Learning)
ANDRA PRAWIRA KUSUMAH (230101010012)
AZIZAH QOLBY (230101010059)
DINDA KHARISMA (230101010015)
EKO SASMITO (230101010049)
ICT Literacy, Universitas Siber Asia
ELIGIA DARA JAWANSU (230101010027)
SYAHRUL RAMADHAN (230101010033)
S1 PJJ Sistem Informasi
ICT Literacy_Kel. 1
B. DEFINISI ML
Machine Learning (ML) atau Pembelajaran Mesin adalah
subbidang dari kecerdasan buatan (Artificial Intelligence) yang
fokus pada pengembangan algoritma dan model komputer yang
memungkinkan sistem untuk belajar dari data dan pengalaman.
Tujuan utama dari Machine Learning adalah memberikan
kemampuan kepada mesin untuk mengenali pola, membuat
prediksi, dan mengambil keputusan tanpa harus secara eksplisit
diprogram untuk setiap tugas tertentu.
ICT Literacy_Kel. 1
2. Prepare data
Data sangat berperan dari pem, buatan model machine learning. Semakin banyak data
yang disiapkan, semakin valid output yang dihasilkan oleh machine learning. Dalam
pengumpulan data, terdapat dua metode yaitu data mining dan web scrapping.
Tahapan dari Machine Learning
3. Select ML Algoritm 4. Split data
ICT Literacy_Kel.1
Penggunaan
Saran Pencarian di
Aplikasi serta Mesin Pencarian
MEMBERIKAN SARAN SECARA OTOMATIS
BERDASARKAN LANJUTAN YANG PALING
Fitur-fitur
SERING DITULIS OLEH ORANG LAIN
Google
ICT Literacy_Kel.1
05. Deep Learning
• Oleh : AHMAD DENI ATMAJA SAPUTRA (230101010021)
Pengenalan Konsep Deep
Learning & Neural Network
1. Neural Networks
2. Deep Neural Networks (DNN)
3. Training Neural Networks
4. Activation Functions
5. Loss Function
6. Optimization Algorithms
7. Convolutional Neural Networks (CNN) dan Recurrent Neural Networks (RNN)
8. Transfer Learning
Pengenalan Konsep Deep Learning & Neural
Working
1. Deteksi Wajah
2. Pengenalan Wajah
4. Pengenalan Emosi
2. Penerjemahan Mesin
3. Generasi Teks
4. Chatbots
5. Analisis Sentimen
6. Ekstraksi Informasi
06. TANTANGAN DALAM
IMPLEMENTASI AI & ML
Pemasaran
Perusahaan dapat memanfaatkan teknologi
AI dalam menganalisis data tentang
perilaku konsumen, tren pasar, dan
preferensi produk dengan lebih cepat dan
efektif.
Virtual Assistance
Salah satu penerapan teknologi artificial intelligence (AI) dalam dunia bisnis yang
sering ditemukan adalah layanan virtual assistance.
Hal ini memungkinan Interaksi antara manusia dan mesin menjadi lebih lancar,
personal, dan efisien.
Chatbot dilengkapi dengan pemahaman bahasa alami dan kemampuan untuk belajar
dari interaksi sebelumnya dengan pelanggan, sehingga semakin lama semakin mampu
memberikan respons yang lebih akurat dan efektif.
Peranan AI dalam Otomatisasi Proses Bisnis
Teknologi AI juga dikembangkan sebagai asisten pribadi seperti Siri atau Google
Assistant, yang dapat membantu pengguna dalam menyelesaikan tugas-tugas tertentu,
seperti menemukan informasi, mengatur jadwal, atau memutar musik.
Tidak hanya itu, pengembangan sistem pengenalan suara yang dapat membantu
pengguna untuk mengontrol perangkat atau sistem.
Studi Kasus Keberhasilan penggunaan AI di
berbagai Industri.
1. Transportasi
Saat ini mobil dan truk self-driving sudah tidak jarang ditemukan di pasaran juga di
jalanan.
