Semua pelajaran

Kursus

AI kelas 6: AI dan berpikir komputasional

Pelajari algoritma dan data, dan lihat bagaimana model pembelajaran mesin dilatih dan diuji.

Kerjakan pelajaran berurutan. Di akhir, kamu bisa membedakan AI, pembelajaran mesin, dan AI generatif, serta menyebut masukan, model, dan keluaran dari aplikasi AI yang nyata. Kamu bisa menulis algoritma dengan perulangan dan kondisi, serta membuat pohon keputusan. Kamu bisa menjelaskan bagaimana piksel dan teks disimpan sebagai angka, mengklasifikasikan titik menurut contoh terdekatnya, dan menghitung akurasi dari hasil uji. Kamu bisa menjelaskan bagaimana neuron menggabungkan masukan dengan bobot, memecah kalimat menjadi token, memberi nilai aplikasi AI pada akurasi, keadilan, dan privasi, serta menampilkan pengklasifikasi tanaman dan menjelaskan kesalahannya.

Cara pakai pelajaran ini

  • Mulai di pelajaran yang bertanda Lakukan ini. Lanjut kalau kamu bisa mengerjakan sendiri baris di bawah judul.
  • Mainkan Permainan dulu. Lalu kerjakan Kuis. 8 dari 10 benar untuk lulus. Lembar kerja ada di kertas. Jawaban ada di bawah.
  • Setiap pelajaran membangun pelajaran sebelumnya. Kalau suatu pelajaran sulit, kembali satu.
  • Pakai hanya alat AI yang disetujui gurumu. Jangan pernah menempel informasi pribadi ke chatbot. Periksa setiap jawaban AI, dan sebut bagian mana dari pekerjaanmu yang dibantu AI.

Setiap pelajaran punya permainan, kuis, dan lembar kerja.

0 dari 36

Memahami AI

  1. 1AI, pembelajaran mesin, dan AI generatifBedakan AI, pembelajaran mesin, dan AI generatif.
    • Definisikan AI, pembelajaran mesin, dan AI generatif.
    • Gambar bagaimana ketiganya berada di dalam satu sama lain.
    • Kelompokkan sepuluh aplikasi ke dalam tiga kelompok.
  2. 2Sejarah singkat AILetakkan momen penting AI pada garis waktu.
    • Letakkan komputer catur, asisten suara, dan chatbot pada garis waktu.
    • Sebut apa yang berubah sehingga masing-masing menjadi mungkin.
    • Sebut satu prediksi yang salah.
  3. 3AI sempit dan AI umumJelaskan mengapa AI hari ini paling baik pada tugas yang sempit.
    • Bandingkan program catur dan seorang manusia.
    • Buat daftar tugas yang AI kerjakan dengan baik dan tugas yang sulit baginya.
    • Jelaskan apa yang dibutuhkan AI umum.
  4. 4Analisis sistem AISebut masukan, model, dan keluaran dari aplikasi AI yang nyata.
    • Pilih sebuah aplikasi, seperti pencarian foto atau penerjemah.
    • Gambar masukan, model, dan keluarannya.
    • Sebut data apa yang kemungkinan dipakai untuk melatihnya.

Algoritma

  1. 5UrutanTulis algoritma sebagai urutan langkah.
    • Definisikan algoritma.
    • Tulis langkah membuat roti lapis.
    • Temukan langkah yang tidak jelas bagi komputer.
  2. 6PerulanganPakai perulangan untuk mengulang langkah.
    • Ganti langkah yang berulang dengan perulangan.
    • Pakai perulangan yang menghitung.
    • Pakai perulangan yang berjalan sampai suatu kondisi terpenuhi.
  3. 7KondisiPakai kondisi untuk memilih jalur.
    • Tulis if, else if, dan else.
    • Gabungkan kondisi dengan and, or, dan not.
    • Telusuri algoritma dengan tangan.
  4. 8Pohon keputusanBuat pohon keputusan yang mengelompokkan hewan.
    • Ajukan pertanyaan ya atau tidak di setiap cabang.
    • Kelompokkan sepuluh hewan dengan pohonmu.
    • Temukan pohon terpendek yang tetap berhasil.

