Artificial Inteligent by chatrin Huahwei Lab

 Course Details-Huawei Talent

https://e.huawei.com/en/talent/#/course/course-details?applicationId=1629686685281&courseType=ICT&urlForm=myClass.

elerning

bahan semua

https://colab.research.google.com/drive/1y10SCCGP9drmapOrJSgB-DSzS9KEQnHM#scrollTo=agLgX8M8wh0r

Google Colab

machine learning process : tujuaannya sebenarnya utk memprediksi 

bagaiaman langjah 2 belajarnya/ langkah pertmaa adalah data kolektion

4 komponen penting : data colection / algoritma/ komputer memproses algoritma / 

data cleancing : mengupulkan data yg diperlukan utk emepermudah / dipilih apa yg dilakuakan ?

step 1 data cleansing :

step 2: feature extraction and selection  : data yg dipilihnsesuai dengan feature yg ada  / misnya feature wind speed : apakah hari ini cocock utk olah raga ) / data ygada a[a sessuai dengan feature yg ada.

data di sesui feature yg ada , dilakuakan model training supaya mempuayi model pembelajaran sesuia feature yg ada.

step 3 model training :  supaya keluar scenarionnya . apakah dgn data yg ada bisa memprediksi  .

feature  dan data bisa bekerja dengan baik

step 4 model evaluation : akan ada beberpaa tahapan utk memeriksa model / apa sesuai feature  keluaran  seperti apa ?

Data set: koleksi data , akan ada hub dengn feature yg kita pelajari  /contoh : ikan tuna data sheenya : ukuran apa,warna apa , ?  /menentukan jenis anjing ?

Training set: dataset yg diguanakan utk training /   hasilnya akan memperlajari pola tertentu  utk menentuan /  mis  dataset table  nama bunga ?mawar : warna ? Ukuran ? daun ?    iambi; dari data set yg ada sekitar sisanya 70%

-melati : putih : daun hijau : 

-mawar : merah ; hijau banget

TestSet : kumpalan data set untuk melakukan test trhdp training yg ada, diambi; dari data set yg ada sekitar sisanya 30%-20%.    dengan fungsion yg dikeluarkan dari trainingset

training akan membentukan fungsion seperti apa 

akan menjadi weight berapa ?

importance of data processng:

mengurangi data yg membingungkan /feature 

apakah makain lengkap akan pasti benar ? belum tentu

kalau ada yg kosogn bisa kita tambakah ( data cleansing) /apabila data tidk lengkap bisa kita hapus ( cleansing) , menyempurnakan

data dimension reduction : mengurangi data yg ada. harus di perhitungkan bgmn lama prosesnya / over fitting. > perlu simplifity data, bgmn

data normalisasi : supaya tdk terjadi noise / apabila tidk sesuai dgn feature yg ada,

ternyata data cleansing habiskan 60% pekerjaan data procesing ,loh

data cleansing membutuhkan waktu yg lebih banyak dari pada komputasinya

apa saja ug dilakukan data cleansing :

-data filetering

-procesing of loss data

- processing of possib;e execption , erre or annorma value

-combination data from multiple data resources

-data consolidation 

ada incorect format

invalid value

misspeliing

attribut impedency

data brikutnya ,   harus menggunakan komputasi , COnvesion data

  value data di converted to catgory data  dikodekan dalam bentuj angka :

 translate dengan simbul

ada 1000 data , umur ,   kita bisa membuat kaatagorisasi , tujuan apa ? 

word vektor :  ini digunakn dalam , hurup menjadi angka , code ascii 

image :  engakpaham ??? 

kenapa perlu Feature selection ? karena dataset banyak sekali  featurenya ( mis warna masuk di harga rumah  )   .    

-simplify model to make easy for user to interpret

-mengurangi dimensi data yang ada

-mengurangi training time / kalau feature banyak -time trainingnya akan lama.

-improve model generalisasi and void over timing

data yg kita ambil itu / dari data real loh / bisanya 

-incompleteness L containing missing value 

-noise L contain incorrect record or exeptions

-incosistency contains inconsistent record

contoh dirty data

---------------------------------------

belajar perdana 16 sept 2021

Huawei Talent

belajar Phyton:     dgn 2 algoritma 

machine learning

deep learning

AI platform and aplication

kontrol2 sistem hard ware, 

tipe2 deep learnig

dan proses pembelajarannya /  harus mencoba memecahkan suatu masalah dengan DP atau ML / machine learning harus dapat / kurikulum baru /   e learnig huawi  sangat tertata /

advabce , AI tdk hanya softeare tp implementasi keda;am hard ware / bgm di gabung dgn teknologi lain   clpud / bog data

