menjadi cikal bakal neuron dan neural network.

y = mx + b Slope Linear Regression OLS

→

3

Regresi Linear Multivariat

Dari satu variabel ke banyak variabel. Notasi matriks, cost function MSE, dan hubungannya dengan neuron.

Multi-Feature Matriks MSE Dot Product

→

4

Regresi Logistik

Dari regresi ke klasifikasi. Fungsi sigmoid, decision boundary, dan binary cross-entropy loss.

Sigmoid Klasifikasi Decision Boundary BCE Loss

→

5

Gradient Descent

Algoritma optimasi inti di balik semua deep learning. Learning rate, konvergensi, dan varian SGD.

Optimasi Learning Rate SGD Konvergensi

→

6

Preprocessing Data

Langkah krusial sebelum training: handling missing values, normalization, encoding, dan train/test split.

Normalization One-Hot Encoding Feature Scaling Train/Test Split

→

7

Neural Network Dasar

Pahami neuron, layer, weights, bias, dan activation function. Lihat bagaimana data mengalir dari input ke output.

Perceptron Forward Pass Backpropagation Activation

→

8

Recurrent Neural Network (RNN)

Lihat bagaimana RNN memproses data sekuensial. Pahami hidden state, LSTM, dan mengapa RNN penting untuk teks.

Sequence Hidden State LSTM Memory

→

9

Autoencoder

Pelajari konsep encoding-decoding, kompresi representasi, dan latent space yang menjadi fondasi arsitektur modern.

Encoder Decoder Latent Space Representation

→

10

Transformer Architecture

Revolusi AI! Pahami Self-Attention, Multi-Head Attention, Positional Encoding, dan arsitektur Encoder-Decoder.

Self-Attention Q, K, V Multi-Head Positional Encoding

→

11

BERT

Transformer Encoder untuk understanding. Lihat Masked Language Model, bidirectional context, dan fine-tuning.

Bidirectional MLM Fine-tuning Classification

→

12

GPT (Generative Pre-trained Transformer)

Transformer Decoder untuk generation. Pahami autoregressive, causal masking, dan next-token prediction.

Autoregressive Causal Mask Generation Temperature

→

13

Full Pipeline: Training hingga LLM

Lihat proses lengkap: data collection, tokenization, pre-training, fine-tuning, RLHF, hingga deployment model siap pakai.

Pre-training Fine-tuning RLHF SLM/LLM

→