Ngobrolin Gemini AI bareng @EstherIrawati
EP 72 1j 21m
Dengarkan versi audio
MP3 78 MB, file yang sama dengan feed podcast.
Poin utama
Bantu Koreksi- Bu Esther Irawati adalah Google Developer Expert di Machine Learning dan dosen di ITS Surabaya yang awalnya berkarir sebagai web developer sebelum masuk ke bidang machine learning
- Google memiliki berbagai teknologi AI seperti BART, Vertex AI, AI Studio, dan Gemini yang dapat dimanfaatkan oleh web developer untuk berbagai kebutuhan aplikasi
- Vertex AI adalah platform cloud untuk menjalankan model machine learning dengan andal, sedangkan AI Studio berfungsi sebagai tools untuk prototyping dan eksperimentasi dengan model-model AI
- Perbedaan antara auto-complete biasa dengan generative AI adalah kemampuan LLM untuk memahami konteks dan menghasilkan teks yang relevan berdasarkan data training dari internet
- Parameter penting dalam AI seperti temperature (mengatur tingkat kreativitas/akurasi), top-K (probabilitas jawaban), dan top-P (diversitas jawaban) perlu dipahami untuk mengoptimalkan hasil
- Web developer tidak perlu memahami detail cara kerja internal AI, cukup fokus pada pemilihan tools yang tepat dan bagaimana mengintegrasikannya ke dalam aplikasi
- Fine-tuning dan transfer learning adalah teknik untuk melatih model AI dengan data spesifik agar lebih relevan dengan use case tertentu tanpa harus melatih dari awal
- Privasi data menjadi pertimbangan penting saat menggunakan cloud AI services, alternatifnya adalah menggunakan open source model yang dapat di-deploy secara lokal
Baca ringkasan lengkap
Episode Ngobrolin Web kali ini membahas Artificial Intelligence (AI) dalam konteks web development bersama tamu spesial Bu Esther Irawati, Google Developer Expert di Machine Learning dan Associate Professor di Institut Sains dan Teknologi Terpadu Surabaya. Diskusi dimulai dengan latar belakang Bu Esther yang awalnya adalah web developer sebelum masuk ke dunia machine learning, kemudian membahas evolusi teknologi AI dari Google seperti BART, Vertex AI, hingga Gemini yang menjadi fokus utama pembicaraan. Episode ini sangat relevan bagi web developer yang ingin memahami apakah perlu belajar AI, seberapa jauh pemahaman yang dibutuhkan, dan bagaimana memanfaatkan AI untuk meningkatkan kualitas aplikasi web yang dikembangkan.
Sering disebut 21 15 10 8 8 8 5 5
Lompat ke
Lihat transkrip lengkap
Selamat malam penumpang para penumpang para penumpang diharap segera memasuki ruangan loh kok penumpang masuk ruangan teat pintu tig sudahint sudah dibuka i i i Halo Halo semuanya Halo selamat malam Apa kabar Apa kabar kita Akhirnya bisa live lagi ya E setelah dua kali ya dua sesi kita e rekaman malam hari ini kita bisa berhasil live lagi masih bareng saya Riza ada Ivan dan juga ada Eka Malam ini kita enggak bertiga kita akan berempat karena akan malam ini waktunya ngobrolin web kagak dibuka dulu sih kita bukan ngobrolin web kita mau ngobrolin Ai betul sekali Iya jadi kita mau
ngobrol-ngobrol tentang eh ai eh dalam konteks sebagai web developer Apakah kita perlu belajar sejauh mana belajarnya Gimana cara memanfaatkan Ai banyak sekali Apakah kita bakal jadi Pengangguran karena digantikan oleh Ai ya sarlah Iya standar Tapi sebelum itu kita buka dulu kali ya Sampurasun selamat malam berasa Iya enggak berasa sudah hari Selasa lagi seperti biasa S sudah Maret loh sudah enggak berasa sudah Maret lagi Iya udah hampir hampir Q1 hampir habisasa Q1 sudah mau habis k lagi sudah mau puasaa he Iya sudah pencapaiannya Sudah sampai mana Oh jangan ya jangan ditanya yaanya ya i jadi seperti biasa kalau selahsah malam itu waktunya apa waktunya ngobrolin r oke nah malam hari ini ee kita kedatangan tamu spesial dari Surabaya
Surabaya Dari Surabaya ada ibu dosen Ibu Ester setti halo halo selamat malam halo selamat malam Ci Ester Bu dosen kita waktunya kita mohon izin mau belajar dengan Bu dosen duluti absen dulu yang di chat coba absen absen Oh ini ada a Ari ada Ahmad sama ada Nur Khalid Wah ini kenal nuralid kenal sama buer siapa yang mahasiswanya Bu Ester ancung tangan ya Oh iya ada ada mahasiswanya gak ya Ba dap bisa langsung dapat A kalau nonton nanti enggak e bisa dapat sertifikat SSR I sendiri S pakai L and Trip l andp
gratisan Gratis kok gimana gimana kabarnya kayaknya eh Ai lagi Eh bergairah sekali ya Iya betul banget ini semuanya ai ai ai gitu ya Iya sampai P nah buat buat apa ee teman-teman yang belum kenal mungkin ya mungkin bisa perkenalan singkat dulu siapa engak apaapa Oke setengah jam ya setengah jam sendiri boleh boleh boleh ya salam kenal semuanya saya est rirawati saya eh Google developer expert di machine learning saya juga associate Profesor di kampus Institute sains dan teknologi terpadu Surabaya dulu namanya stts yang memang banyak teknologinya gitu jadi ya akhirnya banyak ngulik machine learning dan hari ya awal mulanya juga dari web sih gitu ya cuman akhir-akhir ini eh masuk ke machine learning dan ya enjoy-enjoy sih di sana
gitu Wah udah banyak yang kenal ternyata ya gara-gara sudah diperkenalkan olehadika kemarin masuk masuk ke kanal YouTube salah satu kanal YouTube paling RAM paling RAM Iya berarti dulu sebelum jadi dosen machine learning sebelumnya eh dosen web atau pernah jadi web developer atau gimana Coba diceritain gimana sampai bisa nyemplung ke dunia akademik Iya jadi dulu awal mulanya eh Waktu kuliah sih sebenarnya paling senang bikin website ya karena senang tampilan dulu awal mula kuliah Informatika juga senang bikin flash sebenarnya jadi penginnya kayak banyak gambar banyak animasi ternyata Terus waktu masuk dapatnya si plus plus gitu ya w aduh terus tapi dalam perjalanan ya paling Happy waktu bikin web gitu terus e tugas akhirnya ya bikin we
web nah cuman ya itu sama pembimbingnya suruh nambahin kayak bikin sistem tanya jawab gitu n dari situ gabungin jadi dari bikin web terus juga udah ada ininya ngolah datanya jadi kalau orang tanya diambil Kalimat pertanyaannya terus dicariin jawabannya di kumpulan dokumen kayak gitu kayak Iya klasifikasi Iya waktu itu kayak Mini Mini engine lah tapi eh di restric domain jadi can di kumpulan teks yang ada diimpan gitu ya di data ya dari situ develop-develop web eh sampai waktu disuruh ngajar sih sebenarnya disuruh ngajar Java me terus dari situ kok keluar teknologi google yang namanya Android akhirnya mulailah belajar Android dan ya pengembangan webnya jadi agak keend ya fokusnya tapi kayak admin page-nya terus ee kayak backend-nya
terus pakai web gitu terus ya Ee Akhirnya sekarang pun sebenarnya belajar ML tapi akhirnya Kalau enggak dideploy kan juga enggak ada yang pakai gitu ya ml-nya Jadi tetap eh setelah Coba bikin model machine learning akhirnya juga dibikin web-nya supaya bisa diakses misalnya dari klien backend-nya atau bikin web klien juga sekalian gitu Wah cerita ya dari web Android machine learning lebih susah mana c e bu Ester ngajarin mesin Apa ngajarin mahasiswaah training model at training enak model sih model salah kasih penalti mahasiswa salah Gak bisa dikasih penaltih dicatat tuh dicatat luar biasa seru ya kalau model Nurut deh
