KB-AI, Natural Language, Bahasa Alami

Materi: Materi Bahasa Alami

Pertemuan ke-3 pada Rabu 27 April 2022 jam 14.30 wib kuliah online, terlaksana diawali Zoom Meeting, diakhiri Google Meet.

Pertemuan ke-4 pada Rabu 11 Mei 2022 jam 14.30 wib kuliah online, direncanakan diawali dengan Zoom Meeting, untuk presensi dan diakhiri dengan Google Meet dan Google Class Room.

Pertemuan ke-5 pada Rabu 18 Mei 2022 untuk Kelas AI-B dan pertemuan pertama Kelas AI-A pada Kamis 19 Mei 2022.

Daftar nilai klasifikasi kecerdasan buatan

Probabilistik & Statistik Senin 10.30 wib, 15.00 wib.

Dosen 1: Resty Annisa, Kelas Prob & Stat A 2022

Dosen 1: Gigih Forda Nama, Kelas Prob & Stat D 2022

Dosen 2: Raden Arum Setia Priadi

PERTEMUAN KE-1

Senin 18 April 2022

Materi yang sudah dipelajari dari ibu Resty:

  1. Probabilitas Dasar (Bagai mana dengan Statistika Dasar?)
  2. Probabilitas Bersyarat
  3. Variabel Acak Diskret
  4. Distribusi Peluang Diskret
  5. Konsep Statistika (mungkin ini yang dimaksud Statistika Dasar)
  6. Teknik Pengumpulan Data
  7. Penyajian Data
  8. Ukuran Pemusatan (dan tugas)
  9. Basic Statistic in Python and Jupiter Notebook (latihan)
  10. Lanjutan butir 9 (Visualizing Data)
  11. DropBox Tugas (Visualizing Data)

Peninjauan kurikulum dan silabus mata kuliah Probabilistik & Statistik

a) Dari FT Unimus dengan IFT-elearning diperoleh info sbb. MK Probabilitas dan Statistika dengan dosen pengajar  Laily Muntasiroh, ST., MT dan Dina Mariani, ST., MT.

b) Dari SPADA IST AKPRIND diperoleh 24 info sbb. Pertama, diketahui bahwa: 1) MK Bio-Statistika –> Ada teori dan prinsip probabilitas dan statistika untuk 3 kerja yaitu i] Pengumpulan <data>, ii] Pengolahan <data>, iii] Analisis <data> guna menyelesaikan permasalahan praktis di bidang bio-sains di beberapa bidang yaitu kedokteran /kesehatan, biologi. Apa yang diharapkan? Yaitu: i} Memahami konsep dan prosedur, ii} Mengidentifikasi dan memilih prosedur, iii} Melakukan prosedur khusus 3 kerja.

2) MK Metode Statistik non-Parametrik –> Mata kuliah ini cabang Statistik yang TIDAK hanya didasarkan pada keluarga parametrized dari distribusi probabilitas (contoh umum dari parameter adalah: mean dan varians).

Statistik non-parametrik didasarkan pada distribusi bebas atau memiliki distribusi yang ditentukan tetapi dengan parameter distribusi tidak ditentukan. Statistik non-parametrik mencakup statistik deskriptif dan inferensi statistik.

3) MK Metoda Statistika I –> Materi perkuliahan meliputi Pengertian dan konsep statistika, Populasi, sampel, data kuantitatif dan data kualitatif, skala pengukuran, konsep sigma dan beberapa contoh penggunaannya.

Pengantar software R (Programming). Di kuliah ini, di samping mengulang sedikit materi Basic Statistic in Python and Jupiter Notebook untuk pendalaman, dosen akan mengajarkan R Programming dengan R version 4.0.3 (2020-10-10) — “Bunny-Wunnies Freak Out” Copyright (C) 2020 The R Foundation for Statistical Computing Platform: x86_64-w64-mingw32/x64 (64-bit)

Statistika Deskriptif meliputi : Cara mengumpulkan dan menyajikan data, Ukuran pemusatan, ukuran penyebaran  dan  Penerapan Software R untuk proses perhitungannya.  Probabilitas dan distribusi probabilitas. Sampel acak dan distribusi sampling statistik, Pendekatan Poison dan Normal untuk binomial dan beberapa contoh penggunaannya serta pendekatan distribusi dengan software R.  Distribusi sampling statistik. Inferensi Statistik: estimasi parameter dan uji hipotesis. Sampel tunggal, uji hipotesisi sampel ganda.

