Ngobrolin Gemini AI bareng @EstherIrawati

5:21dokumen kayak gitu kayak Iya klasifikasi Iya waktu itu kayak Mini Mini engine lah tapi eh di restric

5:32domain jadi can di kumpulan teks yang ada diimpan gitu ya di data ya dari situ develop-develop web eh sampai waktu

5:43disuruh ngajar sih sebenarnya disuruh ngajar Java me terus dari situ kok keluar teknologi google yang namanya Android akhirnya mulailah belajar

5:53Android dan ya pengembangan webnya jadi agak keend ya fokusnya tapi kayak admin page-nya terus ee kayak backend-nya

6:03terus pakai web gitu terus ya Ee Akhirnya sekarang pun sebenarnya belajar ML tapi akhirnya Kalau enggak dideploy

6:11kan juga enggak ada yang pakai gitu ya ml-nya Jadi tetap eh setelah Coba bikin model machine learning akhirnya juga

6:20dibikin web-nya supaya bisa diakses misalnya dari klien backend-nya atau bikin web klien juga sekalian gitu Wah cerita ya dari web

6:34Android machine learning lebih susah mana c e bu Ester ngajarin mesin Apa ngajarin mahasiswaah training model at

6:47training enak model sih model salah kasih penalti mahasiswa salah Gak bisa dikasih penaltih dicatat tuh dicatat luar biasa seru ya kalau model Nurut deh

7:06iya kalau model ini masih kurang benerin langsung jalan gitu ya Mahasiswa nawar si Masa sih gini aja enggak boleh jangan

7:15l Bu saya sudah semester ulang Bu tolong Bu begini aja Malah Diat balik Iya Wah oke oke oke nah Berarti sekarang

7:31ngajarnya ngajar e mata kuliah apa Ya sebenarnya gado-gado sih Jadi ada ada machine learning terus Cloud Android sama web

7:48juga wah ini gado-gado Cum webnya sekarang jsjs not JS Express JS rea sama rect gitu Wah itu diajarin di kampus

8:01gitu react dan teman-temannya iya iya iya heeh Oh wow kampus zaman sekarang janganama sudahah belajar react loh luar

8:13biasa kalau mesine learning di kampus ada jurusan khususkah atau masih masuk ke teknologi informasi ada majoringnya jadi di Informatika Heeh sebenarnya kan

8:26ada Informatika ada sistem informasi sih ada teknologi informasi Jadi sebenarnya banyak ya sekarang pilihannya gitu terus Ya kalau pengin majuring di bikin ma

8:38model machine learning Ya bisa di computer science cuman sekarang kan machine learning semua harusnya udah mulai pakai ya jadi kayak di program

8:48bangkit pun Sekarang semua p itu ada ai gitu ya jadi kita ee sekarang lebih banyak coba ee jadikan endpoint misalnya

8:57jadikan ee eh rest api yang bisa diakses oleh platform manapun gitu targetnya gitu jadi akhirnya sekarang semua

9:08belajar cuman kalau computer sains itu kan belajar bikin model yang pintar Nah kalau yang eh internet teknologi gitu kita fokusnya

9:19memaksimalkan Heeh kita dengan ya pakai semua api yang bisa dipakai gituah yang bisaik asinya ya ya Heeh misalnya

9:32recommender system berarti kita gimana pakai yang mana supaya kita bisa bikin rekomendasi nih di website kita oke

9:42nah eh ini ada yang penasaran kampus mana nih kampusnya istt telat ya tadi kan telat ya ists TTS Institut sains dan

9:55teknologi terpadu Surabaya terpadu Surabaya dulu namanya sekolah tinggi Teknik Surabaya jadi kita eh kampus swasta pertama yang e Informatika k gitu

10:06di Surabaya yang swasta mantap keren keren keren saya juga ingat dulu waktu daftar ya daftar ya Ada ada S ada S2

10:18loh ini kayaknya penonton kita bukan mau daftar sih lebih mau cari telennya mungk bisa jadi ah mahasiswanya bisa react gitu ya

10:31iya mahasiswa sudahah belajar react gitu kan ya he kan reactnya ini juga sudah diembeddit Sama ai juga

10:41Ai ya jadi malam hari ini kita Fokusnya ke ngomongin Ai yang berkaitan dengan ee web ya dan i Google ini kayaknya lagi on fire

10:53sekali ya lagi lagi menggebu-gebu untuk mungkin ya kita sudah sempat bahas ya di di beberapa episode yang tentang ai juga

11:00yang waktu kita ngobrol bertiga itu kayaknya Google itu kayaknya agak sedikit terlambat padahal sebenarnya mereka melakukan riset

11:09bahkan ada heeh tapi kan ya standar lah ya corporate dan pertimbanganent birokrasi dibandingkan sama startup yang distrupsi

11:20gitu kan akhirnya terdistrup lah e si Google ini Dan mereka akhirnya ngeluarin mulai dari Bart kemulai ada vertex Ai

11:28ada studio terakhir ada jemini Bacanya apa jemini apa jemini J ganti nama ber ganti nama ganti nama

11:37jadi Gema eh apaem jemin Gema itu I kalau Gema itu berarti open open source ver yang open source tapi kayak

11:48lebih lightweight ya lebih kecil lebih ringan nah saking banyaknya ini yang muncul kita sendiri yang mau belajar

11:56bingung ini mulai dari mana Apa yang yang harus dibuka Link yang di apa itu ai studio apa itu vertex A gimana

12:05pakainya ada ai farm iya banyak sekali bingung ya linknya apa ai.google.

12:12a.google.d Oke ini linknya Iya di sini Sebenarnya udah informasinya sudahah cukup lengkap ya jadi dari ada ukuran-ukurannya ee semakin gede semakin

12:29berat dan semakin pintar gitu ya terus ini Cara pakainya ini sdk-nya ya dan seterusnya dan seterusnya terus kemudian

12:37ada mulai bingung ada iya iya terus ini ada benchmarknya dan lain-lain ada banyaklah ya Pili vertex Ai itu apa sih

12:49Bu I Kalau vertex Ai itu kalau kita pengin e taruh model Ai kita di cloud supaya ya kapanp dia kan Eh bisa diakses

13:02jadi eh reliable kan kalau di Cloud gitu ya Jadi kalau processingnya berat nah kadang kita kan Eh kalau taruh di server

13:13sendiri enggak kuat kan kapasitas processing-nya nah vertex ea ini dia teknologi Cloud yang Eh aman untuk kita

13:21kayak ngerun model sekaligus kalau ada data baru masuk kan kalau kita bikin web terus web itu data user kan masuk terus Nah itu

13:30bisa diolah lagiah sama kayak b gitu kan atau jmaniz sekarang kan ceknya user yang masuk itu diproses lagi untuk Heeh

13:40diolah terus R Real Time Run time Nah itu oke Oh di training diine tuning gitu ya Heeh jadi vertex ai

13:50itu platform ya kayak platform tapi bukan model modelnya kita bisa pakai yang sudah ada bisa ngasih model kita

13:58sendiri gitu Iya terus ada model garden Nah model garden ini banyak sekali model-model yang bisa kita coba

14:07gitu ada termasuk juga kayak lama yang open source open source ada semua di sini ya he i jadi kita tinggal pilih aja Jadi

14:17sekarang coding Ai itu kayak tinggal pilih mau pakai yang mana gitu Wah Oh kayak prasmanan ya Iya apa

14:26Pilih apa Oh di chaining bisa enggak Bu di chaining misalnya saya Saya pengin deteksi foto ya kan pertama deteksi foto

14:35itu kan perlu deteksi ini maksudnya mungkin lebih spesifik Saya mau iya saya mau deteksi artis Nah kan database artis

14:45kan beda tuh yang pasti ada foto dan foto itu di dalamnya bisa jadi orang dan bukan orang dan artis itu kan spesifik