iya kalau model ini masih kurang benerin langsung jalan gitu ya Mahasiswa nawar si Masa sih gini aja enggak boleh jangan l Bu saya sudah semester ulang Bu tolong Bu begini aja Malah Diat balik Iya Wah oke oke oke nah Berarti sekarang ngajarnya ngajar e mata kuliah apa Ya sebenarnya gado-gado sih Jadi ada ada machine learning terus Cloud Android sama web juga wah ini gado-gado Cum webnya sekarang jsjs not JS Express JS rea sama rect gitu Wah itu diajarin di kampus
gitu react dan teman-temannya iya iya iya heeh Oh wow kampus zaman sekarang janganama sudahah belajar react loh luar biasa kalau mesine learning di kampus ada jurusan khususkah atau masih masuk ke teknologi informasi ada majoringnya jadi di Informatika Heeh sebenarnya kan ada Informatika ada sistem informasi sih ada teknologi informasi Jadi sebenarnya banyak ya sekarang pilihannya gitu terus Ya kalau pengin majuring di bikin ma model machine learning Ya bisa di computer science cuman sekarang kan machine learning semua harusnya udah mulai pakai ya jadi kayak di program bangkit pun Sekarang semua p itu ada ai gitu ya jadi kita ee sekarang lebih banyak coba ee jadikan endpoint misalnya jadikan ee eh rest api yang bisa diakses oleh platform manapun gitu targetnya gitu jadi akhirnya sekarang semua
belajar cuman kalau computer sains itu kan belajar bikin model yang pintar Nah kalau yang eh internet teknologi gitu kita fokusnya memaksimalkan Heeh kita dengan ya pakai semua api yang bisa dipakai gituah yang bisaik asinya ya ya Heeh misalnya recommender system berarti kita gimana pakai yang mana supaya kita bisa bikin rekomendasi nih di website kita oke nah eh ini ada yang penasaran kampus mana nih kampusnya istt telat ya tadi kan telat ya ists TTS Institut sains dan teknologi terpadu Surabaya terpadu Surabaya dulu namanya sekolah tinggi Teknik Surabaya jadi kita eh kampus swasta pertama yang e Informatika k gitu
di Surabaya yang swasta mantap keren keren keren saya juga ingat dulu waktu daftar ya daftar ya Ada ada S ada S2 loh ini kayaknya penonton kita bukan mau daftar sih lebih mau cari telennya mungk bisa jadi ah mahasiswanya bisa react gitu ya iya mahasiswa sudahah belajar react gitu kan ya he kan reactnya ini juga sudah diembeddit Sama ai juga Ai ya jadi malam hari ini kita Fokusnya ke ngomongin Ai yang berkaitan dengan ee web ya dan i Google ini kayaknya lagi on fire sekali ya lagi lagi menggebu-gebu untuk mungkin ya kita sudah sempat bahas ya di di beberapa episode yang tentang ai juga
yang waktu kita ngobrol bertiga itu kayaknya Google itu kayaknya agak sedikit terlambat padahal sebenarnya mereka melakukan riset bahkan ada heeh tapi kan ya standar lah ya corporate dan pertimbanganent birokrasi dibandingkan sama startup yang distrupsi gitu kan akhirnya terdistrup lah e si Google ini Dan mereka akhirnya ngeluarin mulai dari Bart kemulai ada vertex Ai ada studio terakhir ada jemini Bacanya apa jemini apa jemini J ganti nama ber ganti nama ganti nama jadi Gema eh apaem jemin Gema itu I kalau Gema itu berarti open open source ver yang open source tapi kayak lebih lightweight ya lebih kecil lebih ringan nah saking banyaknya ini yang muncul kita sendiri yang mau belajar bingung ini mulai dari mana Apa yang yang harus dibuka Link yang di apa itu ai studio apa itu vertex A gimana
pakainya ada ai farm iya banyak sekali bingung ya linknya apa ai.google. a.google.d Oke ini linknya Iya di sini Sebenarnya udah informasinya sudahah cukup lengkap ya jadi dari ada ukuran-ukurannya ee semakin gede semakin berat dan semakin pintar gitu ya terus ini Cara pakainya ini sdk-nya ya dan seterusnya dan seterusnya terus kemudian ada mulai bingung ada iya iya terus ini ada benchmarknya dan lain-lain ada banyaklah ya Pili vertex Ai itu apa sih Bu I Kalau vertex Ai itu kalau kita pengin e taruh model Ai kita di cloud supaya ya kapanp dia kan Eh bisa diakses
jadi eh reliable kan kalau di Cloud gitu ya Jadi kalau processingnya berat nah kadang kita kan Eh kalau taruh di server sendiri enggak kuat kan kapasitas processing-nya nah vertex ea ini dia teknologi Cloud yang Eh aman untuk kita kayak ngerun model sekaligus kalau ada data baru masuk kan kalau kita bikin web terus web itu data user kan masuk terus Nah itu bisa diolah lagiah sama kayak b gitu kan atau jmaniz sekarang kan ceknya user yang masuk itu diproses lagi untuk Heeh diolah terus R Real Time Run time Nah itu oke Oh di training diine tuning gitu ya Heeh jadi vertex ai itu platform ya kayak platform tapi bukan model modelnya kita bisa pakai yang sudah ada bisa ngasih model kita sendiri gitu Iya terus ada model garden Nah model garden ini banyak sekali model-model yang bisa kita coba
gitu ada termasuk juga kayak lama yang open source open source ada semua di sini ya he i jadi kita tinggal pilih aja Jadi sekarang coding Ai itu kayak tinggal pilih mau pakai yang mana gitu Wah Oh kayak prasmanan ya Iya apa Pilih apa Oh di chaining bisa enggak Bu di chaining misalnya saya Saya pengin deteksi foto ya kan pertama deteksi foto itu kan perlu deteksi ini maksudnya mungkin lebih spesifik Saya mau iya saya mau deteksi artis Nah kan database artis kan beda tuh yang pasti ada foto dan foto itu di dalamnya bisa jadi orang dan bukan orang dan artis itu kan spesifik lagi namanya kan he jadi itu bisa dichaining gitu Akak jadi foto ini ada orangnya Terus kalau ada ini nama
orangnya siapa bisa diing kah iya Bisa Bisa jadi kayak bisa itu kita pilih setiap task itu pasti ada model yang tepat kan jadi tas ini pakai ini nanti pakai yang itu atau juga kadang kita bandingin Jadi kita pakai beberapa yang hasil terbaik itu yang kita kirim ke user kayak gitu he H layar enggak sih pakai iniayarah nah ini Ang tantangannya emang ya itu karena kita nunut di situ ya kita harus bayar sewa ya Oh iya i i ya tadi ngomongin soal apa Eh banyak-banyak kayak modelnya bisa di chaining gitu kita tadi sempat di belakang layar sempat ngobrol tentang meid jouri kan saya juga baru tahu t nih baru diinfo juga ternyata E siid jour ini adalah sebenarnya di belakang
layarnya adalah Dali punya Open Ai kemudian e setelah Dali terus dibagusin lagi sama apa Stable diffusion makanya hasilnya jadi lebih bagus jadi kayak gitu kali ya maksudnyaing gitu ya saling melengkapi terus ada kayak stepepnya gitu nah kan ada istilah foundation model ada large language model itu Bedanya apa ya bentar model sendiri model sendiri itu apa Terus apa antara foundation sama jenis-jenis model lainnya itu Eh Apa perbedaannya apa Model itu m bukan model jadi model kan kita kan punya data terus kita pengin targetnya apa Biasanya kita labali gitu Istilahnya ya jadi jadi kayak misalnya gambar cat and dog oh ini ini cat ini dog jadi kita punya foto yang banyak ini cat ini dog terus kita
masukin ke sebenarnya model matematika sih itu Jadi kalau kondisi datanya begini dikenali kalau kondisi datanya begitu dikenali dok nah dari situ akhirnya ee ngitung-itung-itung bentuk namanya model itu tadi jadi model ini kayak ee cuman program yang sudah ada angka-angkanya jadi kalau masuk gambar cat dia keluar cat kalau masuk gambar dok dia keluar dok kayak gitu sih jadi cuman istilah dibuat keren aja model gitu namanya supervis training ya superv berartiuknya tapi kalau yang kalau yang generatif Gua bisa bikin gambar kucing ya ya kalau yang itu nanti ke generative Ai lagi Jadi kalau yang dulu sih fokusnya kebanyakan model-model itu bisa det jadi kayak misalnya kalau di jalan yang etle itu dia bisa tahu dari jauh Oh ini ada plat nomornya terus
