Course Kecerdasan Artifisial

Deskripsi Mata Kuliah

Mata kuliah ini memperkenalkan konsep dasar kecerdasan buatan (artificial intelligence) serta berbagai pendekatan dan teknik untuk memecahkan permasalahan di bidang kecerdasan buatan. Peserta kuliah akan dibekali dengan pemahaman teoritis dan ketrampilan praktis yang terkait dengan dasar-dasar pengembangan agen yang cerdas dan otonom. Topik-topik yang dibahas meliputi konsep artificial intelligence dan rational agents; teknik-teknik pemodelan dan pencarian solusi dari berbagai variasi permasalahan dalam sistem cerdas, antara lain: uninformed search, informed/heuristic search, local search, adversarial search, constraint satisfaction problems, pendekatan logika untuk representasi pengetahuan serta penalaran, pendekatan probabilistik dalam pengambilan keputusan, pemelajaran mesin, sistem multi-agen; serta isu-isu filosofis dan etis dari kecerdasan buatan.

CPMK

Mahasiswa mampu menjelaskan konsep dasar tentang agen yang cerdas dan otonom
Mahasiswa mampu menerapkan kerangka pikir state-space-search, baik uninformed maupun informed search, untuk memodelkan sebuah masalah, dan merancang serta mengimplementasikannya untuk menyelesaikan masalah tersebut
Mahasiswa mampu menerapkan teknik-teknik penyelesaian constraint satisfaction problems
Mahasiswa mampu menggunakan logika sebagai bahasa representasi pengetahuan untuk memodelkan aspek-aspek tentang dunia nyata, serta melakukan penalaran terhadap representasi tersebut
Mahasiswa mampu menerapkan prinsip-prinsip pengambilan keputusan berdasarkan pemodelan dan penalaran probabilistik serta pemelajaran dari data

Mahasiswa mampu menjelaskan pendekatan algoritma pembelajaran supervised dan unsupervised
Mahasiswa mampu merancang penyelesaian masalah menggunakan teknik kecerdasan artifisial
Mahasiswa mampu menyelesaikan masalah konsep Teori Optimasi
Mahasiswa mampu merancang ide dan penyelesaian masalah menggunakan teknik kecerdasan artifisial secara berkelompok
Mahasiswa mampu menjelaskan pendekatan algoritma pembelajaran berbasis Neural Network
Mahasiswa mampu menjelaskan pendekatan algoritma pembelajaran berbasis Tree

Aktifitas Pembelajaran

Pertemuan 1
Konsep dasar tentang agen yang cerdas dan otonom
Date 2 September 2024

Pertemuan 2

Kerangka pikir state-space-search, baik uninformed maupun informed search, untuk memodelkan sebuah masalah, dan merancang serta mengimplementasikan-nya untuk menyelesaikan masalah tersebut

Date 9 September 2024

Pertemuan 3
Teknik-teknik penyelesaian constraint satisfaction problem
Date 16 September 2024

Pertemuan 4

Konsep logika sebagai bahasa representasi pengetahuan untuk memodelkan aspek-aspek tentang dunia nyata, serta melakukan penalaran terhadap representasi

Date 23 September 2024

Pertemuan 5
Algoritma pembelajaran (supervised learning)
Date 30 September 2024
Pertemuan 6
Algoritma pembelajaran (unsupervised learning)
Date 7 Oktober 2024
Pertemuan 7
Algoritma pembelajaran Decision Tree
Date 14 Oktober 2024
Pertemuan 8
Materi yang telah disampaikan sejak pertemuan ke-1 sampai dengan ke-7.
Date 21 Oktober 2024
Pertemuan 9
Algoritma Random Forest
Date 28 Oktober 2024
Pertemuan 10
Prinsip-prinsip pengambilan keputusan berdasarkan pemodelan dan penalaran probabilistik serta pemelajaran dari data
Date 4 November 2024
Pertemuan 11
Pembelajaran algoritma berbasis Neural Network
Date 11 November 2024
Pertemuan 12
Date 18 November 2024
Pertemuan 13
Algoritma teori optimasi
Date 25 November 2024
Pertemuan 14
Merancang penyelesaian masalah menggunakan teknik kecerdasan artifisial
Date 2 Desember 2024
Pertemuan 15
Merancang penyelesaian masalah menggunakan teknik kecerdasan artifisial
Date 9 Desember 2024

Pertemuan 16

Membuat model Kecerdasan Artifisial dengan konsep dan algoritma yang sudah dipelajari pada masalah nyata dan mempresentasikan serta mendemokan aplikasi yang sudah dibuat.