14:54lagi namanya kan he jadi itu bisa dichaining gitu Akak jadi foto ini ada orangnya Terus kalau ada ini nama

15:02orangnya siapa bisa diing kah iya Bisa Bisa jadi kayak bisa itu kita pilih setiap task itu pasti ada model yang

15:14tepat kan jadi tas ini pakai ini nanti pakai yang itu atau juga kadang kita bandingin Jadi kita pakai beberapa yang

15:23hasil terbaik itu yang kita kirim ke user kayak gitu he H layar enggak sih pakai iniayarah nah ini

15:36Ang tantangannya emang ya itu karena kita nunut di situ ya kita harus bayar sewa ya Oh iya i i ya tadi ngomongin

15:48soal apa Eh banyak-banyak kayak modelnya bisa di chaining gitu kita tadi sempat di belakang layar sempat ngobrol tentang

15:56meid jouri kan saya juga baru tahu t nih baru diinfo juga ternyata E siid jour ini adalah sebenarnya di belakang

16:04layarnya adalah Dali punya Open Ai kemudian e setelah Dali terus dibagusin lagi sama apa Stable diffusion makanya

16:14hasilnya jadi lebih bagus jadi kayak gitu kali ya maksudnyaing gitu ya saling melengkapi terus ada kayak stepepnya

16:26gitu nah kan ada istilah foundation model ada large language model itu Bedanya apa ya bentar model sendiri

16:36model sendiri itu apa Terus apa antara foundation sama jenis-jenis model lainnya itu Eh Apa perbedaannya apa Model itu m bukan

16:49model jadi model kan kita kan punya data terus kita pengin targetnya apa Biasanya kita labali gitu Istilahnya ya jadi jadi

16:58kayak misalnya gambar cat and dog oh ini ini cat ini dog jadi kita punya foto yang banyak ini cat ini dog terus kita

17:07masukin ke sebenarnya model matematika sih itu Jadi kalau kondisi datanya begini dikenali kalau kondisi datanya begitu dikenali dok nah dari situ

17:17akhirnya ee ngitung-itung-itung bentuk namanya model itu tadi jadi model ini kayak ee cuman program yang sudah ada

17:26angka-angkanya jadi kalau masuk gambar cat dia keluar cat kalau masuk gambar dok dia keluar dok kayak gitu sih jadi

17:33cuman istilah dibuat keren aja model gitu namanya supervis training ya superv berartiuknya tapi kalau yang kalau yang generatif Gua bisa bikin

17:47gambar kucing ya ya kalau yang itu nanti ke generative Ai lagi Jadi kalau yang dulu sih fokusnya kebanyakan model-model

17:57itu bisa det jadi kayak misalnya kalau di jalan yang etle itu dia bisa tahu dari jauh Oh ini ada plat nomornya terus

18:05ini melakukan pelanggaran Nah itu zaman dulu sih fokusnya model itu pokoknya deteksi segmentasi ngerti ada objek apa

18:14gitu cuman akhir-akhir ini eh fokusnya juga menciptakan sesuatu nah itu yang generative ai itu itu yang terb si he cuman modelnya ada diajari

18:28untuk pintar milih ada yang diajari untuk bikin nah kayak gitu cara ngajarin model yang pintar bikin gimana nah itu jadi dia diajarin

18:41He ini loh karya-karya ini karya-karya jadi dikasih karya-karya yang banyak emang jadi kayak kita pengin niru stynya

18:49Van go berarti kita kasih gambar yang bananya gitu tentang Nanti dari situ dia diubah-ubah dikit gitu l

18:59jadi misalnya bagian mana dia tambahin dikit dia e coba dan setelah diaahanding sama data Kole ini ada

19:11yangak ada ber dia [Musik] iniar ya jadi kayak kita gak Siapin datnya lagi Tap dia dia biar diaoboboba

19:27Nan dia banding hasil akhirnya begitukah maksudnya I tapi lebih lebih sering disebutnya yang generative ai itu sih

19:36Oke kalau yang unsupvis misalnya kita ngelompokin data Jadi kalau anak kecil itu dikasih flash kan dia ngelihat Eh

19:47adaat sama Dok tadi terus dia eh ngambil Flash Card yang mirip mirip yang oh ini mirip sama-sama ada kumisnya yang itu

19:57ditaruh sini yang yang enggak ada kumisnya Nah itu kalau unsupvice itu data yang mirip-mirip dikelompokin gitu yang menentukan mirip atau tidaknya

20:11siend algorit sendir algoritman yang kasih algoritma atau bisa kita ada algoritmanya sih tapi algoritmanya itu tujuannya ya ngambilin

20:23data-data di dalam misalnya gambar itu terus setelah diambil data nya kita cocokin mirip Enggak mirip enggak tu dan biasanya nanti kalau ada outer

20:35gitu itu gimana Misalnya tiba-tiba ada gambar kuda gimana ngajarin dia biar tahu bahwa itu bukan cat dan bukan dog

20:42jangan dipaksain jangan dihitung sebagai salah satu dari keduanya itu namanya Oh jadi waktu apa kudanya ee dicocokin

20:54sama cat Enggak mirip dicocokin sama dok Enggak mirip akhirnya di dia dijauhin kamu grup baru sendirian gitu Jadi kalau unsuperf learning itu

21:04kayak emang kayak kita main games ituu loh biasanya yang apa pakai baju warna sama Ayo ngumpul Nah terus kayak kita

21:12biasanya main games di LDK gitu kan Nah nanti ada si yang pakai baju beda sendiri ya udah dia sendirian gak ada

21:19gak ada temannya di sana gitu ya ini sebagai salah satu oh gimana Ivan lanjut lanjut lanjut lanjut saya

21:31sebagai salah satu apa dosen yang ngajarin machine learning sempat kepikiran enggak Ai bakal sebooming sekarang Nah itu dulu

21:42Enggak kepikiran jadi kayak Banyak ide itu belum dibikin papernya gitu kalau dosen kan harus bikin paper jadi masihan masyarakat Nah masih

21:54ngumpulin Banyak ide yang mau dikeluarin pelan-pelan gitu kan jadi kayak Mau dicicil kelarinnya eh tiba-tiba semua yang dikumpulin ini udah

22:06bisa jadi kayak obsolid gitu tiba-tiba yang yang yang aku rasa keren itu sekarang sudah obsolit semua sudahang

22:20diobrolr udah diobrol sama jam nah sebenarnya sih sadar enggak sadar ya dulu kita kayak Google Assistant itu kan

22:27udah bisa tanya misalnya restoran terdekat apa kayak gitu Jadi sebenarnya teknologi itu sudah ada tapi kan masih

22:35belum diopen karena takut tadi itu eics ya jadi eics di Ai ini gitu jadi akhirnya masih limited diproteksi dalam

22:46perusahaan nah ini sekarang zamannya harus diopen semua akhirnya Iya nah ee kan ya tadi ngomongin ee sebenarnya teknologinya kan

22:57sudah sudah lama bahkan kalau kita bisa apa ya Ee membuat sedikit agak lebih menyederhanakan lah menyederhanakan kayak last Lus model itu kan sebenarnya

23:09sederhananya autoomplit kan tapi autoomplit yanging terusmenerus gitu kan kalau misalkan kita ketik di Google gitu kan Bagaimana caranya terus kita spasi

23:19kadang-kadang muncul kan atau komplitnya itu kan sebenarnya udah generative Mi kan ya Iya jadi emang beda deh beda beda

23:30beda kalau suggestion itu berdasarkan database berdasarkan Oh iya Eh berdasarkan eh keseringan muncul frekuensi lebih tepatnyaav kan Berarti ada database-ya

23:44ada frekuensi Iya sedangkan kalau yang generative ea itu beneran dia bisa ngerti konteks sebelumnya dan dia mau ke

23:53mana Menurut saya coba mungkin menurut Ibu Ester gimana sama yang ngerti Ayo mumpung aa ya karena karena sebenarnya