ini melakukan pelanggaran Nah itu zaman dulu sih fokusnya model itu pokoknya deteksi segmentasi ngerti ada objek apa gitu cuman akhir-akhir ini eh fokusnya juga menciptakan sesuatu nah itu yang generative ai itu itu yang terb si he cuman modelnya ada diajari untuk pintar milih ada yang diajari untuk bikin nah kayak gitu cara ngajarin model yang pintar bikin gimana nah itu jadi dia diajarin He ini loh karya-karya ini karya-karya jadi dikasih karya-karya yang banyak emang jadi kayak kita pengin niru stynya Van go berarti kita kasih gambar yang bananya gitu tentang Nanti dari situ dia diubah-ubah dikit gitu l jadi misalnya bagian mana dia tambahin dikit dia e coba dan setelah diaahanding sama data Kole ini ada
yangak ada ber dia [Musik] iniar ya jadi kayak kita gak Siapin datnya lagi Tap dia dia biar diaoboboba Nan dia banding hasil akhirnya begitukah maksudnya I tapi lebih lebih sering disebutnya yang generative ai itu sih Oke kalau yang unsupvis misalnya kita ngelompokin data Jadi kalau anak kecil itu dikasih flash kan dia ngelihat Eh adaat sama Dok tadi terus dia eh ngambil Flash Card yang mirip mirip yang oh ini mirip sama-sama ada kumisnya yang itu ditaruh sini yang yang enggak ada kumisnya Nah itu kalau unsupvice itu data yang mirip-mirip dikelompokin gitu yang menentukan mirip atau tidaknya
siend algorit sendir algoritman yang kasih algoritma atau bisa kita ada algoritmanya sih tapi algoritmanya itu tujuannya ya ngambilin data-data di dalam misalnya gambar itu terus setelah diambil data nya kita cocokin mirip Enggak mirip enggak tu dan biasanya nanti kalau ada outer gitu itu gimana Misalnya tiba-tiba ada gambar kuda gimana ngajarin dia biar tahu bahwa itu bukan cat dan bukan dog jangan dipaksain jangan dihitung sebagai salah satu dari keduanya itu namanya Oh jadi waktu apa kudanya ee dicocokin sama cat Enggak mirip dicocokin sama dok Enggak mirip akhirnya di dia dijauhin kamu grup baru sendirian gitu Jadi kalau unsuperf learning itu
kayak emang kayak kita main games ituu loh biasanya yang apa pakai baju warna sama Ayo ngumpul Nah terus kayak kita biasanya main games di LDK gitu kan Nah nanti ada si yang pakai baju beda sendiri ya udah dia sendirian gak ada gak ada temannya di sana gitu ya ini sebagai salah satu oh gimana Ivan lanjut lanjut lanjut lanjut saya sebagai salah satu apa dosen yang ngajarin machine learning sempat kepikiran enggak Ai bakal sebooming sekarang Nah itu dulu Enggak kepikiran jadi kayak Banyak ide itu belum dibikin papernya gitu kalau dosen kan harus bikin paper jadi masihan masyarakat Nah masih ngumpulin Banyak ide yang mau dikeluarin pelan-pelan gitu kan jadi kayak Mau dicicil kelarinnya eh tiba-tiba semua yang dikumpulin ini udah
bisa jadi kayak obsolid gitu tiba-tiba yang yang yang aku rasa keren itu sekarang sudah obsolit semua sudahang diobrolr udah diobrol sama jam nah sebenarnya sih sadar enggak sadar ya dulu kita kayak Google Assistant itu kan udah bisa tanya misalnya restoran terdekat apa kayak gitu Jadi sebenarnya teknologi itu sudah ada tapi kan masih belum diopen karena takut tadi itu eics ya jadi eics di Ai ini gitu jadi akhirnya masih limited diproteksi dalam perusahaan nah ini sekarang zamannya harus diopen semua akhirnya Iya nah ee kan ya tadi ngomongin ee sebenarnya teknologinya kan sudah sudah lama bahkan kalau kita bisa apa ya Ee membuat sedikit agak lebih menyederhanakan lah menyederhanakan kayak last Lus model itu kan sebenarnya
sederhananya autoomplit kan tapi autoomplit yanging terusmenerus gitu kan kalau misalkan kita ketik di Google gitu kan Bagaimana caranya terus kita spasi kadang-kadang muncul kan atau komplitnya itu kan sebenarnya udah generative Mi kan ya Iya jadi emang beda deh beda beda beda kalau suggestion itu berdasarkan database berdasarkan Oh iya Eh berdasarkan eh keseringan muncul frekuensi lebih tepatnyaav kan Berarti ada database-ya ada frekuensi Iya sedangkan kalau yang generative ea itu beneran dia bisa ngerti konteks sebelumnya dan dia mau ke mana Menurut saya coba mungkin menurut Ibu Ester gimana sama yang ngerti Ayo mumpung aa ya karena karena sebenarnya
Kumpulan data di web itu kan LLM Itu ada kayak berapa parameter berapa bilion parameters itu sebenarnya karena dia itu diolah dari semua data teks di internet Jadi kalau data teksnya semakin banyak dia semakin tahu variasi toh jadi habis kata misalnya saya makan terus dia next-nya ini apa gitu Nah next-nya itu karena datanya itu besar dan banyak akibatnya kan bisa ditebak variannya ya Jadi sebenarnya kalau dalam chat itu memang kayak keluar kata selanjutnya keluar kata selanjutnya itu memang sebenarnya sumber datanya dari internet itu jadi memang e kayak banyak-banyakan sih jadi kadang Kok katanya chatbot itu kayak Kadang kasar gitu ya kadang kayak kayak gitu karena Emang data yang dia olah gitu jadi salah satu tantangannya memang memfilter supaya data yang si chatbot ini enggak jadi sebuah karakter tertentu yang apa Kayak enggak kurang
ber itu ya kayak etial gitu kan Nah itu soalnya memang sumber datanya dari internet jadi kalau salah salah knowledgenya itu ya dia bisa jadi kayak menyudutkan salah satu pihak Ya itu bisa gitu Jadi emang adaing sih cuman kayak benar katanya kan ada yang dia bisa nebak dari sekitar kan jadi kayak kata sebelumnya nanti kira-kira ke depannya bahas apa gitu tapi ya benar juga pusat pengetahuannya itu sebenarnya ya koleksi teks di internet itu yang terus dimodelkan itu supaya bisa ee pintar gitu ya Dari semua data yang ada gitu Kalau misalnya datanya dari orang Surabaya Saya makan rujak cingur gitu ya rujak cingur kalau dari J Saya makan buud Iya Jadi kalau si cat ditanya
makanan favoritmu apa Nah itu tergantung dia diajarin apa yang enak gitu ya Iya mungkin kalau auto komplit dia satuan ya jadi setelah e teks berikut apa Dia hanya bisa memprediksi satu teks berikut selanjutnya Makanya kalauihat dua atau tek bikin satu kalimatnya ngacau juga kan kalau di pjat nextn doang He kalau kalau LLM kayaknya dia melihat kata-kata yang dari awal yang kita Saya makan titik-titik kan habis titik-titik dia sujes lagi berdasarkan itu habis makan Saya mandi misalkan jadi berdasarkan itu dan masih nyambung gitu mungkin bedanya itu kali yaama gimana Enggak cara ngajarin modelnya kan satu kalimat yang panjang itu nanti kata kedua sama kata kelima disembunyikan Nah itu suruh nebak jadi ngajarinnya itu apa e Dar satu kalimat itu yang ini ditutup terus nanti yang itu ditutup kayak gu lucu ya kayak
ngajarin orang he kayak ngajarin anak-anak kan tebak kata yang ini sama Tabak kata yang itu cuma nurut Tapi ujung-ujungnya ujung-ujungnya saat memproses kata-kata baik itu kata ataupun image ataupun video dia itu akan mengubah data itu menjadi E ini kan ya apa namanya E vektor kan ya di actual datanya itu yang dia yang dia baca itu vektor kan ya akhirnya angka Paling itu ya paling dasarnyanya ya iya ya coba mas Riza buka itu yang playground itulah yang dasarnya yang membuat saya sedikit mengerti sensor ee Ini Mine learning Ya ini masuknya ke mesin lagi neural Network iya iya he neural Network ini ada Jadi kalau mau tahu dalamnya Oh jadi LLM ini dibuat dari sini gitu ya