Representasi data

  1. 9Angka dan kategoriBedakan data angka dari kategori.
    • Kelompokkan fitur menjadi angka dan kategori.
    • Ubah kategori menjadi angka.
    • Sebut mengapa komputer membutuhkan angka.
  2. 10Gambar sebagai angkaJelaskan bagaimana piksel menyimpan gambar sebagai angka.
    • Gambar pada kisi yang berisi 0 dan 1.
    • Campur nilai merah, hijau, dan biru.
    • Hitung angka dalam foto kecil.
  3. 11Teks sebagai angkaJelaskan bagaimana teks dapat disimpan sebagai angka.
    • Ubah huruf menjadi kode.
    • Beri angka pada setiap kata dalam daftar.
    • Hitung seberapa sering setiap kata muncul.
  4. 12Tabel dataSusun data menjadi baris, kolom, dan fitur dalam tabel.
    • Buat tabel di spreadsheet.
    • Sebut fitur dan labelnya.
    • Urutkan dan saring tabel.

Klasifikasi

  1. 13Fitur dan labelPilih fitur yang berguna untuk suatu label.
    • Sebut apa itu fitur dan label.
    • Urutkan fitur dari yang paling berguna sampai yang paling tidak berguna.
    • Hapus fitur yang tidak membantu.
  2. 14Tetangga terdekatKlasifikasikan titik menurut contoh tetangga terdekatnya.
    • Letakkan contoh pada grafik dengan dua fitur.
    • Temukan contoh terdekat dari titik baru.
    • Pakai tiga yang terdekat, lalu ambil suara terbanyak.
  3. 15Menggambar batasGambar garis batas yang memisahkan dua kelompok.
    • Gambar garis di antara dua kelompok titik.
    • Klasifikasikan titik baru menurut sisi garisnya.
    • Temukan data yang tidak bisa dipisahkan garis lurus.
  4. 16Buat pengklasifikasiBuat pengklasifikasi sederhana dengan alat tanpa kode.
    • Muat kumpulan data kecil.
    • Latih pengklasifikasi.
    • Klasifikasikan lima contoh baru.

Pelatihan model

  1. 17Data latihJelaskan apa yang dipelajari model dari data latih.
    • Sebut bahwa model belajar pola, bukan aturan yang kamu tulis.
    • Tunjukkan bagaimana mengubah data mengubah model.
    • Temukan pola yang dipelajari model secara tidak sengaja.
  2. 18Data ujiJelaskan mengapa data uji harus dipisahkan.
    • Bagi data menjadi set latih dan set uji.
    • Bandingkan nilai pada kedua set.
    • Jelaskan apa arti “menghafal” bagi sebuah model.
  3. 19AkurasiHitung akurasi dari hasil uji.
    • Hitung prediksi yang benar.
    • Tulis akurasi sebagai persen.
    • Jelaskan mengapa 90% tetap bisa buruk.
  4. 20Perbaiki modelUbah data dan bandingkan akurasi untuk memperbaiki model.
    • Tambah lebih banyak contoh.
    • Hapus label yang salah.
    • Catat akurasi setelah setiap perubahan.