24:03Kumpulan data di web itu kan LLM Itu ada kayak berapa parameter berapa bilion parameters itu sebenarnya karena dia itu

24:13diolah dari semua data teks di internet Jadi kalau data teksnya semakin banyak dia semakin tahu variasi toh jadi habis

24:21kata misalnya saya makan terus dia next-nya ini apa gitu Nah next-nya itu karena datanya itu besar dan banyak

24:31akibatnya kan bisa ditebak variannya ya Jadi sebenarnya kalau dalam chat itu memang kayak keluar kata selanjutnya keluar kata selanjutnya itu memang

24:40sebenarnya sumber datanya dari internet itu jadi memang e kayak banyak-banyakan sih jadi kadang Kok katanya chatbot itu

24:49kayak Kadang kasar gitu ya kadang kayak kayak gitu karena Emang data yang dia olah gitu jadi salah satu tantangannya

24:57memang memfilter supaya data yang si chatbot ini enggak jadi sebuah karakter tertentu yang apa Kayak enggak kurang

25:07ber itu ya kayak etial gitu kan Nah itu soalnya memang sumber datanya dari internet jadi kalau salah salah

25:15knowledgenya itu ya dia bisa jadi kayak menyudutkan salah satu pihak Ya itu bisa gitu Jadi emang adaing sih cuman kayak

25:26benar katanya kan ada yang dia bisa nebak dari sekitar kan jadi kayak kata sebelumnya nanti kira-kira ke depannya

25:34bahas apa gitu tapi ya benar juga pusat pengetahuannya itu sebenarnya ya koleksi teks di internet itu yang terus

25:42dimodelkan itu supaya bisa ee pintar gitu ya Dari semua data yang ada gitu Kalau misalnya datanya dari orang

25:52Surabaya Saya makan rujak cingur gitu ya rujak cingur kalau dari J Saya makan buud Iya Jadi kalau si cat ditanya

26:03makanan favoritmu apa Nah itu tergantung dia diajarin apa yang enak gitu ya Iya mungkin kalau auto komplit dia satuan ya

26:12jadi setelah e teks berikut apa Dia hanya bisa memprediksi satu teks berikut selanjutnya Makanya kalauihat dua atau

26:19tek bikin satu kalimatnya ngacau juga kan kalau di pjat nextn doang He kalau kalau LLM kayaknya dia melihat

26:29kata-kata yang dari awal yang kita Saya makan titik-titik kan habis titik-titik dia sujes lagi berdasarkan itu habis

26:37makan Saya mandi misalkan jadi berdasarkan itu dan masih nyambung gitu mungkin bedanya itu kali yaama gimana Enggak cara ngajarin

26:47modelnya kan satu kalimat yang panjang itu nanti kata kedua sama kata kelima disembunyikan Nah itu suruh nebak jadi

26:55ngajarinnya itu apa e Dar satu kalimat itu yang ini ditutup terus nanti yang itu ditutup kayak gu lucu ya kayak

27:03ngajarin orang he kayak ngajarin anak-anak kan tebak kata yang ini sama Tabak kata yang itu cuma nurut Tapi

27:12ujung-ujungnya ujung-ujungnya saat memproses kata-kata baik itu kata ataupun image ataupun video dia itu akan mengubah data itu menjadi

27:23E ini kan ya apa namanya E vektor kan ya di actual datanya itu yang dia yang dia

27:31baca itu vektor kan ya akhirnya angka Paling itu ya paling dasarnyanya ya iya ya coba mas Riza buka itu yang

27:41playground itulah yang dasarnya yang membuat saya sedikit mengerti sensor ee Ini Mine learning Ya ini masuknya ke

27:51mesin lagi neural Network iya iya he neural Network ini ada Jadi kalau mau tahu dalamnya Oh jadi LLM ini dibuat dari sini gitu ya

28:01basicnya ya Nah Heeh dari sini paling dasar Terus eh yang dikeluarkan oleh Google Jadi sebenarnya yang pertama

28:11ngide itu dari Google deepm itu namanya attention jadi kalau kita punya kalimat panjang kan ada bagian penting dari

28:19kalimat yang perlu diambil ada yang dicuekin nah yang penting itu itu pakai attention terus kan ada papernya Google

28:26De attention Jadi intinya dalam gambar dalam teks yang penting itu kita dapat yang penting di dalamnya itu to yang perlu diolah k

28:35gitu Oh oke jadi bisa memilah data yang penting sama data yang mungkin tidak terlalu penting gitu ya he

28:46he Jadi kayak dalam kalimat ini kata penentu yang mana yang mau lanjut ke kata-kata selanjutnya nah ini ini ini

28:56dasarnya semua semanya I Open juga ngambilnya dari sini Semuanya ya Semuanya ini salah satu tonggak bersejarah juga buat I

29:112017 balik lagi ke sini tadi Ma coba di aja itu kan maksudnya ada ada input x1 dan ada layerurnya itu dan out

29:24ada tuh Jadi kalau kita lihat dia ini an klasifikasi dia ada learning eh itu parameter semua tuh di atas tu ada

29:32learning rate ada activation segala macam saya enggak ngerti itu ada hubungannya dengan parameter yang dimasukin ke rumus matematikanya Jadi

29:41kalau linear regression ini Hello word-nya Ya linear regression ya iya iya jadi seberapa cepat seberapa cepat dia

29:50itu kan epos itu kan ini looping jumlah berapa a ya AOS untuk melakukan classification data ini ini ini enggak

29:57enggak kalau sudah begini nih dia enggak enggak belajar-belajar nih karena enggak terjadi apa-apa I enggak bakal nambah

30:03jadi ee enggak terjadi apa-apa Nah kalau ini kan dia sudah selesai di 100 eh berarti cepat ininya proses learningnya

30:14dan kita kalau ngetrain model itu juga enggak bisa semakin lama ditrain juga bukan berarti semakin bagus over

30:22training juga jadi jadi bias karena terlalu apa namanyaing ya kayak kalau orang overing terlalu spesifik terlalu spesifik jadi enggak bisa general

30:32terlalu spesifik jadi hanya hanya ikutin data yang ada kasus itu aja kasus itu aja dia tahu Oh i ya ngerti kalau dia

30:40diajarin dengan gambar kucing dan anjing yang spesifik itu doang malah dia nganggap kucing lain itu bukan ee bukan

30:47enggak enggak enggak sesuai sama kriterianya Iya jadi makanya ngetrain model itu susah karena harus cari Balance iniah

30:57mod ini kan ya Iya Nah ini betul makanya butuh GPU itu ya G makanya Nvidia ini lagi ya itulah

31:09lagi populer lagi gara-gara jadi ke depannya pekerjaan yang mahal itu ada bisa ngetrain ini makanya sekolahlah di ists

31:21gitu Habis itu jadi ambador ya Ambassador nah oke Sekarang kita ke pembahasan tentang si e jinya sendiri

31:36nah itu e Tadi kan udah sempat disebut ya dari Google ngeluarin seperti chat GPT namanya awalnya B kemudian

31:46jadi terus sebagai web developer kita bisa ya Selain chattingchatting nanyain coding dan lain-lain kita bisa bikin apa

31:55sih pakaiem ini banyak itu kayak bikin summarization bisa terus Kayak ng-solve misalnya soal-soal matematika atau soal logika

32:08soal olimpiade gitu bisa terus e apa ngarang cerita bisa ngarang cerita terus misalnya sentimen clification jadi kayak sekarang

32:21e Para pemilik usaha itu kan suka pengin tahu beran dia itu di masyarakat pandangannya kayak apa sih Nah kita bisa

32:29ambil pospos di terus kita lempar kita bisa tahu banyakan review positif atau negatif ya tentang produknya Terus eh bisa bantu

32:41coding Nyi gener Nah itu ya bisa jadi benar-benar banyak sekali fiturnya Terus yang multim model kita bisa masukin

32:53image sama t kita tanya ininya cocok enggak si sama teksnya atau Kita masukin gambar enaknya caption-nya apa ya itu

33:02juga bisa jadi dia bisa jadi kan model satu ini multimodel modelnya dua ya Maksudnya multimodal apa multimodel

33:12modal modal Heeh jadi bisa teks sama image gitu soalnya zaman dulu eh teksteks sendiri imageimage sendiri nah

33:21sekarang sudah bisa diolah barengan masuk gitu oke nah kalau mau mulai ah Saya pengin belajar gimini Gimana caranya Nah

33:33langsung aja pakai Google Ai studio jadi Google Ai studio ini tool prototyping kalau kita tahu sekarang kan figma Ya

33:41misalnya prototyping untuk eh web untuk app Nah di sini kita bisa prototyping kita bisa ambil data terus langsung coba

33:51pengin diapain datanya Nah ini ada tiga jenis chatat Prom itu kita bisa kayak catcat untuk minta sesuatu jadi kita

34:00bisa ngajarin juga ee jamenai ini misalnya Saya punya dua kalimat kalimat pertama itu positif kalimat kedua negatif Nah kalau saya punya kalimat

34:12baru ini positif atau negatif Nah itu juga bisa gitu oke Bisa kayak untuk sentimen analisis juga berarti ujung-ujung gitu kah oh he

34:23terus bisa juga kita bikin chat sih jadi kayak kita kalau punya web ee untuk customer service cs-nya ee sebelum

34:32ketemu yang orang kan biasanya dicoba bantu solve dulu ya masalahmu apa gitu H Biasanya kalau saya dilayani dengan ai

34:42chat Justru malah emosi saya iya iya image-nya udah teranjur justru ketemu orangnya langsung marah-marah nih saya soalnya sebelum Ketemu

34:55ditanya-tanyain terus ya benar enggak masalahmu ini bukan oh mungkin masalahmu ini bukan bukan juga ini apakah menyelesaikan tidak akhirnya terakhir

35:07ketemu orangnya sudahudah seb Iya benar juga harusnya dientertain dulu ya Nah ini Ai studio ini kita bisa

35:16pakai ee harus berbayarkah atau gratisah atau gimana nah sekarang masih free ya kan sekarang masih free ya Oh masih fre

35:26harusnya B Senin harga naik lebih dulu ya senin harga naik Selasa ngobrolin Selasa ngobrolin web iya i i Iya Oh jadi misalkan kita di

35:37sini kasih instruksi misalkan apa gitu kamu adalah chatbot yang ee apa ya baik ya itu misalnya asal Surabaya ya asal

35:47Surabaya terus kita bisa pilih modelnya Terus kalau yang apa option option ini apa temperatur ini apa stop sequens ini

35:57apa ada setting topka ini apa mungkin bisa dijelaskan se Iya Jadi kalau Nah itu kita tahu kan

36:06halu ya jadi kadang pernah enggak kemarin yang di grup itu ya kan nanya Mas misalnya mas Risa ini siapa ya terus

36:16I halu mengarang indah ya mengarang Indah itu bukan halu itu beneran wish itu dia bisa melihat masa depan tapi

36:25pakai bukan pakai he jadi mendoakan menjadi perempuan gitu ya waduh bukan bukan nanti jadi ini non gender spesific nanti gender

36:39spesif iya i i lanjut temperatur itu mempengaruhi ya Iya itu halusinasinya kenapa tuh eh kenapa generat Ai bisa

36:48mengarang di luar yang beneran enggak tahu dari mana itu datanya karena sebenarnya kan tujuannya dia itu harus

36:55pintar ya jadi kalau bisa itu dia pasti berusaha jawab jadi enggak mau kan dia bilang I don't know Sorry itu kan harus

37:05sejarang mungkin jadi kadang ya Di tengah perjalanan dia kalau enggak ketemu dia cari yang kandidatnya gitu l

37:13jadi sama kayak se kalau kita sorting itu kan hasil searnya itu atas paling relevan bwa agak relevan makin bawah kan

37:22Mak jauh nah ketika dia gak bisa jawab langsung dia akan mencari cara untuk menjawab Oh mungkin ini bisa sih

37:29bawahnya nah itu nah temperature tuh bisa kita atur sih kita pengin semakin akurat atau dia agak-agak ngarang

37:39sedikit boleh boleh ngarang Oh jadi mungkin kalau nol ngacau ee suka-suka ya boleh ngacau boleh ngarang he Jadi kalau

37:49semakin besar itu semakin bisa halus sih Oh jadi kalau semakin kecil semakin kurang kreatif gitu ya Iya pokoknya

37:58ketat banget gitu Jadi enggak boleh gak boleh ngarang-ngarang nemen gitu Jadi kalau nol berarti enggak usah ngarang WS

38:06pokok Heeh kalau benur engak bisa jawab ya sudah bilang enggak bisa Oh oke tapi kalau makin tinggi dia boleh makin

38:16membayang-bayangkan gitu ya menggenerate sebenarnya jadi improvisasi ya berarti temperaturnya improvisasi ya Heeh Benar boleh improve seberapa banyak sih

38:26Git gu oh oh berarti bisa kita bisa bikin satu chatbot untuk misalnya di tempat kerja kita jadi kita bisa tidur

38:35Tetapi kalau ada si Bos kita nyari Hei Van tolong ini dong nanti si chatbnya sebagai evvan yang membalas gitu jadi ya

38:45Bos Oke siap bos tenang aja Bos bisa pasti bisa Entar gua kerjain gituang B diaj bisa dijarin seperti Ivan gitu kayak

38:59kalau Jab chat harus gimana mungkinkumpulin historinya percakapan histori sama si Bos aja Oh bisa impersonating orang Heeh bisa memang

39:12jadi kayak chat-chat yang sudah ada di WhatsApp kita export semua masukin ini loh orang chat sama kita jadi kita bisa

39:21liburan ke bisa liburan ke mana gitu yang jawab chatnya gitu lain tapi enggak kerja dong enggak kerja tanggap banget ber kalau maat

39:35Pasangan Ya [Tertawa] kan Nah kalau apa kalau misalkan kita pengin e c-nya kalau enggak tahu ya Bilang aja enggak tahu itu bisa diset

39:47kan temperaturnya itu temperature Enggak usahlah ngarangarang dikasih instruksi juga bisa ya Kalau kamu enggak tahu jawab aja

39:56enggak tahu jangan sok tahu tapi kalau enggak tahu enggak tahu semua Sebel juga iya i ya resiko Dar t diajawab salah kan

40:04bisa bahaya misalnya kalau medis gitu kalau medical apa medical chatb orang panuan bilang oh itu kanker kulit kan seram ya bilang mending bilang

40:18Sorry I don't know kan Ya emang ini si tergantung tujuannya Jadi kalau kayak bikin Story nah bolehlah temperaturnya tinggi apa

40:29art-artan kayak bikin kreatif ya kreativitasnya tinggi gitu Ya bikin puisi agak aneh dikit enggak apa- lah he tergantung tujuannya sih

40:39Jadi kalau bikin gambar pun kalau temperature tinggi nanti dia makin berani bikin variasi gitu ada sisi positif Biasanya kalau apa Ai generated

40:49bentuk jari tangan iya ya ketahuan iya iya iya wah ini saya baru lihat juga nih baru ngelihat di sini ada Safety setting

40:59ya kalau di ada yang lain tuh enggak ada kayaknya belum sampai sana Oh ini dipikirin dengan matang banget Open Ai

41:08kayaknya enggak ada deh enggak ada Open Ai belum ada nah kalau to dan topi ini apa Nah topk ini eh kita ya itu sama

41:17tapi ini semakin banyak eh Jadi gini kan dia mencoba bikin hasil itu kan dari beberapa percobaan nah