basicnya ya Nah Heeh dari sini paling dasar Terus eh yang dikeluarkan oleh Google Jadi sebenarnya yang pertama ngide itu dari Google deepm itu namanya attention jadi kalau kita punya kalimat panjang kan ada bagian penting dari kalimat yang perlu diambil ada yang dicuekin nah yang penting itu itu pakai attention terus kan ada papernya Google De attention Jadi intinya dalam gambar dalam teks yang penting itu kita dapat yang penting di dalamnya itu to yang perlu diolah k gitu Oh oke jadi bisa memilah data yang penting sama data yang mungkin tidak terlalu penting gitu ya he he Jadi kayak dalam kalimat ini kata penentu yang mana yang mau lanjut ke kata-kata selanjutnya nah ini ini ini dasarnya semua semanya I Open juga ngambilnya dari sini Semuanya ya Semuanya ini salah satu tonggak bersejarah juga buat I
2017 balik lagi ke sini tadi Ma coba di aja itu kan maksudnya ada ada input x1 dan ada layerurnya itu dan out ada tuh Jadi kalau kita lihat dia ini an klasifikasi dia ada learning eh itu parameter semua tuh di atas tu ada learning rate ada activation segala macam saya enggak ngerti itu ada hubungannya dengan parameter yang dimasukin ke rumus matematikanya Jadi kalau linear regression ini Hello word-nya Ya linear regression ya iya iya jadi seberapa cepat seberapa cepat dia itu kan epos itu kan ini looping jumlah berapa a ya AOS untuk melakukan classification data ini ini ini enggak enggak kalau sudah begini nih dia enggak enggak belajar-belajar nih karena enggak terjadi apa-apa I enggak bakal nambah
jadi ee enggak terjadi apa-apa Nah kalau ini kan dia sudah selesai di 100 eh berarti cepat ininya proses learningnya dan kita kalau ngetrain model itu juga enggak bisa semakin lama ditrain juga bukan berarti semakin bagus over training juga jadi jadi bias karena terlalu apa namanyaing ya kayak kalau orang overing terlalu spesifik terlalu spesifik jadi enggak bisa general terlalu spesifik jadi hanya hanya ikutin data yang ada kasus itu aja kasus itu aja dia tahu Oh i ya ngerti kalau dia diajarin dengan gambar kucing dan anjing yang spesifik itu doang malah dia nganggap kucing lain itu bukan ee bukan enggak enggak enggak sesuai sama kriterianya Iya jadi makanya ngetrain model itu susah karena harus cari Balance iniah mod ini kan ya Iya Nah ini betul makanya butuh GPU itu ya G makanya Nvidia ini lagi ya itulah
lagi populer lagi gara-gara jadi ke depannya pekerjaan yang mahal itu ada bisa ngetrain ini makanya sekolahlah di ists gitu Habis itu jadi ambador ya Ambassador nah oke Sekarang kita ke pembahasan tentang si e jinya sendiri nah itu e Tadi kan udah sempat disebut ya dari Google ngeluarin seperti chat GPT namanya awalnya B kemudian jadi terus sebagai web developer kita bisa ya Selain chattingchatting nanyain coding dan lain-lain kita bisa bikin apa sih pakaiem ini banyak itu kayak bikin summarization bisa terus Kayak ng-solve misalnya soal-soal matematika atau soal logika
soal olimpiade gitu bisa terus e apa ngarang cerita bisa ngarang cerita terus misalnya sentimen clification jadi kayak sekarang e Para pemilik usaha itu kan suka pengin tahu beran dia itu di masyarakat pandangannya kayak apa sih Nah kita bisa ambil pospos di terus kita lempar kita bisa tahu banyakan review positif atau negatif ya tentang produknya Terus eh bisa bantu coding Nyi gener Nah itu ya bisa jadi benar-benar banyak sekali fiturnya Terus yang multim model kita bisa masukin image sama t kita tanya ininya cocok enggak si sama teksnya atau Kita masukin gambar enaknya caption-nya apa ya itu
juga bisa jadi dia bisa jadi kan model satu ini multimodel modelnya dua ya Maksudnya multimodal apa multimodel modal modal Heeh jadi bisa teks sama image gitu soalnya zaman dulu eh teksteks sendiri imageimage sendiri nah sekarang sudah bisa diolah barengan masuk gitu oke nah kalau mau mulai ah Saya pengin belajar gimini Gimana caranya Nah langsung aja pakai Google Ai studio jadi Google Ai studio ini tool prototyping kalau kita tahu sekarang kan figma Ya misalnya prototyping untuk eh web untuk app Nah di sini kita bisa prototyping kita bisa ambil data terus langsung coba pengin diapain datanya Nah ini ada tiga jenis chatat Prom itu kita bisa kayak catcat untuk minta sesuatu jadi kita
bisa ngajarin juga ee jamenai ini misalnya Saya punya dua kalimat kalimat pertama itu positif kalimat kedua negatif Nah kalau saya punya kalimat baru ini positif atau negatif Nah itu juga bisa gitu oke Bisa kayak untuk sentimen analisis juga berarti ujung-ujung gitu kah oh he terus bisa juga kita bikin chat sih jadi kayak kita kalau punya web ee untuk customer service cs-nya ee sebelum ketemu yang orang kan biasanya dicoba bantu solve dulu ya masalahmu apa gitu H Biasanya kalau saya dilayani dengan ai chat Justru malah emosi saya iya iya image-nya udah teranjur justru ketemu orangnya langsung marah-marah nih saya soalnya sebelum Ketemu ditanya-tanyain terus ya benar enggak masalahmu ini bukan oh mungkin masalahmu ini bukan bukan juga ini apakah menyelesaikan tidak akhirnya terakhir
ketemu orangnya sudahudah seb Iya benar juga harusnya dientertain dulu ya Nah ini Ai studio ini kita bisa pakai ee harus berbayarkah atau gratisah atau gimana nah sekarang masih free ya kan sekarang masih free ya Oh masih fre harusnya B Senin harga naik lebih dulu ya senin harga naik Selasa ngobrolin Selasa ngobrolin web iya i i Iya Oh jadi misalkan kita di sini kasih instruksi misalkan apa gitu kamu adalah chatbot yang ee apa ya baik ya itu misalnya asal Surabaya ya asal Surabaya terus kita bisa pilih modelnya Terus kalau yang apa option option ini apa temperatur ini apa stop sequens ini apa ada setting topka ini apa mungkin bisa dijelaskan se Iya Jadi kalau Nah itu kita tahu kan
halu ya jadi kadang pernah enggak kemarin yang di grup itu ya kan nanya Mas misalnya mas Risa ini siapa ya terus I halu mengarang indah ya mengarang Indah itu bukan halu itu beneran wish itu dia bisa melihat masa depan tapi pakai bukan pakai he jadi mendoakan menjadi perempuan gitu ya waduh bukan bukan nanti jadi ini non gender spesific nanti gender spesif iya i i lanjut temperatur itu mempengaruhi ya Iya itu halusinasinya kenapa tuh eh kenapa generat Ai bisa mengarang di luar yang beneran enggak tahu dari mana itu datanya karena sebenarnya kan tujuannya dia itu harus pintar ya jadi kalau bisa itu dia pasti berusaha jawab jadi enggak mau kan dia bilang I don't know Sorry itu kan harus
sejarang mungkin jadi kadang ya Di tengah perjalanan dia kalau enggak ketemu dia cari yang kandidatnya gitu l jadi sama kayak se kalau kita sorting itu kan hasil searnya itu atas paling relevan bwa agak relevan makin bawah kan Mak jauh nah ketika dia gak bisa jawab langsung dia akan mencari cara untuk menjawab Oh mungkin ini bisa sih bawahnya nah itu nah temperature tuh bisa kita atur sih kita pengin semakin akurat atau dia agak-agak ngarang sedikit boleh boleh ngarang Oh jadi mungkin kalau nol ngacau ee suka-suka ya boleh ngacau boleh ngarang he Jadi kalau semakin besar itu semakin bisa halus sih Oh jadi kalau semakin kecil semakin kurang kreatif gitu ya Iya pokoknya ketat banget gitu Jadi enggak boleh gak boleh ngarang-ngarang nemen gitu Jadi kalau nol berarti enggak usah ngarang WS
