Assalamu’alaikum Warahmatullahi Wabarakatuh,

Berikut data penulis:

Nama: Epsiarto Rizqi Nurwijayadi
NPM: 2506565433

1. Deep Awareness of I

Heartware

Sebagai mahasiswa mata kuliah komputasi Teknik, penulis perlu belajar banyak. Paham kalau diri penulis kosong, tidak tahu apa-apa. Waktu belajar juga terbatas, sementara begitu banyak materi yang perlu dikuasai, mulai dari teori sampai praktek.

Pemulis selalu tertarik dengan cara kerja sesuatu hal, ketika ada hal baru yang menarik dan bermanfaat. Maka penulis akan mencari tahu cara kerjanya, mulai dari membaca teorinya, lalu praktek.

2. Intention

Heartware

Di dalam kuliah komputasi Teknik, ada beberapa hal yang perlu dipahami.

1. Konstruksi berpikir dari buku DAI5.
2. Buku-buku handbook dari luar.
3. Praktek kasus nyata dari Komputasi Teknik.
4. Pengetahuan terkait AI yang bisa didapatkan di ChatDAI5.

Selain itu ada hal-hal minor, sesuai perkembangan kelas dari hari ke hari, misalnya, terkait penggunaan platform baik WordPress maupun Ollama/Open WebUI yang dapat dipelajari sendiri.

Tantangannya adalah, bagaimana merangkum semuanya 🤔?

2.1. Connecting The Dots

Bagaimana semua ini akan terkait, yaitu praktek kasus nyata dari komputasi akan dibuat dengan konstruksi berpikir dari buku DAI5 framework. Rumus dari handbook dapat digunakan sebagai alat bantu, ChatDAI5 dapat menjadi teman berdiskusi. Di zaman sekarang penggunaan AI sebagai solusi adalah hal yang harus dicoba.

Kalau terkait penggunaan numeriknya sendiri sudah banyak kajian, yang perlu diperbanyak adalah gabungan dengan penggunaan AI. Keduanya perlu dipelajari. Sembari belajar, dan mengikuti perkembangan kuliah, penulis akan memulai dengan mempelajari AI, yaitu yang realtif mudah dahulu, yaitu LLM, karena hanya berbasis text.

Sementara untuk goal-nya sendiri, akan diperbarui sesuai dengan perkembangan kuliah.

3. Initial Thinking (about the problem)

Brainware

Terkait topik LLM ada dua panduan awal:

1. Buku: LLM from scratch dari Sebastian Rascha
2. Paper: Attention is all you need dari google di Arxiv, sebagai dasar Transformer.

Banyak hal yang perlu dipelajari, maka saya perlu menyusun roadmap untuk belajar. Dari apa yang saya baca, dua ini adalah dua hal dasar yang wajib dipahami.

1. BPE (Byte Pair Encoding) sebagai bahan tokenizer. Di sini algoritma menjadi penting.
2. Sigmoid (regresi logistik) sebagai dasar memahami SoftMax. Pada dasarnya lapisan demi lapisan transfomer adalah persamaan regresi. Ini sebabnya pemahaman dasar statistik menjadi penting.

Untuk sementara itu dahulu. Begitu banyak yang perlu dipelajari.

4. Idealization

Brainware

Belum ada contoh kasus. Ilmu penulis masih kurang, sehingga belum ada bayangan mau mengambil contoh kasus apa. Untuk sementara belajar dasar-dasarnya dahulu.

5. Instruction-Set

Hardware

Belum ada tahapan teknis, karena belum ada contoh kasus yang diambil.

Wassalamualaikum.