41:26kalau semakin besar knya berarti semakin banyak yang kayak e kandidat jawabannya itu banyak muncul gitu loh kayak lima

41:35kali muncul Oh berarti baru kita percaya gitu Oh ya oke oke topka sama top kalau top apa Nah

41:50top ini lebih ke arah probabilitas jadi ya E hasilnya itu e harus samaap persen Jadi kalau semakin tinggi semakin

42:04agak ngacak gitu kalau semakin rendah untuk e lebih realistis sebenarnya sih saling mendukung ya cuman ya itu kayak

42:14setting model generatif-nya itu mau dibatasin atau semakin bervariasi gitu oke nah kalau misalkan kitaah kalau belajar sendiri ya

42:29enak tadi kayaknya belum deh mana Iya jadi sama tadi yang diemoin Ian kan itu ya Ada epok itu

42:40lohah jadi Eh misalnya kita mau ngatur urutannya Hasilnya kayak apa Nah itu bisa eh kalau udahop Ya udah berarti harus

42:52berhenti sampai apa misalnya sampai ketemu titik udah stop atau kalau di kalimat nih ya Oh jadi Setelah titik

43:01udah stop atau pengin Terus lanjut jawab gitu Jadi kalau sampai ketemu titik berarti Kalimat pertama dia akan

43:10Berhentilah gitu Oh oke oke oke baru tahu Nah misalkan nih kita udah udah set temperatur udah set semuanya e terus e

43:22kita mau taruh chat ini misalkan kita bikin chatb atau Apun kita mau taruh mau bikin aplikasi gitu react kah atau

43:30apapun gitu gimana caranya langsung get nah itu yang ya benar ini Jadi ini enaknya sih ya Eh kita bisa langsung

43:39embed ke program kita ke website kita gitu mau pakai bahasa Apun javascript bisa codlin bisa ya ini

43:48yang disupport gitu ya Tapi tetap ini ya koneksi internet ya berartiud bukan embedded ya dia bukan jadi l bukan bukan

43:57di browser kita kan Nah lokal bisa pakai ya kayak GMA itu ada terus Oh kalau spesifik tasknya bisa ada tensor flow

44:08JS Iya yang jalan di lokal ya Ada kok solution apa saya banyak alternatif kalau pengin dilokalin gitu bisa juga

44:17cuman kalau dilokalin Berarti kayak untuk spesifik ya Jadi kita siapkan emang kayak Misalnya ini khusus chat untuk sistem restoran berarti kita

44:28ngajarinnya dia bisa jawabin pertanyaan ini ada menu yang mengandung e MSG enggak kayak gitu-gitu loh jadi dia

44:38spinternya di topik tertentu Nah itu kita bisa ajarin Nah Tapi kalau ditanyain yang lain misalnya tiba-tiba suruh bikin puisi ya enggak bisa karena

44:46kan heeh kita offline ya J kalau ya He tapi bisa dari sini Jadi maksudnya pakai Google A studio bisa

44:57generate TFL model gitu bisa enggak sih atau enggak enggak enggak yang ini yang oh kalau ini model buatannya Google kan

45:07Iya ini kita khusus coba-coba playground untuk ngaksesi J tadi itu Oke saya dikasih guinya doang iya kita

45:17butuh api api ke-nya bisa di sini ya masih gratis bisa digenerate di sini oke wah seru ya Tadi ada from galerinya tuh enak

45:29kalau misal kita bingung kan dari awal mau ngapain Iya he contohcnya Heeh itu udah ada contoh PRnya Entar kita bisaubah-ubah sendator

45:42gimana coba explore itu ngebuka Ai studio Udah ada udah adaudah ada konnya instruksinya nahur Oke jadi kita bisa upload foto

45:56Coba ada gambar foto makanan terus kita suruh bikin resep dari foto itu Oh pakai Google Drive image-nya enggak bisa

46:05diklik switch to officient model to insert image iya oh iya kanan baw kanan itu Modelnya ini Vision nah yang Vision ini oh

46:19image sample image enggak ada gambar makanan ya Coba gambar kucing kucing Anjir kucing mau makan Kucing enggak

46:30tapi boleh sih nanti ini coba dulu nih Kue bisa resepnya enggak iya R terus run Oh makan kredit sih Hah makan kredit Iya

46:42makan apa ya pakai kredit kita kan itu cuma ya Enggak seberapa sih Wah dia tahu itu cake

46:52terus instruksinya Nah coba benar kalau misalnya kitaak masukin yang bukan makanan Heeh Ini gimana menolak atau gimana akses E itu ngajarin aja kan itu

47:03EXP atau delete itu B eh pengaruh diolang-ulang Jadi kalau jawabannya salah dia tahu Oh ini salah nanti dia

47:11nyelidiki ini salah dibenar apa kita perlu reset atau kita langsung upload image lagi accept lah okeah tapi kita upep supaya sekalian

47:21bantu Iya sudahah diaksep terus kita image lagi gambar kucing kucing kucing kucing kucing kucing JAT Coba dia nolak

47:31enggak 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

47:48picture of tabat Nah coba masukin makanan makanan Indonesia kayak apalah durian Nagasari atau apa ya bisa gambar teman

47:59ada enggak gambar tem makan teman kan enggak dimasak tnya kan cari apa Makan Ind cara bitang atau

48:10apalah eh kue tapi kue Indonesia Nah coba eh enggak sih udah makanak ya udah makan save imageah coba

48:22download bisa Engak yaoke harus masuk ke ak bisa bisa bisa Gak jfif bisa JF Oh I

48:38upad Man oh ini drive ya gak bisa Google Drive larinya ke Google Drive oh oh gak

48:54sihisa format image-nya agak aneh bisa enggak ya dia jfif H Apa itu enggak bisa makanya harus cari yang lain ya

49:04Ini apa image-nya Nah ini gpeg Oke GP Oke aman aman eh mana tadi ini ya browse Oh ini

49:16aja Drag and [Musik] drop dia harus ini dia harus terima wep nanti atau JPEG 4 loh ada dua

49:26Ran ya Enggak apa-apa coba Ran Heeh kayaknya itu dalamnya kelihatan ada sayur-sayur lumpia Oh l iya i Mir Mir

49:41mirip itu temperaturnya 0,4 soalnya enggak yakin ya Boleh dinaikin ya biar resnyaak enggak enggak halal enggak halal lagi parah banget isiannya

49:54Oh iya Pak ground wah wah tolak tolak tolak dismiss tolak lagan kan bukan Lei Ya emang Coba

50:07kalau temperaturnya nol gimana coba temperaturnya jadi nolat no Oke nol dia nolak enggak terus upload lagi run run

50:14run lagi Run lagi kan itu training apa apa ini lagi ngetraining atau kita lagi coba supaya ngatur parameter Pak pakai

50:24modelnya Yaya kan kita cuman ini kok kita cuman pakai ini tetap tetap salah sih Iya kayaknya mungkin ini ada di

50:35internet mungkin lumpia soalnyaya dia nganggap itu lumpia padahal riso warnanya Mirip ya Iya sama-sama Mas saya sama-sama

50:45dibutin sih enggak terima enggak terima penasaran sama kodenya ini ada instruksi khusus enggak ya maksudnya dia sebagai resep gak Ya enggak kayak consum

50:58api biasa kok he jadi kayak kita manggil Google Map aja gitu kan cuma oh enggak ini maksudnya ini kan ada

51:06Accurate ini kan instruksi kan Ya instruksinya dikirim Prom ya Prom instruksi itu Prom ya i i he oke wah hanya 84 88 baris

51:21tinggal copy paste Iya betul sekali jadi kayak sekarang Eh app-nya udah ini semua nih bisa k recommender gitu

51:32misalnya dan bisa kayak consum api service biasa aja kan kayak pakai SDK lah ya jatuhnya ya kalau misalkan mau pakai fch bisa pakai

51:45cural aja begini kan kirim pos Iya kan pakai bisa atau mau pakai SDK berarti harus install NPM install dulu he Terus

