Hubungi Kami

Kerangka Materi

Pengenalan terhadap LLM dan Sistem AI Generatif

  • Mengulas berbagai teknik dan model yang tersedia
  • Mendiskusikan aplikasi serta contoh penggunaannya
  • Mengidentifikasi tantangan dan keterbatasan sistem LLM

Pemanfaatan LLM dalam Tugas NLU

  • Analisis sentimen
  • Pengenalan entitas bernama
  • Ekstraksi relasi antar elemen teks
  • Penafsiran semantik dari teks

Pemanfaatan LLM dalam Tugas NLI

  • Deteksi hubungan implisit antara pernyataan
  • Deteksi kontradiksi antar kalimat
  • Identifikasi parafrase dalam teks

Pemanfaatan LLM untuk Graf Pengetahuan

  • Mengambil fakta serta relasi dari teks yang tersedia
  • Meyimpulkan fakta baru atau mengisi celah informasi yang ada
  • Memanfaatkan graf pengetahuan dalam tugas-tugas selanjutnya

Pemanfaatan LLM untuk Penalaran Logika Sehari-hari

  • Menghasilkan penjelasan, hipotesis, serta skenario yang masuk akal secara logis
  • Menggunakan basis data dan kumpulan informasi penalaran umum sebagai referensi
  • Menilai tingkat kemampuan LLM dalam penalaran sehari-hari

Pemanfaatan LLM untuk Pembuatan Percakapan

  • Menghasilkan percakapan dengan agen konversasional, chatbot, maupun asisten virtual
  • Manajemen jalannya percakapan secara sistematis
  • Pemanfaatan kumpulan data obrolan serta metrik evaluasinya

Pemanfaatan LLM untuk Generasi Multimodal

  • Menghasilkan gambar dari teks yang diberikan
  • Mengonversi gambar menjadi bentuk teks deskriptif
  • Membuat video berdasarkan instruksi dalam teks atau gambar
  • Menghasilkan suara atau audio dari teks yang tersedia
  • Mengubah konten audio kembali menjadi teks yang utuh
  • Membangun model tiga dimensi berdasarkan deskripsi tertulis maupun visual

Pemanfaatan LLM dalam Pembelajaran Meta

  • Mengadaptasi LLM untuk bidang, tugas, atau bahasa baru secara efisien
  • Belajar dari contoh-contoh terbatas maupun tanpa data sama sekali (zero-shot)
  • Pemanfaatan basis data serta kerangka kerja pembelajaran meta dan transfer yang tersedia

Pemanfaatan LLM dalam Pembelajaran Adversarial

  • Melindungi LLM dari serangan jahat atau penggunaan ilegal
  • Mengurangi bias serta kesalahan sistem melalui metode mitigasi yang tepat
  • Pemanfaatan kumpulan data serta teknik pertahanan dalam pembelajaran adversarial

Evaluasi terhadap LLM dan Sistem AI Generatif

  • Penilaian mutu konten serta tingkat keragamannya
  • Penggunaan metrik standar seperti skor Inception, jarak Fréchet Inception, maupun skor BLEU
  • Menerapkan teknik penilaian manual melalui survei atau kolaborasi komunitas
  • Menggunakan evaluasi berbasis pertahanan, misalnya tes Turing dan pendeteksi anomali

Penerapan Prinsip Etika dalam Penggunaan LLM serta Sistem AI Generatif

  • Menjamin keadilan, transparansi, serta akuntabilitas sistem AI
  • Mencegah penggunaan yang disalahgunakan atau menyalahi aturan hukum
  • Menghormati hak privasi dan kepemilikan konten dari para pencipta maupun konsumen
  • Mendorong kerjasama positif antara manusia serta teknologi AI dalam kreasi konten

Penutup dan Arah Pengembangan Selanjutnya

Persyaratan

  • Pemahaman dasar mengenai konsep dan istilah-istilah kecerdasan buatan
  • Pengalaman dalam pengkodean Python serta analisis data
  • Pengetahuan tentang kerangka kerja pembelajaran mendalam seperti TensorFlow atau PyTorch
  • Wawasan dasar terkait LLM dan kegunaannya di berbagai bidang

Peserta Pelatihan

  • Ilmuwan data
  • Pengembang AI
  • Pecinta kecerdasan buatan
 21 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait