Nama : Listiani Clara Rowa

Jelaskan dengan singkat terkait tanggung jawab yang perlu dipenuhi saat
mengembangkan dan menggunakan AI!

1. Keadilan

Semua orang harus diperlakukan secara adil oleh sistem AI. Misalnya, Anda mengembangkan
model machine learning untuk membantu bank dalam menyetujui aplikasi pinjaman. Model
harus membuat prediksi tentang apakah akan menyetujui pinjaman atau tidak tanpa memasukkan
bias berdasarkan jenis kelamin, asal etnis, atau faktor lain yang mungkin menghasilkan
keuntungan atau kerugian yang tidak adil bagi kelompok pelamar tertentu.

2. Keandalan dan Keamanan

Sistem AI harus dapat diandalkan dan aman. Pertimbangkan sistem perangkat lunak bertenaga
AI untuk kendaraan otonom, atau model machine learning yang mendiagnosis dan
merekomendasikan pengobatan untuk gejala pasien. Dalam jenis sistem ini, ketidakandalan dapat
menimbulkan risiko yang signifikan bagi kehidupan manusia.

3. Privasi dan Keamanan

Sistem AI harus aman dan mematuhi standar privasi yang ketat. Model machine learning yang
mendukung sistem AI mengandalkan sejumlah besar data, beberapa di antaranya mungkin berisi
informasi pribadi sensitif yang harus dijaga kerahasiaannya. Bahkan setelah model dilatih dan
sistem beroperasi, ia terus menggunakan data baru untuk membuat prediksi atau mengambil
tindakan yang dapat menimbulkan kekhawatiran tentang privasi atau keamanan.

4. Inklusivitas

Setiap orang harus diberdayakan dan dilibatkan oleh sistem AI. AI harus bermanfaat bagi semua
segmen masyarakat, terlepas dari kemampuan fisik, jenis kelamin, orientasi seksual, asal etnis,
atau karakteristik pengenal lainnya.

5. Transparansi

Sistem kecerdasan buatan harus dapat dipahami. Pengguna harus disadarkan sepenuhnya tentang
tujuan, pengoperasian, dan potensi keterbatasan sistem.

6. Akuntabilitas

Individu harus memikul tanggung jawab untuk sistem AI. Desainer dan pengembang solusi
berbasis kecerdasan buatan harus beroperasi dalam kerangka tata kelola dan prinsip organisasi
yang memastikan solusi mematuhi standar etika dan hukum yang ditetapkan dengan jelas.
Nama : Listiani Clara Rowa

Cari referensi dari internet, contoh kasus pembuatan ruang kerja Azure Machine
Learning, kemudian berikan analisis Anda atas contoh tersebut!

Analyzing COVID Medical Papers with Azure Machine Learning : Dmitry Soshnikov.

Sejak awal pandemi COVID, ada lebih dari 700.000 makalah ilmiah yang diterbitkan tentang
masalah ini. Seorang peneliti manusia tidak mungkin mengenal korpus teks yang begitu besar
dan oleh karena itu bantuan dari AI sangat dibutuhkan. Dalam kasus ini, akan ditunjukkan
bagaimana mengekstrak beberapa pengetahuan dari makalah ilmiah, mendapatkan wawasan,
dan membangun alat untuk membantu peneliti menavigasi koleksi makalah dengan cara yang
bermakna. Selama proses ini, akan bertemu dengan sejumlah alat cloud yang dapat berguna bagi
seorang ilmuwan data.

Karena kumpulan data saat ini berisi 800 ribu abstrak kertas, memprosesnya secara berurutan
melalui Analisis Teks akan cukup memakan waktu kemungkinan akan memakan waktu
beberapa hari. Untuk menjalankan kode ini secara paralel, kita dapat menggunakan teknologi
seperti Azure Machine Learning yang memungkinkan untuk membuat sekelompok mesin virtual
yang identik, dan menjalankan kode yang sama secara paralel pada semuanya.

Azure Machine Learning adalah layanan yang ditujukan untuk memenuhi semua kebutuhan Data
Scientist. Biasanya digunakan untuk melatih dan menerapkan model dan ML Pipelines; namun,
juga dapat menggunakannya untuk menjalankan tugas penyapuan paralel di seluruh cluster
komputasi.