51:56tinggal require atau import terus ya udahelut Pertanyaan saya kalau misalnya Bu dosen ini kalau lagi periksa tuugas atau paper mahasiswa yang pakai

52:07Ai generatnya ada enggak ada yang pernah ketangkap enggak ketangkap B Pak punya detektornya enggak ada saya misalnya

52:18E punyanya GPT itu ada gitu kayak eh Anai GPT ada udah ada ya i jadi memang Suah sih cuman kayak ada

52:32beberapa kata yang gara-gara GPT itu baru sering muncul gitu kayak misal k itu itu sekarang semu duluakak jarang kata itu muncul

52:47gitu Nah itu biasanyaudahul tah ini Pak GT ngibulin dosen ininya ya gurunya ya Oh berarti habis habis episode ini nanti

52:59ada yang bikin instruksi Do not use do not useon English Words yang sekiranya diketahui oleh pelajar Indonesia

53:14Iya ada yang nanya nih Kenapa Gemini Pro visionnya enggak ada di saya Oh yang settingan ini ya jeminai provision ya

53:23itu request ya Indonesia enggak sih jangan-jangan Lagi di mana Soalnya emang di beberapa negara itu kayak belum open ada yang masih di

53:34liimit loh gitu Oh belum semua ya lagi di Indonesia bukan nih request akses di sini ada enggak ya

53:42Vision enggak ada ya enggak ada ditulis visionnya kirain harus request dulu gitu enggak ya enggak Enggak kayaknya ini

53:48kalau Indonesia justru udah udah ada kan Ya udah udah Indonesia lumayan sih Open semua Oke oh Indonesia diopen semua ya mungkin

54:03mungkin e ini belum semua belum semua user kebagian mungkin diollingah mungkin juga sih bisa Jadi kalau di blognya sih Udah udah

54:17available gratis buat semua Engak harus special request sih berarti apa Oke Oh berarti ini Gemini Ai studio

54:32ini Eh ekivalennya sama kayak Open api gitu ya Cara pakainya he benar He nah kalau misalkan nanti model ini studio tuh

54:45kayak playgroundnya kan [Musik] kayak Oke Nah nanti kalau misalkan kita butuh eh model ini untuk dideploy baru

54:56pakai vertex Ai gitu ya atau vertex ai ini kita bisa pakai model selain gemina kan Ya I Kalau ini kan kita terbatas nih

55:04cuma bisa milih antara itu ngerti ngerti ngerti oke oke Dan yang menarik di vertex Ai itu model garden ada Imagine itu jadi

55:15Imagine itu kan yang dari teks bisa bikin gambar Nah itu itu ada di model gardennya vertex Ai lumayan gitu kita

55:25bisa coba nah itu loh image nah ini ya image eh salah sor iklan ini ini ini oh ini Oh iya berarti tadi kita

55:35belum sempat bahas ada eh apa desript eh generative a itu ada Banyak Ada text to text ya yang tadi

55:44kita Contohkan ada text to Image ya terus ada text to speech Heeh ee begitu juga ada sebaliknya kan ya speech to

55:53text jug kan ya ya Iya ini salah satunya ya ada kita Oke Google kan speech to Tex

56:00nah cuman speech to Tex I itu cuman speech to text kayak enggak enggak belum bervariasi Ya tapi kalau text to speech

56:09kan sekarang kita jadi bisa pintar Ngomong bahasa apa aja Iya dan suaranya kita bisa menunukan suara artis kenal

56:17atau siapa gitu ya suar Heeh suara kita juga bisa jadi kita masukin aja sampel suara kita gitu Oh menarik tek to video

56:26juga sudah ada kan Ya sudah sudah mulai ada kita bahas ya waktu kapan itu yang apa salah satu stasiun TV newscternya

56:36Iya casternya engak ada yang a Heeh oh oh ini seperti meid Journey atau beda lagi Oke tapi ini punya e Google gitu

56:50Jadi kalau kita mau pakai ini kita harus menggunakan vertex vertex he modelnya doang enggak bisa langsung dipakai ya

57:00Iya Yang kita boleh Panggil langsung itu yang itu Tok yang apa oh oh Jema Jema I itu yang boleh kita

57:10download terus kita eh pakai-pakai tanpa connect ke Cloud tanpa connect ke api Lal Jadi kalau misalkan teman-teman di

57:21kantor enggak Wah kita enggak boleh pakai ee LLM yang ada di Cloud seperti Open Ai dan lain-lain takut data bocor

57:28takut datanya Iya datanya dipakai untuk training bisa pakai download Gemma di lokal bisa dideploy di on premise

57:35gitulah kira-kira ya benar oke itu trainingnya bisa dicustom enggak sih kalau si J bisa ya fine tuning he tuning

57:46ya Iya Jadi fineuning itu kita kasih data kita Kita suruh dia harus ngitung lagi sesuai data kita jadi dia nanti

57:56pintar untuk data kita gitu tapi ngitungnya Enggak dari belakang tapi cuman step terakhir yang tadi di diagramnya Ivan

58:06itu ini yang disuruh ngitung ulang cuma yang terakhir nah ini kanena ini ada bisa nambah layer namanya Nah ini kan ada tu hidden layer

58:18hidden layer bisa bisa Tambah Nah itu bisa tambah mau berapa Nah makin panjang itu makin pintar oh makin lama

58:27trainingnya heeh tapi makin lama butuh komputer yang super canggih semakin ini semakin mahal ya Nah yang prerain LLM ini itu kan

58:40memang perusahaan-perusahaan Unicorn yang bisa bangun kan Nah kita bisa pakai tapi kita ee nyuruh dia F Tun aja di

58:49layer yang terakhir jadi layer terakhir itu nyesuai data kita gitu sebenarnya udah lama banget ini Mas R di

58:57tensor flow sudah ada kan tensor flow mod Kay belum booming gitu masih ingat gua pakai itu image

59:06image net ya Im yang paling terkenal tuh imnya untuk ngedeteksi objek objek objek dari gambar Iya yang ada memesnya kan

59:21dia 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

59:38film apa eh silicon VY kan hot dog hot dog or not ya itu ya enggak pertama kan maksudnya e jokennya justru

59:48dia pertama kali dia ngasih foto hot doog eh apa itunya programnya bisa bilang itu hot dog kan kiranya canggih

59:55banget kan makanan Apun Cum Heeh cuma ternyata dikasih barang lain Apun cuma bilang not hot dog jadi

1:00:04kayak apa joknya itu ternyata modelnya bego banget cuma bisa ngebedain hot dog doang makanan apa E objek lain Apun

1:00:12enggak bisa kalau senang drakor itu yang drakor tentang Ai ada start up namanya nahnya oh oh start up i t tahu yang

1:00:26dia tahu nonton nonton Eh tapi meskipun dror tapi itu pengetahuan tentang startupnya bagus loh jadi dia menjelaskan funding itu

1:00:40apaate itu apa ada keterangannya gitu Heeh berarti yang nulis ordel maksudnya orang yang involve dengan start up Iya

1:00:49Terus Yang yang menang apa di sana dapat funding kan yang pakai Ai gitu tu Oh sambungannya gitu Nah misalkan nih dari model garden

1:01:01Saya mau pakai Gemini Pro misalkan Gimana caranya view detail Iya view detail terus ini ya studio iya

1:01:11atau bisa e dikasih notebooknya itu langsung Oh ini he notebook Oke ini proeknya belum ya terus nanti waktunya habisin

1:01:27ah belum bikin Project belum bikin Project nanti harus report lagi kan ya Heeh eh Oke ini tutorialnya oh ini cara

1:01:38instalnya Jupiter notebook tinggal pencet pencet aja iya iya play ya Oke tapi ini kayak explorekplore gitu sih nanti nanti Katakanlah kita