pokok Heeh kalau benur engak bisa jawab ya sudah bilang enggak bisa Oh oke tapi kalau makin tinggi dia boleh makin membayang-bayangkan gitu ya menggenerate sebenarnya jadi improvisasi ya berarti temperaturnya improvisasi ya Heeh Benar boleh improve seberapa banyak sih Git gu oh oh berarti bisa kita bisa bikin satu chatbot untuk misalnya di tempat kerja kita jadi kita bisa tidur Tetapi kalau ada si Bos kita nyari Hei Van tolong ini dong nanti si chatbnya sebagai evvan yang membalas gitu jadi ya Bos Oke siap bos tenang aja Bos bisa pasti bisa Entar gua kerjain gituang B diaj bisa dijarin seperti Ivan gitu kayak kalau Jab chat harus gimana mungkinkumpulin historinya percakapan histori sama si Bos aja Oh bisa impersonating orang Heeh bisa memang
jadi kayak chat-chat yang sudah ada di WhatsApp kita export semua masukin ini loh orang chat sama kita jadi kita bisa liburan ke bisa liburan ke mana gitu yang jawab chatnya gitu lain tapi enggak kerja dong enggak kerja tanggap banget ber kalau maat Pasangan Ya [Tertawa] kan Nah kalau apa kalau misalkan kita pengin e c-nya kalau enggak tahu ya Bilang aja enggak tahu itu bisa diset kan temperaturnya itu temperature Enggak usahlah ngarangarang dikasih instruksi juga bisa ya Kalau kamu enggak tahu jawab aja enggak tahu jangan sok tahu tapi kalau enggak tahu enggak tahu semua Sebel juga iya i ya resiko Dar t diajawab salah kan
bisa bahaya misalnya kalau medis gitu kalau medical apa medical chatb orang panuan bilang oh itu kanker kulit kan seram ya bilang mending bilang Sorry I don't know kan Ya emang ini si tergantung tujuannya Jadi kalau kayak bikin Story nah bolehlah temperaturnya tinggi apa art-artan kayak bikin kreatif ya kreativitasnya tinggi gitu Ya bikin puisi agak aneh dikit enggak apa- lah he tergantung tujuannya sih Jadi kalau bikin gambar pun kalau temperature tinggi nanti dia makin berani bikin variasi gitu ada sisi positif Biasanya kalau apa Ai generated bentuk jari tangan iya ya ketahuan iya iya iya wah ini saya baru lihat juga nih baru ngelihat di sini ada Safety setting ya kalau di ada yang lain tuh enggak ada kayaknya belum sampai sana Oh ini dipikirin dengan matang banget Open Ai
kayaknya enggak ada deh enggak ada Open Ai belum ada nah kalau to dan topi ini apa Nah topk ini eh kita ya itu sama tapi ini semakin banyak eh Jadi gini kan dia mencoba bikin hasil itu kan dari beberapa percobaan nah kalau semakin besar knya berarti semakin banyak yang kayak e kandidat jawabannya itu banyak muncul gitu loh kayak lima kali muncul Oh berarti baru kita percaya gitu Oh ya oke oke topka sama top kalau top apa Nah top ini lebih ke arah probabilitas jadi ya E hasilnya itu e harus samaap persen Jadi kalau semakin tinggi semakin
agak ngacak gitu kalau semakin rendah untuk e lebih realistis sebenarnya sih saling mendukung ya cuman ya itu kayak setting model generatif-nya itu mau dibatasin atau semakin bervariasi gitu oke nah kalau misalkan kitaah kalau belajar sendiri ya enak tadi kayaknya belum deh mana Iya jadi sama tadi yang diemoin Ian kan itu ya Ada epok itu lohah jadi Eh misalnya kita mau ngatur urutannya Hasilnya kayak apa Nah itu bisa eh kalau udahop Ya udah berarti harus berhenti sampai apa misalnya sampai ketemu titik udah stop atau kalau di kalimat nih ya Oh jadi Setelah titik
udah stop atau pengin Terus lanjut jawab gitu Jadi kalau sampai ketemu titik berarti Kalimat pertama dia akan Berhentilah gitu Oh oke oke oke baru tahu Nah misalkan nih kita udah udah set temperatur udah set semuanya e terus e kita mau taruh chat ini misalkan kita bikin chatb atau Apun kita mau taruh mau bikin aplikasi gitu react kah atau apapun gitu gimana caranya langsung get nah itu yang ya benar ini Jadi ini enaknya sih ya Eh kita bisa langsung embed ke program kita ke website kita gitu mau pakai bahasa Apun javascript bisa codlin bisa ya ini yang disupport gitu ya Tapi tetap ini ya koneksi internet ya berartiud bukan embedded ya dia bukan jadi l bukan bukan di browser kita kan Nah lokal bisa pakai ya kayak GMA itu ada terus Oh kalau spesifik tasknya bisa ada tensor flow
JS Iya yang jalan di lokal ya Ada kok solution apa saya banyak alternatif kalau pengin dilokalin gitu bisa juga cuman kalau dilokalin Berarti kayak untuk spesifik ya Jadi kita siapkan emang kayak Misalnya ini khusus chat untuk sistem restoran berarti kita ngajarinnya dia bisa jawabin pertanyaan ini ada menu yang mengandung e MSG enggak kayak gitu-gitu loh jadi dia spinternya di topik tertentu Nah itu kita bisa ajarin Nah Tapi kalau ditanyain yang lain misalnya tiba-tiba suruh bikin puisi ya enggak bisa karena kan heeh kita offline ya J kalau ya He tapi bisa dari sini Jadi maksudnya pakai Google A studio bisa generate TFL model gitu bisa enggak sih atau enggak enggak enggak yang ini yang oh kalau ini model buatannya Google kan
Iya ini kita khusus coba-coba playground untuk ngaksesi J tadi itu Oke saya dikasih guinya doang iya kita butuh api api ke-nya bisa di sini ya masih gratis bisa digenerate di sini oke wah seru ya Tadi ada from galerinya tuh enak kalau misal kita bingung kan dari awal mau ngapain Iya he contohcnya Heeh itu udah ada contoh PRnya Entar kita bisaubah-ubah sendator gimana coba explore itu ngebuka Ai studio Udah ada udah adaudah ada konnya instruksinya nahur Oke jadi kita bisa upload foto Coba ada gambar foto makanan terus kita suruh bikin resep dari foto itu Oh pakai Google Drive image-nya enggak bisa
diklik switch to officient model to insert image iya oh iya kanan baw kanan itu Modelnya ini Vision nah yang Vision ini oh image sample image enggak ada gambar makanan ya Coba gambar kucing kucing Anjir kucing mau makan Kucing enggak tapi boleh sih nanti ini coba dulu nih Kue bisa resepnya enggak iya R terus run Oh makan kredit sih Hah makan kredit Iya makan apa ya pakai kredit kita kan itu cuma ya Enggak seberapa sih Wah dia tahu itu cake terus instruksinya Nah coba benar kalau misalnya kitaak masukin yang bukan makanan Heeh Ini gimana menolak atau gimana akses E itu ngajarin aja kan itu
EXP atau delete itu B eh pengaruh diolang-ulang Jadi kalau jawabannya salah dia tahu Oh ini salah nanti dia nyelidiki ini salah dibenar apa kita perlu reset atau kita langsung upload image lagi accept lah okeah tapi kita upep supaya sekalian bantu Iya sudahah diaksep terus kita image lagi gambar kucing kucing kucing kucing kucing kucing JAT Coba dia nolak enggak nolaklah Ran Oh iya Run coba Ran ini iseng sekali jadi makanan kucing tuh enggak boleh image is not of a b it is a picture of tabat Nah coba masukin makanan makanan Indonesia kayak apalah durian Nagasari atau apa ya bisa gambar teman ada enggak gambar tem makan teman kan enggak dimasak tnya kan cari apa Makan Ind cara bitang atau