Ada beberapa cara agar dapat bekerja dengan Azure ML dan memasukkan eksperimen:
Nama : Listiani Clara Rowa

 Secara interaktif melalui Azure Portal. Ini mungkin yang terbaik untuk pemula, tetapi
tidak mudah untuk direplikasi atau didokumentasikan.
 Menggunakan Azure ML Python SDK. Ini memungkinkan untuk menentukan semua
properti eksperimen melalui kode, namun, kode Python tampaknya memiliki banyak
boilerplate.
 Dari baris perintah, menggunakan file YAML untuk menentukan parameter. Ini adalah
cara yang disarankan untuk dilakukan saat ini.
 Dari Visual Studio Code Azure ML Extension — pada dasarnya sangat mirip dengan
pendekatan di atas, tetapi VS Code membantu dengan menyediakan opsi pelengkapan
otomatis untuk menyederhanakan pembuatan semua file konfigurasi, dan juga dapat
mengirimkan perintah untuk pengguna.

Untuk menganalisa kertas medis COVID dengan Azure Machine Learning, dibutuhkan adanya
Azure Machine Learning workspace. Berikut langkah-langkah menggunakan Azure
MachineLearning Workspace untuk menganalisa data:

 Pertama-tama, kita perlu membuat ruang kerja Azure Machine Learning, dan cluster
untuk menjalankan eksperimen. Ini dilakukan melalui Azure CLI.
 Kami juga perlu mengunggah dataset CORD kami ke Azure ML. Pertama-tama kita
mendefinisikan dataset dengan file YAML data_metacord.
 Kita juga perlu menentukan lingkungan tempat skrip kita akan dijalankan. Lingkungan
pada dasarnya adalah sebuah wadah, yang dapat didefinisikan dengan menentukan wadah
awal, dan menerapkan beberapa konfigurasi tambahan di atasnya. Di sini, kami
mendefinisikan lingkungan di env.yml
 Kami mulai dengan wadah Azure ML Ubuntu standar, dan menentukan dependensi
Python tambahan di kognitif_conda.yml
 Untuk mendefinisikan pekerjaan sapuan, kami akan menggunakan file YAML berikut
sweepexp.yml
 Di sini kami mendefinisikan ruang pencarian dengan nomor parameter integer, yang
mengambil nilai dari 0 hingga 7. Kami mengizinkan hingga 8 proses bersamaan, dan
setiap proses akan terdiri dari memanggil skrip process.py, meneruskannya parameter
baris perintah untuk kumpulan data, jumlah total run bersamaan dan run individu --
number, yang akan bervariasi dari 0 hingga 7.
Nama : Listiani Clara Rowa

Cari referensi dari internet, contoh kasus pelatihan model pembelajaran mesin di Azure,
kemudian berikan analisis Anda atas contoh tersebut!

Pelatihan model pembelajaran Azure Machine Learning oleh Microsoft Office dalam Menangani
Beban Kerja : Jayant Kumar Pathak.

Jika Anda menggunakan Microsoft Office, Anda pasti akhir-akhir ini memperhatikan beberapa
perubahan di hampir setiap aplikasi dari rangkaian perangkat lunak. Microsoft Word sekarang
menyarankan kata atau frasa yang lebih baik; Outlook menawarkan bantuan yang lebih baik saat
Anda menulis email; Anda mendapatkan bantuan berbasis AI saat mendesain slide PowerPoint.
Microsoft telah meningkatkan pengembangan pembelajaran mesin untuk aplikasi Office 365
(sekarang Microsoft 365). Semua fitur ini didasarkan pada pembelajaran mesin Microsoft Azure.

Microsoft terus meningkatkan semua fitur ini dan semakin meningkatkan kemampuan
pembelajaran mesinnya. Selain itu, raksasa perangkat lunak baru-baru ini mengganti nama suite
paling populer Office 365 menjadi Microsoft 365. Microsoft berjanji untuk menawarkan fitur
dan manfaat tambahan kepada pelanggan. Misalnya, Microsoft 365 menampilkan bantuan
penulisan cerdas dalam dokumen, email, situs web, dll. Asisten berbasis AI dan pembelajaran
mesin Microsoft Editor telah berkembang pesat. Perusahaan perangkat lunak telah mendapat
banyak manfaat dari Kolaborasi Microsoft Office 365 dan inisiatif serupa lainnya.

Pelanggan Microsoft memiliki akses ke bantuan penulisan cerdas, Microsoft Editor. Alat
berbasis ML ini menyarankan Anda frasa yang lebih baik, kesalahan tata bahasa, keringkasan,
dan keterbacaan, antara lain, saat Anda mengetik. Fitur-fitur ini sangat mirip dengan alat bantu
menulis seperti Grammarly. Tapi ini semua built-in pada aplikasi perangkat lunak Microsoft.

Link Video :

https://web.microsoftstream.com/video/ea1a074d-1f6f-4bbb-84ab-4f08f4db9680?list=studio