1:01:49udah oke terus kita masukin ke e koding Kita masukin kode kan tuh ada k [Musik] terus jadi endpint jadi endpoint oh

1:01:59masing-masing spek tuh e jadi kayak endpoint ya he Jadi sebenarnya kita seolah-olah bikin seperti ini tapi versi

1:02:07sendiri i bisa banyak bisa Ching Iya bisa banyak Nah bisa combine bisa combine juga modal dan lainlain i i i ngerti ngerti ngerti

1:02:19Oh gitu oke menarik ya ap lagi yang bisa kitalore Nah kalau tadi kan chat kalau free gimana

1:02:33freah itu kita kayak bisa itu [Musik]

1:02:53Dias Framework to learn perang to learn web web develop paling jawabnya yang punya Google yaaturnya berapa nih mau kreatif

1:03:07atau mau kreatif dulu ya halo halo halo halo ya jawnya Go oh ggak ya wah jawabnya cukup relevan

1:03:20Ya normal kok jawabannya normal ya Oke tapi dia tetap masukin angular loh jangan begitu ah oke sekarang

1:03:31temperaturnya nol ya datang kayaknya itu mungkin kita bisa kerasa anu saya apa ini cuman kebalik aja sama Cuma

1:03:44maksudnya maksudnya e dari akurasi sama ya Iya mungkin itu cerita tadi jadi kayak kita cobanya dia suruh gener G pakai

1:03:57bahasa Indonesia aja mas Bisa [Musik] [Tertawa] kok oh iya boleh boleh coba ini dia ya badmon

1:04:16player itu

1:04:31end halunya halunya emion g is of the sufulonm players of all [Tertawa]

1:04:47time Gimana kalau dia disuhreatif ini normal ya Tunya bisnis wong ini keren PT Tirta fresindo

1:05:04Jaya lahir di Semarang Waduh masuk forb loh 1954 masuk forb loh masuk mungkin beneran ada nih orangnya ada k Iya

1:05:18enggak cuma makudnya namanya Apakah exactly kayak gitu Enggak tuh Nob noba Eka Nob ek coboba

1:05:34ek Eka jayyun ini temperaturnya

1:05:53berapaones [Tertawa] di Malang kuliah di asik keren keren

1:06:08keren player dikasih suami halu banget kan dikasih suami Wah enggak ada yang benar Mungkin

1:06:25ini ya Who is kalau yang terkenal ya Nah kalau ini harus pintar lah kalau dia halu bahaya ini sendiri loh kalau

1:06:39salah Normal atau dibalik Who is kalau orang terkenal senya khusus ya pasti tahu Iya benar kan

1:06:54[Musik] ya kayak ini sih kayak kalau ya itu tadi temperature itu ngefeknya kalau dia gak enggak nemu

1:07:03gitu l Jadi kalau dia gak nemu baru dia mulai halu kalau dia nemu diledennya ya benar gitu dia Man ya iya ya

1:07:16Ben k kan misalnya dia nama itu dia gak dapat data yang cukup Okelah nah cuma tiba-tiba ada chest player pernah

1:07:27kejuaraan ini itu itu udah mengarang bebas sebebasbebasnya ya he I tergantung kemiripan di di di neuronnya dia itu salah satu

1:07:41ggak tahu mana karena kita ggak bisa tebak kalau model itu kan sudah kayak black box ya k Udah Heeh udah Kompleks

1:07:49banget oke manusia ya kalau dia udah terjur dia punya mindset cara pikir tertentu ya kan ee pola cara mikir dia

1:08:00ada polanya tapi kita yang di luar ya kita enggak tahu exactly cara mikir dia gimana gitu kayak orang ya benar sih

1:08:08Berarti suatu saat suatu saat nanti ada ada satu apa namanya Bidang ilmu atau spesialis itu namanya psikolog psikolog

1:08:18Ai engak psikolog Ai jadi kalau ai-nya sakit Halo perusahaan punya ei-nya sakit dan Halo dibawa ke psikolog

1:08:29aiat Tapi ini masih halu Iya halunya masih istilahnya masih kata-kata kan kadang-kadang saya suka sering nemu ee

1:08:39random ee Ini aja random karakter aja jadi yang kata-kata yang mungkin bahasa yang lain ya bahasa negara lain atau

1:08:47gimana gitu ya jadi AG oh Cuma bukan enggak make sense Ya maksudnya jawabannya enggak make sense sama sekali

1:08:53kan orang masih bisa percaya l ya gitu walaupun halu gitu meyakinkan loh cukup meyakinkan terus hal halunya positif

1:09:00kalau yang dulu Open Ai ada kan tuh yang ngotot kamu sudah meninggal itu seram banget itu Malas banget sih sampai tawar

1:09:08sampai orangnya tawar menawar gitu loh udah berargumen Enggak saya enggak meninggal coba mana obituarinya Enggak adaap kamu sudah meninggal di tahun

1:09:19berapa oke oke nah kalau yang tim Google kan katanya sih gak keluar-keluar Soalnya responsible Ai jadi dia kayak mau

1:09:26nge-filter gak boleh negatif blas chatbot ini jadi kayak enggak boleh marahmah Enggak boleh head speech enggak boleh Wah itu ngfilter data di internet

1:09:37itu berat loh jadi kayak difilter dulu supaya knowledge-nya ini baik hati gitu loh Yes nah nah ini kita sudah mulai ada

1:09:46gambaran lah ya kalau kita mau bikin produk atau mau bikin aplikasi web untuk apa memanfatkan Ai kira-kira ee menurut

1:09:56Bu Ester kalau kita sebagai web developer itu apakah kita perlu tahuerja LLM perlu tahu machine learning itu

1:10:05kayak gimana cara training itu gim atau Black aja seperti yang seberapa jauh Seberapa jauh yang perlu kita kulik

1:10:16kita EXP He Kalau menurutku sih yang penting tahu tool yang tepat ya jadi oke tepat Nah itu aja yang penting sih kalau

1:10:28sampai ke dalamnya itu kayak e Kayak udah susah kalau kita mau ini apa kayak loopnya gimana di dalam itu kalau kita

1:10:38mau bongkar kita mau ubah-ubah itu udah kayak e ya udah jauh banget karena kan ya kita kalau misalnya

1:10:46bikin LLM sendiri pun bisa sih cuman kayak ggak mungkin ngalahin yang udah punya parameter yang e Bil paramer gitu jadi lebih baik sih

1:10:57kita kayak tadi F tuning jadi kita butuh apa kita kumpulkan datanya kita lempar kayak gitu Pakai aja toolol ea yang

1:11:08sekarang udah banyak banget misalnya mau bikin recommender di web nah pakai aja misalnya ada recommender Jadi kalau

1:11:16customer mau disaranin misalnya nonton film apa at beli produk apa Nah itu kita eh jangan sampai enggak enggak

1:11:24ngasih karena semua kan sekarang sudah ada cuman tinggal pakai tool yang mana kita explore aja gitu apalagi sekarang

1:11:32sudah bisa tanya kan jadi tanya aja ke J Aku Punya website ini api yang mana yang bisa aku pakai sampai tanya eh format

1:11:42data masuknya kayak apa gimana fine tuningnya Nah itu kita tinggal tanya aja terus kita coba explore gitu

1:11:51Oke kalau misalnya pakai t saya ini e misalnya ada saya ada kasus contohnya situsnya situsnya sudah ada dan taruhah

1:12:01situsnya situs resep ya resep masakan dan dia sudah punya 1000 1000 2000 resep masakan dan kita mau spesific training

1:12:11eh resep masakan yang ada di database kita supaya kalau ditanya Ai hanya yang bersangkutan yang di database kita aja

1:12:19itu pakai vertex aah atau gimana bisa si can bisa juga Ee Kita misalkan pakai Gema tadi itu bisa juga

1:12:29jadi Ee kita eh yang penting siapin datanya terus kita nanti lempar ke model yang kita inginkan Nah kalau verte ea

