PowerPoint Presentation

s..JERS'>. ARTIFICIAL INTELLIGENCE (KECERDASAN BUATAN).

MOTIVATION.

End of 18th century.-v Society 31] Industrial Society 13000 BC 2 ISt century-v Society 5.0 End of 20th century-v Society 4.0 Information Society 4th Industrial Revolution Digital Transformation A1, IoT, Blockchain Society 2.0 Agrarian Society The emergence of human beings Hunting Society 3rd Industrial Revolution Computer Internet 2nd Industrial Revolution Heavy and chemical industry ISt Industrial Revolution Light industry.

MOTIVATION. LITERASI ABAD 21.

MOTIVATION. INFORMATION LITERACY.

Intelligence Tech Trends for Small Business. TOP 5 DISRUPTIVE TECHNOLOGIES.

Gearing up for Data iteracv. Technology Information Literacy.

COS'VLITAN OBOT "I'm Not ing at World Dom ination".

3D PRINTER. DRIVERLESS CAR. FLYING CAR. MOTIVATION.

INTRODUCTION.

Artificial Intelligence Machine Learning Neural Networks Deep Learning.

Artificial Intelegence (A1) [ Stuart Russell and Peter Norvig, 1956] Artificial Intelligence (A1) adalah kecerdasan yang diwujudkan dalam mesin yang berbeda dengan natural Intelligence yang dimiliki oleh manusia atau hewan. Definisi lain dari A1 adalah cabang ilmu computer yang berusaha mereplikasi dan mensimulasikan kecerdasan manusia dalam mesin, sehinga mesin dapat melaksanakan tugas seperti yang dilakukan manusia. Contoh Penggunaan A1 A1 applications include advanced web search engines (i.e. Google), recommendation systems (used by YouTube, Amazon and Netflix), understanding human speech (such as Siri or Alexa), self-driving cars (e.g. Tesla), automated decision-making and competing at the highest level in strategic game systems (such as chess and Go), including Amazon Web Service (AWS), etc..

PENDAHULUAN. THE DEFINITION OF MACHINE LEARNING. Machine Learning (ML) [Samuel and Arthur, 1959] Machine Learning (ML) adalah sistem dalam A1 yang dapat belajar sendiri berdasarkan algoritma/model yang dikembangkan oleh manusia. Machine learning menjadi lebih Pintar dari waktu ke waktu tanpa campur tangan manusia. Contoh Penggunaan ML Aplikasi dari ML missal dalam bidang (1) Computer Vision: suatu aplikasi yang dapat mengenali fingerprint dan wajah seseorang, anda dapat menemukan hal ini dalam media sosial, CCTV, dan bahkan smartphone, pendektesian tulisan tangan menjadi teks. (2) Bidang Informasi Retrival: menerjemahkan bahasa dengan mengubah suara menjadi teks, dan kategorisasi spam dan non spam dalam email. (3) Recommendation Search Pada Google, Facebook atau Youtube, dll..

PENDAHULUAN. HUMAN LEARNING V MACHINE LEARNING. 011 • Manusia Belajar dari pengalaman Machine Learning Belajar d a data Mesin mengikuti Instruksi.

PENDAHULUAN. THE DEFINITION OF NEURAL NETWORK. Artificial Neural Network (ANN) [Warren McCulloch and Walter Pitts, 1943] Neural Network (NN) adalah sistem komputasi yang mengadopsi alur berfikir otak manusia yang mampu memberikan stimulasi/rangsangan, melakukan proses, dan memberikan output. Output diperoleh dari variasi stimulasi dan proses yang terjadi di dalam otak manusia. NN diperkenalkan pertamakali sejak tahun 1943 oleh Warren McCulloch dan Walter Pitts. Contoh Penggunaan NN Fungsi dari Neural Network diantaranya adalah: pengklasifikasian pola, memetakan pola yang didapat dari input ke dalam pola baru pada output, penyimpan pola yang akan dipanggil kembali, memetakan pola-pola yang sejenis, pengoptimasi permasalahan dan terakhir prediksi. Saat ini, NN sudah dapat diterapkan pada beberapa task, diantaranya classification, recognition, approximation, prediction, clusterization, memory simulation dan banyak task-task berbeda yang lainnya, dimana jumlahnya semakin bertambah seiring berjalannya waktu..