Tidak perlu waktu lama menjadikan sistem AI sebagai standar isu teknologi di sektor
otomotif, seperti yang terlihat pada projek self-driving Google dan fitur autopilot Tesla.
Sistem AI tingkat lanjut mampu memberi prediksi yang tepat mengenai apa yang akan
dilakukan objek terdekat. Untuk membuat sinyal kontrol yang menggerakkan
kendaraan, sistem AI mengumpulkan informasi dari radar, kamera, GPS, dan layanan
cloud.
Deteksi transaksi mencurigakan secara real-time kini dapat dilakukan menggunakan algoritma
machine learning. Perdagangan algoritmik juga memungkinkan untuk melakukan
perdagangan dengan lebih cepat dan tepat.
Organisasi keuangan dapat meningkatkan keputusan investasi dan pinjaman mereka dengan
menggunakan AI untuk menganalisis risiko dengan lebih baik.
Tingginya tingkat regulasi di sektor keuangan dapat mempersulit untuk tetap mengikuti
berbagai regulasi.
4. Manufaktur
5. Retail
Mereka juga memasukkan teknologi visual search ke dalam toko online mereka,
yang memungkinkan pengguna memasukkan foto sebagai pengganti pertanyaan
berbasis teks untuk menemukan produk tertentu.
Atribut gambar yang diunggah dapat dianalisis oleh visual search engines
berbasis AI yang kemudian dapat menghasilkan daftar produk sebanding yang
akan dijual.
Studi Kasus Keberhasilan penggunaan AI di
berbagai Industri.
6. Pendidikan
Jika membicarakan contoh kecerdasan buatan, tentu tidak bisa luput dari bidang pendidikan.
Ini karena pembelajaran adaptif yang berbasis AI dapat menyesuaikan konten pendidikan dengan
kebutuhan setiap siswa di ruang kelas. Plagiarisme juga dapat dengan mudah dideteksi untuk menjaga
integritas catatan akademik.
Tenaga pengajar bahkan dapat menggunakan data analytics untuk memperkirakan kinerja siswa, yang
memungkinkan mereka mengambil tindakan korektif segera setelah masalah teridentifikasi.
Penggunaan AI juga mempermudah semua orang untuk mengakses pendidikan, terutama mereka yang
berada di tempat yang jauh.
Tutor virtual yang digerakkan oleh AI dapat menawarkan bantuan dan bimbingan individual,
meningkatkan pengajaran kelas tradisional dan membuka pendidikan berkualitas tinggi untuk audiens
yang lebih luas.
Studi Kasus Keberhasilan penggunaan AI di
berbagai Industri.
7. Layanan Hukum
8. Keamanan
8 . Benchmark dengan Model Lain: Bandingkan hasil model dengan model lain
atau dengan hasil dari metode yang lebih sederhana sebagai pembanding
untuk menentukan apakah kompleksitas model sebanding dengan
peningkatan kinerja.
9 . Validasi Eksternal: Jika memungkinkan, validasi model pada set data yang
belum pernah dilihat sebelumnya untuk memastikan bahwa model dapat
generalisasi ke data yang tidak dikenal.
Faktor-faktor Akurasi dan Ketepatan
Prediksi pada ML
Dalam mengevaluasi model machine learning, ada
beberapa faktor yang perlu dipertimbangkan
09. Perkembangan
Terkini dalam AI dan ML
Oleh : Syahrul Ramadhan (230101010033)
ICT Literacy_Kel. 1
CONTOH TREN
TEKNOLOGI AI DAN ML
Learned Language Models (LLM)
CONTOH TREN
TEKNOLOGI AI DAN ML
Personalisasi konten yg digunakan perusahaan teknologi seperti Meta dan
Tiktok
Dampak Negatif
Namun, di sisi lain, teknologi AI juga memiliki dampak negatif. Salah satu dampak
negatif dari teknologi AI adalah pengangguran. AI dapat mengambil alih pekerjaan
manusia dalam beberapa sektor. Sebagai contoh, di sektor design grafis dengan
teknologi AI dapat melakukan tugas-tugas yang sebelumnya dilakukan oleh pekerja
manusia. Hal ini dapat menyebabkan banyak pekerja kehilangan pekerjaannya.