---membuat bisa berfikir/  beracting seprti mhuman/  punya intelgent seperti human 

AI butuh flowcart  , data laerningnya ,    misalnya  pakai supervise atau unsupervice, /  

Ai dianggap bisa mengganti pandangan

bagaimana membuat kompetesi bagaimanaa bisa berpikir sebagaiamanusia

tdk  behavebya sesuai  

mengabil cara manusia berfikir

ekstrak bagmn masunia berpikir dibuat algoritmanya / kita harus tahu dulu kecerdasaan apa saja pada manusia / Howard gardner menkaregorikan dalam 7 macam :

1 verbal / logical / visual atau spatian - kecerdasan dalam melihat sesuatu / bodily kineric -kecerdasan dalam gerakan - bilakena panas seperti apa- dikear anjing akan gimana/ musical rhythmic      / interpoersonal -social bgm berhubngan dengan orang laion / intrapersonal - bgmn mengenali dirinya sendiri .

sbg new thewnical shice  utk bisa melakukan simulasikan bagaimana kecerdasanmanusia berpoikir/ AI ada;ah pembelajaran bagaoaman membuat mesin bisa sepoerti  manusia 

baganaiana dia berpikir sebagai manausia , harus tau dong manusia/ tdk bisa bersiri sendir harus ada ilmu alin yg mendukung / AI mengabil pembelajaran dari ilmu 2 yang ada -jadi inter disipliner / bagaimana menirukan kecerdasan ada kontribusi ke ilmu 2 yang lain. /

tujuan utaman membuat mensin bisa berpikir seperti manusia  hrs py sistem pembelajaran , bgmn AI bisa mendapatkan pengetahuannya .

mesin leraning bgmn AI bisa menjadi seperti manuasia/bagaimaan membuat mesin itu learning

Deep learning : membuat belajar itu lebih tersetruktur / deep neural network. ditemukan di 2010/ masih banyak yg mendevelop untk menemuan yg baru .???

dalam membuat aplikasi harus py scenario seperti apa ? ./mobil bisa parkir sendiri / pilah lagi berpa meter ada halanagan - sensor seperti apa - hr tentukan scenario lebih dahulu / dampaknya kemana??

kecerdasan manusia poada suatu mesin, melakukan pembelajaran pengetahuan  simulasikan dan memperformakan medin bahgaimna mesin itu belajar ,

belajar berdasarkan laye layer yang ada. / algoritma iniberguna bagi data syg sangat kompleks/ image / harus mengenal petern- suara-gabar baru kita pakai deeplearning.

abagaimana manus berfikir ada 3 tahap:

1, cara simbolism /2behviur / 

impresentasi bentuk simbol : kucing itu kalau mata dua, ekor dll/   ada seorang manusia rambutnya poendek tdk cukup menetukn fimale atau male, belajar dari simbol2 yg ada.

2.konecism / basuc neore network / dihubkan simbol yg satu dgn yang lain

3.behaviourism / menghasilkan actingnya  stelah di gaingkan apa actingnya selnajutnya menggerakna sesuatu atau apa?

tipe AI : strong  , bener 2 mesin itu py kecerdasan memecahkan suatu masalah dan py kesadaran sendiri/ se;f aware -memutuskan sendiri selanjutnya langkah seperti apa.  (blm bisa kesini)

Weak AI : kelihatan pinter tp tidaknya self awareness , belajar apa yg disediakan.

dilihat dari inteligent robot : mangambil bgmn manusia beroikir dsatu sisi saja , watson dan alphaGo (2000an)    pengembanagan dari sistemgame, dikasih menyelesaikan game, langkah2nya sdh ada

thinking rasionallity 

technical direction : apa bahas lainnya?

computer vision?????

huamn computer interaction'

wahana gerak mandiri: robotic

computer vision :kompuer bisa melihat , menetukan

speech recongnation ( cortana ;siris)

speech sintezis - bisa memperkirakan akan ngomong apa selanjutnya

NLP nautual  : menegenal suatu bagahasa, suatu tulisan , digunakan untuk apa ?  / text maining .

sentiment analisys ,    wah makan disini enak  akan di kumpulkan enaknya,  digunakan ke restoran, ini pelanggan kamu neh.  / siaoa saja yg suka makan di restoran mereka. 

wahtauop sdh mau makan padang, di FB akan muncul medsos isi retoran padang. akan membentuk klasifikasi orang ini suka apa saja.

tidk perlu ke suopermarketya,  scan barkode, barang sdh tiba di rumah

lidar, laser mendeteksi jarak mobil , 

AI dipute-pertentngan di AI

dengan AI bisa melakukan manupulasi/ contoh