Konsep jaringan saraf

  1. 21Neuron buatanJelaskan bagaimana neuron menggabungkan masukan dengan bobot.
    • Kalikan setiap masukan dengan bobotnya.
    • Jumlahkan, lalu bandingkan dengan ambang.
    • Ubah satu bobot dan lihat keluarannya berubah.
  2. 22LapisanJelaskan bagaimana lapisan meneruskan sinyal ke depan.
    • Gambar lapisan masukan, tersembunyi, dan keluaran.
    • Lewatkan angka melalui jaringan yang kecil.
    • Sebut mengapa lebih banyak lapisan bisa menemukan pola yang lebih sulit.
  3. 23Belajar bobotJelaskan bahwa pelatihan mengubah bobot.
    • Tebak bobot, lalu periksa kesalahannya.
    • Geser bobot sedikit agar kesalahannya lebih kecil.
    • Sebut bahwa pelatihan mengulang ini berkali-kali.
  4. 24Jaringan saraf manusiaPeragakan jaringan saraf kecil bersama teman sekelas.
    • Setiap orang berperan sebagai satu neuron.
    • Teruskan sinyal dari masukan ke keluaran.
    • Ubah bobot untuk memperbaiki jawaban yang salah.

AI generatif

  1. 25Bagaimana teks dibuatJelaskan bahwa model bahasa memprediksi token berikutnya.
    • Prediksi kata berikutnya dalam kalimat.
    • Buat prediktor kata berikutnya yang kecil dari sebuah cerita.
    • Sebut mengapa model bisa terdengar benar, tetapi salah.
  2. 26TokenPecah kalimat menjadi token.
    • Lihat bagaimana tokenizer memecah kata.
    • Hitung token dalam sebuah kalimat.
    • Sebut mengapa kata yang panjang menjadi beberapa token.
  3. 27Percobaan promptUbah satu bagian prompt dan bandingkan hasilnya.
    • Ubah hanya satu hal setiap kali.
    • Catat setiap prompt dan hasilnya.
    • Tulis apa yang dilakukan setiap perubahan.
  4. 28Batas pembuatan teksJelaskan mengapa model bahasa bisa mengarang.
    • Temukan fakta yang dikarang dalam jawaban AI.
    • Jelaskan mengapa prediksi bisa menghasilkan itu.
    • Buat daftar cara memeriksa teks AI.

Etika AI

  1. 29BiasTemukan bias dalam kumpulan data atau hasil.
    • Definisikan bias dalam AI.
    • Temukan kelompok yang kurang terwakili.
    • Jelaskan bagaimana itu mengubah hasil.
  2. 30Akurasi dan kepercayaanPutuskan kapan jawaban AI aman untuk dipercaya.
    • Bandingkan penggunaan berisiko rendah dan berisiko tinggi.
    • Putuskan kapan seseorang harus memeriksa.
    • Tulis daftar periksa kepercayaan.
  3. 31PrivasiJelaskan data apa yang dikumpulkan aplikasi AI.
    • Baca ringkasan privasi sebuah aplikasi.
    • Buat daftar data yang dikumpulkannya.
    • Sebut apa yang tidak akan kamu bagikan.
  4. 32Evaluasi sistem AIBeri nilai aplikasi AI pada akurasi, keadilan, dan privasi.
    • Buat kartu nilai dengan tiga bagian.
    • Uji aplikasinya, lalu isi kartunya.
    • Usulkan satu perbaikan.

Proyek eksplorasi AI

  1. 33Rencanakan proyekTulis pertanyaan dan rencanakan kumpulan data.
    • Tulis pertanyaannya: “Daun ini dari tanaman yang mana?”
    • Pilih tiga atau empat kelompok tanaman.
    • Rencanakan set latih dan set uji.
  2. 34Siapkan data tanamanPilah dan beri label gambar daun.
    • Pakai kumpulan data daun yang sudah disiapkan.
    • Periksa labelnya.
    • Pisahkan set uji.
  3. 35Latih dan ujiLatih pengklasifikasi tanaman dan catat hasilnya.
    • Latih pengklasifikasi.
    • Hitung akurasi pada set uji.
    • Kumpulkan prediksi yang salah.
  4. 36Detektif tanaman AITampilkan pengklasifikasi tanaman dan jelaskan kesalahannya.
    • Tunjukkan prediksi yang benar dan yang salah.
    • Jelaskan mengapa kesalahan itu terjadi.
    • Sebut contoh tambahan apa yang akan membantu.