Selain itu implementasi teknologi machine learning dalam berbagai sektor juga
menimbulkan dampak negatif, terutama terkait privasi dan etika. Penggunaan
algoritma canggih untuk analisis data dapat menimbulkan kekhawatiran privasi
karena kemampuannya dalam mengumpulkan, menyimpan, dan menganalisis
informasi pribadi, Oleh karena itu, sambil mengakui manfaatnya, perlu adanya
upaya serius dalam mengatasi tantangan privasi dan etika yang dihasilkan oleh
kemajuan teknologi machine learning.
ICT Literacy
Pendekatan baru yang potensial melibatkan pasar prediksi yang didukung oleh AI yang dapat
mengikat kebijakan dengan dampak, mengambil pandangan holistik terhadap informasi
lingkungan dan saling ketergantungan.
Obat pribadi telah menjadi aspirasi sejak decoding genom manusia. Tapi tragisnya itu tetap
merupakan aspirasi. Satu aplikasi AI yang muncul secara meyakinkan melibatkan sintesis
terapi individual untuk pasien. Selain itu, AI memiliki potensi untuk suatu hari mensintesis dan
memprediksi modalitas pengobatan yang dipersonalisasi dalam waktu dekat tidak diperlukan
uji klinis.
10.3 Artificial intelligence (AI) dan Machine learning (ML) dalam Masa Depan
Peningkatan Keamanan:
1) Di sektor transportasi, AI & ML dapat digunakan dalam sistem pengemudi otonom untuk mengurangi
risiko kecelakaan.
2) Di bidang keamanan siber, AI dapat membantu mendeteksi ancaman dan melindungi data sensitif.
10.3 Artificial intelligence (AI) dan Machine learning (ML) dalam Masa Depan
Apa Saja yang Bisa Dilakukan Artificial Intelligence (AI) dan Machine learning (ML) di Masa Depan? :
1) Teknologi akan berdampak kepada kinerja keamanan dalam melawan cybercrime. Langkah awal untuk
menangkal kejahatan siber yang dilakukan menggunakan mesin adalah dengan melawannya
menggunakan mesin juga.
2) Oknum cybercrime biasanya menggunakan kecanggihan teknologi untuk mengeksploitasi celah
keamanan sistem untuk mendapatkan data yang mereka butuhkan. Dalam hal ini, tentunya juga
diperlukan AI untuk mengamankan, karena kecepatan dan ketelitian yang dihasilkan oleh AI tidak bisa
dilakukan manusia..
3) Akan digunakan untuk membantu proses automasi sistem keamanan. Tentunya dalam kasus ini akan
berkaitan langsung dengan machine learning dalam proses automasi, gunanya untuk mendeteksi
ancaman cybercrime.
4) Akan membantu terkait masalah keamanan data. Hal ini dikatakan oleh ilmuwan IT Josh Johsnton Direktur
AI dari Kount. Ia berpendapat bahwa kata sandi atau PIN yang saat ini digunakan oleh pemegang akun
10.5 Artificial intelligence (AI) dan Machine learning (ML)
dalam Masa Depan
Kesimpulan : kecerdasan buatan AI dan ML memiliki dampak positif dan negatif dalam
masa depan. Sementara AI dan ML dapat meningkatkan efisiensi, memberikan kemajuan
dalam bidang kesehatan, meningkatkan keamanan, dan memberikan kenyamanan, kita
juga perlu berhati-hati terhadap konsekuensi negatif seperti penggantian pekerjaan,
masalah privasi, bias, dan ketergantungan yang berlebihan. Penting bagi kita untuk
mengadopsi dan mengatur penggunaan AI dan ML dengan bijaksana, dengan
mempertimbangkan dampaknya terhadap masyarakat dan mengembangkan kebijakan dan
regulasi yang tepat.