apalah eh kue tapi kue Indonesia Nah coba eh enggak sih udah makanak ya udah makan save imageah coba download bisa Engak yaoke harus masuk ke ak bisa bisa bisa Gak jfif bisa JF Oh I upad Man oh ini drive ya gak bisa Google Drive larinya ke Google Drive oh oh gak sihisa format image-nya agak aneh bisa enggak ya dia jfif H Apa itu enggak bisa makanya harus cari yang lain ya
Ini apa image-nya Nah ini gpeg Oke GP Oke aman aman eh mana tadi ini ya browse Oh ini aja Drag and [Musik] drop dia harus ini dia harus terima wep nanti atau JPEG 4 loh ada dua Ran ya Enggak apa-apa coba Ran Heeh kayaknya itu dalamnya kelihatan ada sayur-sayur lumpia Oh l iya i Mir Mir mirip itu temperaturnya 0,4 soalnya enggak yakin ya Boleh dinaikin ya biar resnyaak enggak enggak halal enggak halal lagi parah banget isiannya Oh iya Pak ground wah wah tolak tolak tolak dismiss tolak lagan kan bukan Lei Ya emang Coba
kalau temperaturnya nol gimana coba temperaturnya jadi nolat no Oke nol dia nolak enggak terus upload lagi run run run lagi Run lagi kan itu training apa apa ini lagi ngetraining atau kita lagi coba supaya ngatur parameter Pak pakai modelnya Yaya kan kita cuman ini kok kita cuman pakai ini tetap tetap salah sih Iya kayaknya mungkin ini ada di internet mungkin lumpia soalnyaya dia nganggap itu lumpia padahal riso warnanya Mirip ya Iya sama-sama Mas saya sama-sama dibutin sih enggak terima enggak terima penasaran sama kodenya ini ada instruksi khusus enggak ya maksudnya dia sebagai resep gak Ya enggak kayak consum api biasa kok he jadi kayak kita manggil Google Map aja gitu kan cuma oh enggak ini maksudnya ini kan ada
Accurate ini kan instruksi kan Ya instruksinya dikirim Prom ya Prom instruksi itu Prom ya i i he oke wah hanya 84 88 baris tinggal copy paste Iya betul sekali jadi kayak sekarang Eh app-nya udah ini semua nih bisa k recommender gitu misalnya dan bisa kayak consum api service biasa aja kan kayak pakai SDK lah ya jatuhnya ya kalau misalkan mau pakai fch bisa pakai cural aja begini kan kirim pos Iya kan pakai bisa atau mau pakai SDK berarti harus install NPM install dulu he Terus tinggal require atau import terus ya udahelut Pertanyaan saya kalau misalnya Bu dosen ini kalau lagi periksa tuugas atau paper mahasiswa yang pakai
Ai generatnya ada enggak ada yang pernah ketangkap enggak ketangkap B Pak punya detektornya enggak ada saya misalnya E punyanya GPT itu ada gitu kayak eh Anai GPT ada udah ada ya i jadi memang Suah sih cuman kayak ada beberapa kata yang gara-gara GPT itu baru sering muncul gitu kayak misal k itu itu sekarang semu duluakak jarang kata itu muncul gitu Nah itu biasanyaudahul tah ini Pak GT ngibulin dosen ininya ya gurunya ya Oh berarti habis habis episode ini nanti ada yang bikin instruksi Do not use do not useon English Words yang sekiranya diketahui oleh pelajar Indonesia
Iya ada yang nanya nih Kenapa Gemini Pro visionnya enggak ada di saya Oh yang settingan ini ya jeminai provision ya itu request ya Indonesia enggak sih jangan-jangan Lagi di mana Soalnya emang di beberapa negara itu kayak belum open ada yang masih di liimit loh gitu Oh belum semua ya lagi di Indonesia bukan nih request akses di sini ada enggak ya Vision enggak ada ya enggak ada ditulis visionnya kirain harus request dulu gitu enggak ya enggak Enggak kayaknya ini kalau Indonesia justru udah udah ada kan Ya udah udah Indonesia lumayan sih Open semua Oke oh Indonesia diopen semua ya mungkin
mungkin e ini belum semua belum semua user kebagian mungkin diollingah mungkin juga sih bisa Jadi kalau di blognya sih Udah udah available gratis buat semua Engak harus special request sih berarti apa Oke Oh berarti ini Gemini Ai studio ini Eh ekivalennya sama kayak Open api gitu ya Cara pakainya he benar He nah kalau misalkan nanti model ini studio tuh kayak playgroundnya kan [Musik] kayak Oke Nah nanti kalau misalkan kita butuh eh model ini untuk dideploy baru pakai vertex Ai gitu ya atau vertex ai ini kita bisa pakai model selain gemina kan Ya I Kalau ini kan kita terbatas nih
cuma bisa milih antara itu ngerti ngerti ngerti oke oke Dan yang menarik di vertex Ai itu model garden ada Imagine itu jadi Imagine itu kan yang dari teks bisa bikin gambar Nah itu itu ada di model gardennya vertex Ai lumayan gitu kita bisa coba nah itu loh image nah ini ya image eh salah sor iklan ini ini ini oh ini Oh iya berarti tadi kita belum sempat bahas ada eh apa desript eh generative a itu ada Banyak Ada text to text ya yang tadi kita Contohkan ada text to Image ya terus ada text to speech Heeh ee begitu juga ada sebaliknya kan ya speech to text jug kan ya ya Iya ini salah satunya ya ada kita Oke Google kan speech to Tex
nah cuman speech to Tex I itu cuman speech to text kayak enggak enggak belum bervariasi Ya tapi kalau text to speech kan sekarang kita jadi bisa pintar Ngomong bahasa apa aja Iya dan suaranya kita bisa menunukan suara artis kenal atau siapa gitu ya suar Heeh suara kita juga bisa jadi kita masukin aja sampel suara kita gitu Oh menarik tek to video juga sudah ada kan Ya sudah sudah mulai ada kita bahas ya waktu kapan itu yang apa salah satu stasiun TV newscternya Iya casternya engak ada yang a Heeh oh oh ini seperti meid Journey atau beda lagi Oke tapi ini punya e Google gitu Jadi kalau kita mau pakai ini kita harus menggunakan vertex vertex he modelnya doang enggak bisa langsung dipakai ya
Iya Yang kita boleh Panggil langsung itu yang itu Tok yang apa oh oh Jema Jema I itu yang boleh kita download terus kita eh pakai-pakai tanpa connect ke Cloud tanpa connect ke api Lal Jadi kalau misalkan teman-teman di kantor enggak Wah kita enggak boleh pakai ee LLM yang ada di Cloud seperti Open Ai dan lain-lain takut data bocor takut datanya Iya datanya dipakai untuk training bisa pakai download Gemma di lokal bisa dideploy di on premise gitulah kira-kira ya benar oke itu trainingnya bisa dicustom enggak sih kalau si J bisa ya fine tuning he tuning ya Iya Jadi fineuning itu kita kasih data kita Kita suruh dia harus ngitung lagi sesuai data kita jadi dia nanti pintar untuk data kita gitu tapi ngitungnya Enggak dari belakang tapi cuman step terakhir yang tadi di diagramnya Ivan
itu ini yang disuruh ngitung ulang cuma yang terakhir nah ini kanena ini ada bisa nambah layer namanya Nah ini kan ada tu hidden layer hidden layer bisa bisa Tambah Nah itu bisa tambah mau berapa Nah makin panjang itu makin pintar oh makin lama trainingnya heeh tapi makin lama butuh komputer yang super canggih semakin ini semakin mahal ya Nah yang prerain LLM ini itu kan memang perusahaan-perusahaan Unicorn yang bisa bangun kan Nah kita bisa pakai tapi kita ee nyuruh dia F Tun aja di layer yang terakhir jadi layer terakhir itu nyesuai data kita gitu sebenarnya udah lama banget ini Mas R di tensor flow sudah ada kan tensor flow mod Kay belum booming gitu masih ingat gua pakai itu image
image net ya Im yang paling terkenal tuh imnya untuk ngedeteksi objek objek objek dari gambar Iya yang ada memesnya kan dia di belakang tiba-tiba ada Human gituahal kosong enggak ada iya iya ya yang gaib-gaib ya deteksi human pertama tahu mah gara-gara itu film apa eh silicon VY kan hot dog hot dog or not ya itu ya enggak pertama kan maksudnya e jokennya justru dia pertama kali dia ngasih foto hot doog eh apa itunya programnya bisa bilang itu hot dog kan kiranya canggih banget kan makanan Apun Cum Heeh cuma ternyata dikasih barang lain Apun cuma bilang not hot dog jadi