1:12:38itu kan lebih ke arah sebenarnya kalau memang mau ditaruh di Google Cloud sih Oke jadi kalau memang pengin ditaruh di

1:12:45Google Cloud ya kita bisa pakai itu dengan mudah jadi tinggal pilihpilih pilih gitu Masuk beres tapi kalau ee mau

1:12:54di platform lain ya kita harus ya itu tadi kita download yang bisa open source mod terus kita cocokin kitaun dengan

1:13:04data kita setah itu bebas ya Mau kitaploy di mana Itu maksudnya dirra Ya rra Pak pakra Pak Datanya kitaah

1:13:15maksudnya atuning tuning lebihat tuning karenaak enggak enggak seluruhnya dilatih ulang tapi yang dilatih ulang hanya yang terakhir gitu

1:13:28konten resepnya nah fine tuning itu sebenarnya exactly gimana sih prosesnya kan tadi harus dicvert menjadi vektor misalnya data kita json itu ada toolsnya

1:13:39atau ada jadi data json kita nanti namanya embeding nah di verte Ai jug ada Oh itu yang namanya embeding he Jadi

1:13:49gimana data kita itu kita ubah jadi angka supaya bisa diproses sama modelnya nah ing sendiri itu juga banyak tekniknya

1:13:58yang penting sih kita cari ini yang untuk kita mengol data teks kita eding teks kalau gambar kita eding gambar

1:14:04kalau multimodal berarti memang pilih embeding yang untuk multimodal kayak gitu terus ya bisa juga vertex Ai untuk

1:14:13edingnya to bisa juga semuanya satu pipeline ya jadi dariing terus diolah sampai keluar hasilnya juga bisa gitu

1:14:22cuman kelebihannya kalau di vertex eii kan kalau ada update misalnya model terbaru misalnya parameternya nambah gitu kita bisa langsung dapat yang

1:14:33terbaru kan gitu kalau kita e oh kalau kita lokal ya harus download lagi kita tes lagi gulah ya oke tadi itu

1:14:47ada fine tuning kalau gak salah ada satu lagi yang sebelumine tuning yang misalkan dia bisa baca dari dokumen

1:14:57pdfah transfer learning Biasanya kalau transfer learning kalau transfer learning itu misalnya nih e dia pintar e deteksi ini

1:15:13ya kucing sama cat atau dog gitu ya terus kita ambil kita suruh deteksi animal yang lain itu juga bisa gitu jadi

1:15:23misalnya kita cari kita tergantung kebutuhan ya Misalnya kita ee maunya model yang lengkap itu kan pasti besar

1:15:30file size-nya dan sebagainya Nah kalau kita mau yang model yang ekonomis Nah kita bisa pakai yang enggak terlalu

1:15:37besar kita ee coba pakai teknik transfer learning itu tadi itu juga bisa cuman sekarang emang karena banyak yang

1:15:46ngembangkan Kayaknya udah jarang gitu ya Yang penting sekarang tinggal pakai fine tuning itu h Oke proses fine tuning itu sendiri mahal

1:15:59enggak sih Nah berat enggak sih Kalau dijalankan di lokal ya kalau di lokal emang kayak tapi jauh lebih ringan

1:16:08daripada kita bangun sendiri sih Oh iya tapi memang kadang ya beberapa tahun lalu kayak aku mau nyoba kadang sampai

1:16:17butuh 2 hari gitu baru keluar hasilnya ah 2 hari zaman dulu data Sebanyak apa Jadi deg-degan ya

1:16:27biasanya kayak ribuan kalimat gitu misalnya sentimen analisis ribuan kalimat tu kadang kayak ya itu kalau pakai komputer yang tanpa GPU itu kayak

1:16:37degdegan gitu jadi kayak nunggu hasilnya du hari lagi nah tapi sekarang ya karena udah banyak model yang kita tinggal sih Jadi ya gak

1:16:52usah bangun sendiri gitu Ngapain effort terlalu berat kan gitu Ada apa ya Ee udah ada model dasarnya tinggal kita

1:17:01tambahin Buu ekstranya aja gitu yaiknya lah ya Jadi udah enggak usah reuse saja terus dicustom ya oke nah Ini ada pertanyaan menarik nih

1:17:14dari ikmalil terkait data yang kita upload untuk training itu privasinya gimana nah Emang sih kalau kita ya kan dijamin sih sama

1:17:26provider Cloud misalnya kita taruh di vbteex sih Google kayak punya eh aturan-aturan enkripsi apa terus kita juga harus memastikan datanya secure

1:17:35juga sih cuman kalau tadi yang sampai kita ngobrolin Kalau merasa enggak mau data itu masuk ke platform lain berarti

1:17:43kita ambil aja open source model kita taruh di lokal itu sendiri Heeh Iya contohnya Gema e ya

1:17:55Heeh itu dijamin datanya enggak bakal diraining ulang sama provider Cloud ya k lokal kan Bisa kok itu karena cuma

1:18:05kita yang punya Cuman kita yang punya Oke kalau begitu mungkin untuk sesi kali ini kita udahan dulu udah satu

1:18:15hampir 1 setengah jam kita ngobrol-ngobrol tentang Ai mulai dari apa ee bingung kita mau mulai dari mana

1:18:22Kayaknya udah mulai ada gambaran mudah-mudahan teman-teman juga dapat gambaran ee apa sedikit gambaran lah ini kalau mau nyoba gimana Mungkin ada yang

1:18:33mau sebelum kita Udan ada yang mau ditambahkan dari Bu Ester Eh kalau dari aku sih ya ya segera

1:18:41dicoba gitu ya karena Emang sekarang ya kita kayak perlu pembeda kan kalau kita kayak bikin startup atau web atau app

1:18:49kayak apa pembeda app kita dengan yang lain biasanya kan personalization customization jadi semuanya itu bisa dikembangkan dan dengan tooltool ai

1:19:02sekarang kita ggak usah develop sendiri udah bisa pakai aja Eh misalnya kita ngolah lognya user terus kita bisa tahu dia senang yang apa

1:19:12Nah itu semua kalau bisa kayak data-data yang kita dapetin dari app juga jangan didiumin aja tapi kita bikin

1:19:20recommendation dari data-data itu kita jadi besttian sama a gitu ya segera tanya si ini kamu bisa bantu aku apa sih

1:19:32gitu kita cari kita cari e apa aja Ai bisa support untuk Project kita terus tapi yang penting sih yang tadi yang eal

1:19:41dan responsible A jadi jangan gunakan UN hal-hal yang kurang baik tapi kita fokus di eh mencari kelebihan dari ea

1:19:51itu Oh iya ya sekarang tuh kalau dulu kita mau bikin recommendation system mau bikin sentiment analisis tuh kayaknya

1:19:58Wah kita butuh data ribuan gitu kan sekarang kayaknya udah ada modelnya kita tinggal tambahin Iya tambahin berapa

1:20:05kita masukin data kita sendiri aja ya udah cukup gitu ya Iya he jauh lebih gampang ya oke He kalau pengin coba-coba

1:20:14di mediumku juga ada beberapa tutorial jadi di mediumnya apa mediumnya medium nya ya Ester Irawati Ester Irawati dicari aja ya

1:20:27medium.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

1:20:40ini ya ngobrolin web sukses terus asik terima kasihain S turnamen badmintonnya ya Iya suka sama ya Iya jangan lupajak sparing

1:20:55partner ek Iya ajak sparing partner ek main catur yang satu iya sama Grand Master Siapa itu iya

1:21:06iya i i ya Oke kalau gitu eh mungkin kita udahan dulu terima kasih banyak buat semua yang sudah nonton

1:21:12mudah-mudahan dapat manfaatnya dari obrolan kita malam hari ini kita ketemu lagi minggu depan di hari seperti biasa

1:21:21di hari yang sama Selasa malam Jadi sampai jumpa bye bye bye bye