Attention: Cara Model Memilih Bagian yang Penting
Pembahasan attention, query-key-value, hubungan antar token, dan perannya dalam model bahasa modern.
-
-
Fine-Tuning: Cara Model Disesuaikan untuk Tugas Tertentu
Pembahasan fine-tuning, data pelatihan, evaluasi, risiko overfitting, dan kapan fine-tuning lebih tepat daripada prompt biasa.
-
Agent Loop: Cara AI Merencanakan, Bertindak, dan Mengecek Hasil
Pembahasan agent loop, tool use, observasi, evaluasi, dan batas aman saat membangun AI agent.
-
Tokenizer: Cara AI Memotong Teks Jadi Token
Materi lengkap tentang tokenizer, token, biaya context, dan cara menulis prompt yang lebih efisien.
-
Embedding: Cara AI Mengubah Kata Jadi Angka
Penjelasan embedding, vektor, semantic search, dan perannya dalam RAG serta rekomendasi.
-
Backprop, Loss, dan Test: Cara AI Belajar dari Kesalahan
Panduan ringkas tentang loss, backpropagation, training loop, dan pentingnya test dalam pengembangan AI.
-
Token, Context, dan Attention: Dasar LLM yang Perlu Dipahami
Penjelasan token, context window, dan attention sebagai fondasi memahami cara kerja LLM modern.
-
AI Engineering dari Nol: Cara Belajar Terstruktur
Panduan belajar AI engineering dari fondasi matematika, algoritma, model, evaluasi, sampai agent dan deployment.
-
Prompt AI untuk Pekerjaan Kantor Sehari-hari
Prompt yang bagus bisa membantu pekerjaan kantor jadi lebih cepat, rapi, dan konsisten. Kuncinya bukan menyuruh AI “buatkan sesuatu”, tetapi memberi arahan yang jelas tentang tujuan, konteks, dan format hasil yang diinginkan. Di artikel ini, kita bahas contoh prompt praktis untuk kebutuhan kantor sehari-hari: membalas email, membuat notulen rapat, menyusun follow-up, dan merapikan daftar tugas….