4) MK Pengantar Teori Probabilitas –>

Materi Pengantar Teori Probabilitas memberikan dasar-dasar teori probabilitas yang sangat penting untuk memehami statistika dasar dan statistika lanjut serta statistika matematika. Dalam materi ini diharapkan mahasiswa mampu mengimplementasikan teknik-teknik probabilitas  ke dalam permasalahan sehari-hari secara benar dan  tepat.

Mata kuliah ini memberikan pengalaman tentang: Konsep-konsep  ruang sampel dan kejadian, sifat-sifat kejadian,  mencacah titik sampel, aksioma probabilitas, dalil-dalil probabilitas, dan probabilitas bersyarat. Konsep  Peubah Acak diskrit & kontinyu, fungsi  probabilitas, distribusi probabilitas, nilai harapan dan variance. Konsep Peubah acak berganda dan fungsi peluang marginal, fungsi peluang bersyarat, dan Menentukan Mean dan variansi serta covariance.

Course: Probabilistik & Statistik (unila.ac.id)

PERTEMUAN KE-2

25 April 2022

Seharusnya dilaksanakan perkuliahan tetapi gagal karena dosennya berhalangan. Akibatnya diberi Tugas 2, individual & Tugas II, berkelompok. Sebagai kuliah pengganti akan dialokasikan waktu khusus setelah lebaran untuk kelas A (Pertemuan ke-3), untuk kelas BC&D (Pertemuan ke-1).

AI – Rabu 14:30 wib

Dosen 1: Trisya Septiana, kelas AI-B, Rabu 14.30 wib

Dosen 1: Resty Annisa, kelas AI-A, …

Dosen 2: Raden Arum Setia Priadi

PERTEMUAN KE-1

As salaamu alaikum wr wb, Selamat siang menjelang sore. Terima kasih atas partisipasi para mahasiswa peserta kuliah Kecerdasan Buatan. Mulai hari Rabu 13 April 2022 jam 14.20 wib sudah dimulai kuliah perdana dosen kedua. Pre-test sudah diberikan seperti tertera dalam WAG perkuliahan.

PENGANTAR KECERDASAN BUATAN

Simak penjelasannya introduksi di sini.

RUANG LINGKUP KECERDASAN BUATAN

Materi:

perbandingan AI dan kecerdasan alamiah
keuntungan kecerdasan buatan maupun kecerdasan ilmiah
perbedaan komputasi AI dengan komputasi konvensional

Pendapat kedua:

Ruang lingkup, ruang lingkup kecerdasan buatan yang mana ruang lingkup ini dibagi menjadi beberapa bagian seperti speech recognition, robotika, natural language processing, dan lainnya.

Bersambung

TEKNIK DASAR /METODE PENCARIAN, Contoh.

REPRESENTASI PENGETAHUAN /PENCARIAN?

INTELLIGENT AGENT, penjelasan singkat.

PERTEMUAN KE-2

Diadakan pada hari Rabu 20 April 2022. Penjelasan metode pencarian, simak Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-3 ini. Akan dijelaskan proses implementasi, teknik dasar penerapannya di sini. Penjelasan tentang metode pencarian lagi, simak di URL ini.

Penjelasan representasi pengetahuan simak di Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-6-DAN-7. Semoga memperjelas, apa lagi ditambah dua penjelasan ini:

Satu, tentang: Introduksi representasi pengetahuan, Logika proposisi, Logika predikat.

Dua: tentang: Pengantar kecerdasan buatan, Representasi pengetahuan, Konsep penalaran logika, Representasi terstruktur, Algoritme pencarian, …

Dilanjutkan ke Bahasa Alami  /Natural Language.

Latihan Membangun Microservice

Sambungan dari:

Latihan Pemrograman – R. Arum, S.P. (unila.ac.id)

cara membangun micro service – Search (bing.com)

micro service xampp – Search (bing.com)

Dipilih contoh yang masih memakai localhost diberikan oleh Josikie dari URL

Tutorial Sederhana Microservice Menggunakan Spring Boot – Josi Kie

[Website][5] Membuat API JSON sederhana dengan PHP (part 1) Read/View | Belajar Coding dan Desain Lebih Mudah di Code by Riza

under construction