kayak apa joknya itu ternyata modelnya bego banget cuma bisa ngebedain hot dog doang makanan apa E objek lain Apun enggak bisa kalau senang drakor itu yang drakor tentang Ai ada start up namanya nahnya oh oh start up i t tahu yang dia tahu nonton nonton Eh tapi meskipun dror tapi itu pengetahuan tentang startupnya bagus loh jadi dia menjelaskan funding itu apaate itu apa ada keterangannya gitu Heeh berarti yang nulis ordel maksudnya orang yang involve dengan start up Iya Terus Yang yang menang apa di sana dapat funding kan yang pakai Ai gitu tu Oh sambungannya gitu Nah misalkan nih dari model garden
Saya mau pakai Gemini Pro misalkan Gimana caranya view detail Iya view detail terus ini ya studio iya atau bisa e dikasih notebooknya itu langsung Oh ini he notebook Oke ini proeknya belum ya terus nanti waktunya habisin ah belum bikin Project belum bikin Project nanti harus report lagi kan ya Heeh eh Oke ini tutorialnya oh ini cara instalnya Jupiter notebook tinggal pencet pencet aja iya iya play ya Oke tapi ini kayak explorekplore gitu sih nanti nanti Katakanlah kita udah oke terus kita masukin ke e koding Kita masukin kode kan tuh ada k [Musik] terus jadi endpint jadi endpoint oh masing-masing spek tuh e jadi kayak endpoint ya he Jadi sebenarnya kita seolah-olah bikin seperti ini tapi versi
sendiri i bisa banyak bisa Ching Iya bisa banyak Nah bisa combine bisa combine juga modal dan lainlain i i i ngerti ngerti ngerti Oh gitu oke menarik ya ap lagi yang bisa kitalore Nah kalau tadi kan chat kalau free gimana freah itu kita kayak bisa itu [Musik] Dias Framework to learn perang to learn web web develop paling jawabnya yang punya Google yaaturnya berapa nih mau kreatif
atau mau kreatif dulu ya halo halo halo halo ya jawnya Go oh ggak ya wah jawabnya cukup relevan Ya normal kok jawabannya normal ya Oke tapi dia tetap masukin angular loh jangan begitu ah oke sekarang temperaturnya nol ya datang kayaknya itu mungkin kita bisa kerasa anu saya apa ini cuman kebalik aja sama Cuma maksudnya maksudnya e dari akurasi sama ya Iya mungkin itu cerita tadi jadi kayak kita cobanya dia suruh gener G pakai bahasa Indonesia aja mas Bisa [Musik] [Tertawa] kok oh iya boleh boleh coba ini dia ya badmon
player itu end halunya halunya emion g is of the sufulonm players of all [Tertawa] time Gimana kalau dia disuhreatif ini normal ya Tunya bisnis wong ini keren PT Tirta fresindo
Jaya lahir di Semarang Waduh masuk forb loh 1954 masuk forb loh masuk mungkin beneran ada nih orangnya ada k Iya enggak cuma makudnya namanya Apakah exactly kayak gitu Enggak tuh Nob noba Eka Nob ek coboba ek Eka jayyun ini temperaturnya berapaones [Tertawa] di Malang kuliah di asik keren keren
keren player dikasih suami halu banget kan dikasih suami Wah enggak ada yang benar Mungkin ini ya Who is kalau yang terkenal ya Nah kalau ini harus pintar lah kalau dia halu bahaya ini sendiri loh kalau salah Normal atau dibalik Who is kalau orang terkenal senya khusus ya pasti tahu Iya benar kan [Musik] ya kayak ini sih kayak kalau ya itu tadi temperature itu ngefeknya kalau dia gak enggak nemu
gitu l Jadi kalau dia gak nemu baru dia mulai halu kalau dia nemu diledennya ya benar gitu dia Man ya iya ya Ben k kan misalnya dia nama itu dia gak dapat data yang cukup Okelah nah cuma tiba-tiba ada chest player pernah kejuaraan ini itu itu udah mengarang bebas sebebasbebasnya ya he I tergantung kemiripan di di di neuronnya dia itu salah satu ggak tahu mana karena kita ggak bisa tebak kalau model itu kan sudah kayak black box ya k Udah Heeh udah Kompleks banget oke manusia ya kalau dia udah terjur dia punya mindset cara pikir tertentu ya kan ee pola cara mikir dia
ada polanya tapi kita yang di luar ya kita enggak tahu exactly cara mikir dia gimana gitu kayak orang ya benar sih Berarti suatu saat suatu saat nanti ada ada satu apa namanya Bidang ilmu atau spesialis itu namanya psikolog psikolog Ai engak psikolog Ai jadi kalau ai-nya sakit Halo perusahaan punya ei-nya sakit dan Halo dibawa ke psikolog aiat Tapi ini masih halu Iya halunya masih istilahnya masih kata-kata kan kadang-kadang saya suka sering nemu ee random ee Ini aja random karakter aja jadi yang kata-kata yang mungkin bahasa yang lain ya bahasa negara lain atau gimana gitu ya jadi AG oh Cuma bukan enggak make sense Ya maksudnya jawabannya enggak make sense sama sekali kan orang masih bisa percaya l ya gitu walaupun halu gitu meyakinkan loh cukup meyakinkan terus hal halunya positif
kalau yang dulu Open Ai ada kan tuh yang ngotot kamu sudah meninggal itu seram banget itu Malas banget sih sampai tawar sampai orangnya tawar menawar gitu loh udah berargumen Enggak saya enggak meninggal coba mana obituarinya Enggak adaap kamu sudah meninggal di tahun berapa oke oke nah kalau yang tim Google kan katanya sih gak keluar-keluar Soalnya responsible Ai jadi dia kayak mau nge-filter gak boleh negatif blas chatbot ini jadi kayak enggak boleh marahmah Enggak boleh head speech enggak boleh Wah itu ngfilter data di internet itu berat loh jadi kayak difilter dulu supaya knowledge-nya ini baik hati gitu loh Yes nah nah ini kita sudah mulai ada gambaran lah ya kalau kita mau bikin produk atau mau bikin aplikasi web untuk apa memanfatkan Ai kira-kira ee menurut Bu Ester kalau kita sebagai web developer itu apakah kita perlu tahuerja LLM perlu tahu machine learning itu
kayak gimana cara training itu gim atau Black aja seperti yang seberapa jauh Seberapa jauh yang perlu kita kulik kita EXP He Kalau menurutku sih yang penting tahu tool yang tepat ya jadi oke tepat Nah itu aja yang penting sih kalau sampai ke dalamnya itu kayak e Kayak udah susah kalau kita mau ini apa kayak loopnya gimana di dalam itu kalau kita mau bongkar kita mau ubah-ubah itu udah kayak e ya udah jauh banget karena kan ya kita kalau misalnya bikin LLM sendiri pun bisa sih cuman kayak ggak mungkin ngalahin yang udah punya parameter yang e Bil paramer gitu jadi lebih baik sih kita kayak tadi F tuning jadi kita butuh apa kita kumpulkan datanya kita lempar kayak gitu Pakai aja toolol ea yang
sekarang udah banyak banget misalnya mau bikin recommender di web nah pakai aja misalnya ada recommender Jadi kalau customer mau disaranin misalnya nonton film apa at beli produk apa Nah itu kita eh jangan sampai enggak enggak ngasih karena semua kan sekarang sudah ada cuman tinggal pakai tool yang mana kita explore aja gitu apalagi sekarang sudah bisa tanya kan jadi tanya aja ke J Aku Punya website ini api yang mana yang bisa aku pakai sampai tanya eh format data masuknya kayak apa gimana fine tuningnya Nah itu kita tinggal tanya aja terus kita coba explore gitu Oke kalau misalnya pakai t saya ini e misalnya ada saya ada kasus contohnya situsnya situsnya sudah ada dan taruhah