PENDAHULUAN. THE DEFINITION OF DEEP LEARNING. Deep Learning (DL) [Warren McCulloch and Walter Pitts, 1943] Deep Learning Deep Structured Learning/ Hierarchical Learning merupakan bagian dari pembelajaran ML yang menggunakan ANN. Singkatnya, deep learning adalah metode pembelajaran oleh mesin dengan meniru cara kerja sistem saraf otak manusia. DL dapat melakukan pembelajaran secara mandiri sehingga dapat digunakan sebagai pedoman dalam pemecahan suatu masalah dari yang mudah hingga yang kompleks. Semakin banyak data yang digunakan, maka semakin bertambah banyak dan kompleks lapisan jaringannya. Contoh Penggunaan DL Contoh penerapan deep learning yaitu fitur face unlock di smartphone. Deep learning juga saat ini diterapkan dalam sistem tilang otomatis. pelanggaran lalu lintas akan otomatis terdeteksi melalui camera. Di bidang kesehatan deep learning juga dapat digunakan pada rontgen untuk mengidentifikasi dan mengklasifikasikan suatu penyakit..

1000 2 MB megabyte 1000 3 GB gigabyte 1000 4 TB terabyte 1000 5 PB petabyte 1000 6 EB exabyte 1000 7 ZB zettabyte 1000 8 YB yottabyte.

MACHINE LEARNING.

ILLUSTRATION OF SML MESIN DIBERIKAN TEST DAN DIBERIKAN PULA KUNCINYA KEMUDIAN DICOCOKKAN ”MENYAMAI ATAU TIDAK” TIDAK DIPERLUKAN DATA BESAR.

MACHINE LEARNING. BAGAIMANA UNSUPERVISED LEARNING TERJADI.

MACHINE LEARNING. BAGAIMANA SUPERVISED LEARNING TERJADI.

MACHINE LEARNING. BAGAIMANA REINFORCEMENT LEARNING TERJADI.

MACHINE LEARNING. PENJABARAN UNTUK JENIS MACHINE LEARNING.

MACHINE LEARNING. MACHINE LEARNING FOR IMAGE PROCESSING.

c!9veoed. FUTURE. g,dveoes. LONG FUTURE. NOW. MACHINE LEARNING.

The features on specialize in training and inference of deep neural networks TENSOR FLOW.

AWS. KAGGLE. RENDIT. MSAZURE. UCI DATA SET. MACHINE LEARNING.

MACHINE LEARNING. BIG DATA PROVIDER ON INTERNET. -5 Apps k Find Open Datasets and Mach) C kaggle.com/datasets STEM Education Favorites kaggle Create Home Competitions Datasets Code Discussions Courses More Kemendikbud RI Q Search Datasets Explore, analyze, and share quality data. Learn more about data types, creating, and collaborating. + New Dataset Search datasets Datasets Tasks Your Work Computer Science Education Classification Computer Vision NLP Reading List Filters Data Visualization see All Recently Viewed Education Statistics COVID-19 Indonesia D... Melbourne UV 2019 View Active Events Trending Datasets.

MACHINE LEARNING. BIG DATA PROVIDER ON INTERNET. https://archive.ics.uci.edu/ml/datasets.php UCI Machine Learning Repository . Data sets SISTER UNIVERSITAS JEMBER Machine Learning Repository Center for Machine Leaming and Intelligent Systems Machine Learning Tutorial: From Beginner to Advanced - YouTube About Citation Policy Ponate-a-Pata-Set Contact Web Search Q i00Rlc- View ALL Data Sets Check out the beta_ygrsion of the new UCI Machine Learning Repository we are currently testing! Contact us if you have any issues, questions, or concerns. Click here to try out the new Browse Through: Default Task Classification (442) Regression (137) Clustering (117) Other (56) Attribute Type Categorical (38) Numerical (396) Mixed (55) Data Type Multivariate (456) Univariate (27) Sequential (57) Time-Series (121 ) Text (66) Domain-Theory_ (23) Other (21 ) Life Sciences (138) Physical Sciences (57) 588 Data Sets UCI Abalone Adult Annealing Anonymous Microsoft Web Data Multivariate Multivariate Multivariate Multivariate Classification Classification Classification Recommender-Systems Classification Types Categorical, Integer, Real Categorical, Integer Categorical, Integer, Real Categorical Categorical, Integer, Real Instances 4177 48842 798 37711 452 Table View Attributes 8 14 38 294 279 x 1995 1996 1998 1998.

MACHINE LEARNING. BIG DATA PROVIDER ON INTERNET. Beranda I Satu Data Indonesia C A Not Secure I SATU DATA INDONESIA X (22) WhatsApp ht.t.ps://data.go.id Downloads BERANDA DATASET DASHBOARD BERITA TENTANG BETA Situs ini dalam masa pengembangan — mohon untuk mengisi form feedback untuk pengembangan portal yang lebih baik 1- Data Indonesia Dalam Satu Portal Temukan data Pemerintah dengan mudah! Masukan kata kunci pencarian.

MACHINE LEARNING. VIDEO PEMBELAJARAN PYTHON UNTUK ML.