Course Artificial Intelligence

Course Description

This course introduces the basic concepts of artificial intelligence as well as various approaches and techniques for solving problems in the field of artificial intelligence. Lecture participants will be equipped with theoretical understanding and practical skills related to the basics of developing intelligent and autonomous agents. Topics discussed include the concepts of artificial intelligence and rational agents; modeling techniques and finding solutions to various types of problems in intelligent systems, including: uninformed search, informed/heuristic search, local search, adversarial search, constraint satisfaction problems, logical approaches to knowledge representation and reasoning, probabilistic approaches to decision making, machine learning, multi-agent systems; as well as philosophical and ethical issues of artificial intelligence.

Program Objectives (PO)

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 26 Agustus 2025

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 2025

Pertemuan 3
Teknik-teknik penyelesaian constraint satisfaction problem
Date 16 September 2025

Pertemuan 4

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

Date 23 September 2025

Pertemuan 5
Algoritma pembelajaran (supervised learning)
Date 30 September 2025
Pertemuan 6
Algoritma pembelajaran (unsupervised learning)
Date 7 Oktober 2025
Pertemuan 7
Algoritma pembelajaran Decision Tree
Date 14 Oktober 2025
Pertemuan 8
Materi yang telah disampaikan sejak pertemuan ke-1 sampai dengan ke-7.
Date 21 Oktober 2025
Pertemuan 9
Algoritma Random Forest
Date 28 Oktober 2025
Pertemuan 10
Prinsip-prinsip pengambilan keputusan berdasarkan pemodelan dan penalaran probabilistik serta pemelajaran dari data
Date 4 November 2025
Pertemuan 11
Pembelajaran algoritma berbasis Neural Network
Date 11 November 2025
Pertemuan 12
Date 18 November 2025
Pertemuan 13
Algoritma teori optimasi
Date 25 November 2025
Pertemuan 14
Merancang penyelesaian masalah menggunakan teknik kecerdasan artifisial
Date 2 Desember 2025
Pertemuan 15
Merancang penyelesaian masalah menggunakan teknik kecerdasan artifisial
Date 9 Desember 2025

Pertemuan 16

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