situsnya situs resep ya resep masakan dan dia sudah punya 1000 1000 2000 resep masakan dan kita mau spesific training eh resep masakan yang ada di database kita supaya kalau ditanya Ai hanya yang bersangkutan yang di database kita aja itu pakai vertex aah atau gimana bisa si can bisa juga Ee Kita misalkan pakai Gema tadi itu bisa juga jadi Ee kita eh yang penting siapin datanya terus kita nanti lempar ke model yang kita inginkan Nah kalau verte ea itu kan lebih ke arah sebenarnya kalau memang mau ditaruh di Google Cloud sih Oke jadi kalau memang pengin ditaruh di Google Cloud ya kita bisa pakai itu dengan mudah jadi tinggal pilihpilih pilih gitu Masuk beres tapi kalau ee mau di platform lain ya kita harus ya itu tadi kita download yang bisa open source mod terus kita cocokin kitaun dengan
data kita setah itu bebas ya Mau kitaploy di mana Itu maksudnya dirra Ya rra Pak pakra Pak Datanya kitaah maksudnya atuning tuning lebihat tuning karenaak enggak enggak seluruhnya dilatih ulang tapi yang dilatih ulang hanya yang terakhir gitu konten resepnya nah fine tuning itu sebenarnya exactly gimana sih prosesnya kan tadi harus dicvert menjadi vektor misalnya data kita json itu ada toolsnya atau ada jadi data json kita nanti namanya embeding nah di verte Ai jug ada Oh itu yang namanya embeding he Jadi gimana data kita itu kita ubah jadi angka supaya bisa diproses sama modelnya nah ing sendiri itu juga banyak tekniknya yang penting sih kita cari ini yang untuk kita mengol data teks kita eding teks kalau gambar kita eding gambar
kalau multimodal berarti memang pilih embeding yang untuk multimodal kayak gitu terus ya bisa juga vertex Ai untuk edingnya to bisa juga semuanya satu pipeline ya jadi dariing terus diolah sampai keluar hasilnya juga bisa gitu cuman kelebihannya kalau di vertex eii kan kalau ada update misalnya model terbaru misalnya parameternya nambah gitu kita bisa langsung dapat yang terbaru kan gitu kalau kita e oh kalau kita lokal ya harus download lagi kita tes lagi gulah ya oke tadi itu ada fine tuning kalau gak salah ada satu lagi yang sebelumine tuning yang misalkan dia bisa baca dari dokumen pdfah transfer learning Biasanya kalau transfer learning kalau transfer learning itu misalnya nih e dia pintar e deteksi ini
ya kucing sama cat atau dog gitu ya terus kita ambil kita suruh deteksi animal yang lain itu juga bisa gitu jadi misalnya kita cari kita tergantung kebutuhan ya Misalnya kita ee maunya model yang lengkap itu kan pasti besar file size-nya dan sebagainya Nah kalau kita mau yang model yang ekonomis Nah kita bisa pakai yang enggak terlalu besar kita ee coba pakai teknik transfer learning itu tadi itu juga bisa cuman sekarang emang karena banyak yang ngembangkan Kayaknya udah jarang gitu ya Yang penting sekarang tinggal pakai fine tuning itu h Oke proses fine tuning itu sendiri mahal enggak sih Nah berat enggak sih Kalau dijalankan di lokal ya kalau di lokal emang kayak tapi jauh lebih ringan
daripada kita bangun sendiri sih Oh iya tapi memang kadang ya beberapa tahun lalu kayak aku mau nyoba kadang sampai butuh 2 hari gitu baru keluar hasilnya ah 2 hari zaman dulu data Sebanyak apa Jadi deg-degan ya biasanya kayak ribuan kalimat gitu misalnya sentimen analisis ribuan kalimat tu kadang kayak ya itu kalau pakai komputer yang tanpa GPU itu kayak degdegan gitu jadi kayak nunggu hasilnya du hari lagi nah tapi sekarang ya karena udah banyak model yang kita tinggal sih Jadi ya gak usah bangun sendiri gitu Ngapain effort terlalu berat kan gitu Ada apa ya Ee udah ada model dasarnya tinggal kita
tambahin Buu ekstranya aja gitu yaiknya lah ya Jadi udah enggak usah reuse saja terus dicustom ya oke nah Ini ada pertanyaan menarik nih dari ikmalil terkait data yang kita upload untuk training itu privasinya gimana nah Emang sih kalau kita ya kan dijamin sih sama provider Cloud misalnya kita taruh di vbteex sih Google kayak punya eh aturan-aturan enkripsi apa terus kita juga harus memastikan datanya secure juga sih cuman kalau tadi yang sampai kita ngobrolin Kalau merasa enggak mau data itu masuk ke platform lain berarti kita ambil aja open source model kita taruh di lokal itu sendiri Heeh Iya contohnya Gema e ya Heeh itu dijamin datanya enggak bakal diraining ulang sama provider Cloud ya k lokal kan Bisa kok itu karena cuma
kita yang punya Cuman kita yang punya Oke kalau begitu mungkin untuk sesi kali ini kita udahan dulu udah satu hampir 1 setengah jam kita ngobrol-ngobrol tentang Ai mulai dari apa ee bingung kita mau mulai dari mana Kayaknya udah mulai ada gambaran mudah-mudahan teman-teman juga dapat gambaran ee apa sedikit gambaran lah ini kalau mau nyoba gimana Mungkin ada yang mau sebelum kita Udan ada yang mau ditambahkan dari Bu Ester Eh kalau dari aku sih ya ya segera dicoba gitu ya karena Emang sekarang ya kita kayak perlu pembeda kan kalau kita kayak bikin startup atau web atau app kayak apa pembeda app kita dengan yang lain biasanya kan personalization customization jadi semuanya itu bisa dikembangkan dan dengan tooltool ai
sekarang kita ggak usah develop sendiri udah bisa pakai aja Eh misalnya kita ngolah lognya user terus kita bisa tahu dia senang yang apa Nah itu semua kalau bisa kayak data-data yang kita dapetin dari app juga jangan didiumin aja tapi kita bikin recommendation dari data-data itu kita jadi besttian sama a gitu ya segera tanya si ini kamu bisa bantu aku apa sih gitu kita cari kita cari e apa aja Ai bisa support untuk Project kita terus tapi yang penting sih yang tadi yang eal dan responsible A jadi jangan gunakan UN hal-hal yang kurang baik tapi kita fokus di eh mencari kelebihan dari ea itu Oh iya ya sekarang tuh kalau dulu kita mau bikin recommendation system mau bikin sentiment analisis tuh kayaknya Wah kita butuh data ribuan gitu kan sekarang kayaknya udah ada modelnya kita tinggal tambahin Iya tambahin berapa
kita masukin data kita sendiri aja ya udah cukup gitu ya Iya he jauh lebih gampang ya oke He kalau pengin coba-coba di mediumku juga ada beberapa tutorial jadi di mediumnya apa mediumnya medium nya ya Ester Irawati Ester Irawati dicari aja ya medium.com/ester Irawati Oke kalau begitu terima kasih banyakah buat bu estar sudah mampir-mampir ke sini kita belajar banyak Makasih juga udah boleh masuk di ini ya ngobrolin web sukses terus asik terima kasihain S turnamen badmintonnya ya Iya suka sama ya Iya jangan lupajak sparing partner ek Iya ajak sparing partner ek main catur yang satu iya sama Grand Master Siapa itu iya
iya i i ya Oke kalau gitu eh mungkin kita udahan dulu terima kasih banyak buat semua yang sudah nonton mudah-mudahan dapat manfaatnya dari obrolan kita malam hari ini kita ketemu lagi minggu depan di hari seperti biasa di hari yang sama Selasa malam Jadi sampai jumpa bye bye bye bye
Deskripsi asli dari YouTube
Yuk mari kita diskusi dan ngobrol ngalor-ngidul tentang dunia web. Agar tetap up-to-date dengan teknologi web terkini. Topik, tautan dan pertanyaan menarik bisa dilayangkan ke https://ksana.in/ngobrolinweb Kunjungi https://ngobrol.in untuk catatan, tautan dan informasi topik lainnya.
Memuat komentar dari GitHub Discussions...
Jika komentar tidak muncul karena ekstensi privasi / adblocker, kamu bisa berdiskusi langsung di GitHub Discussions .