Belajar teks, NLP, dan AI generatif dengan cara yang runtut, ringan, dan mudah dipahami
Modul ini dirancang agar mahasiswa tidak langsung “dilempar” ke istilah teknis yang rumit. Alurnya dibuat seperti belajar naik sepeda. Pertama mengenal sepeda dan jalannya, lalu berlatih menjaga keseimbangan, sesudah itu baru berani melaju lebih cepat. Di mata kuliah ini, keseimbangan awalnya adalah preprocessing dan fitur teks. Setelah itu mahasiswa masuk ke model klasik, embedding, transformer, lalu AI generatif dan RAG.
Silakan mulai dari sesi 1 dan 2 yang sudah tersedia. Sesi berikutnya akan ditambahkan bertahap. Di bagian bawah juga sudah ada ruang diskusi berbasis LLM untuk membantu mahasiswa bertanya ulang dengan bahasa yang lebih sederhana.
Garis besar alur belajar
Agar mahasiswa paham alasan tiap sesi, bukan hanya ikut mengetik kode.
Memahami teks sebagai data
Pada tahap awal mahasiswa diajak sadar bahwa teks yang dibaca manusia tidak otomatis bisa dibaca mesin. Mesin perlu dibantu mengubah kalimat menjadi bentuk yang lebih rapi, konsisten, dan bisa dihitung.
Mengubah teks menjadi fitur
Setelah teks dibersihkan, mahasiswa belajar membuat representasi angka. Ini seperti mengubah isi perpustakaan menjadi katalog terstruktur agar komputer bisa melakukan pencarian dan analisis.
Membangun model pemahaman dan prediksi
Pada tahap ini mahasiswa mengajar komputer untuk membedakan opini positif dan negatif, mengenali spam, atau mengelompokkan berita. Dari sinilah konsep machine learning terasa nyata.
Naik ke model modern dan AI generatif
Sesudah fondasi kuat, mahasiswa diperkenalkan ke embedding, transformer, LLM, prompt engineering, semantic search, dan RAG. Ini ibarat pindah dari kendaraan manual ke kendaraan yang jauh lebih cerdas.
Menu 16 sesi praktikum
Sesi 1 dan 2 sudah aktif. Sesi 8 dan 16 ditandai sebagai UTS dan UAS.
Pengantar NLP, Text Mining, dan AI Generatif
Mengenal gambaran besar mata kuliah, alur praktikum, dan kenapa komputer perlu belajar memahami teks manusia.
Text Preprocessing
Membersihkan teks agar siap diolah mesin, mulai dari huruf besar kecil sampai tokenisasi dan stemming.
Representasi Teks: BoW, N-gram, TF-IDF
Mengubah teks menjadi angka agar bisa diproses model.
Klasifikasi Teks dengan ML Klasik
Membangun model untuk mengenali sentimen, kategori, atau topik.
Evaluasi Model Teks
Belajar membaca akurasi, precision, recall, dan F1 dengan cara yang mudah.
Word Embedding
Mengenal cara mesin menangkap makna kata secara lebih cerdas.
Transformer dan Fine-Tuning Dasar
Mengenal era modern NLP dengan attention dan model pretrained.
UTS Praktikum
Ujian tengah semester berbasis praktik dan pemahaman dasar.
Pengantar LLM dan AI Generatif
Memahami model besar bahasa dan cara kerjanya secara sederhana.
Prompt Engineering
Belajar menulis instruksi yang membuat LLM memberi jawaban lebih baik.
Text Generation, Summarization, Paraphrasing
Menerapkan AI generatif pada tugas teks yang nyata.
Sentence Embedding dan Semantic Search
Membuat pencarian dokumen yang paham makna, bukan sekadar kata.
RAG Dasar
Menggabungkan pencarian dokumen dengan AI generatif.
Evaluasi Output AI Generatif dan Etika
Menilai kualitas jawaban AI dan memahami batas penggunaannya.
Mini Project Integratif
Menyatukan seluruh konsep menjadi prototipe sederhana.
UAS Praktikum
Penilaian akhir berbasis proyek, pemahaman, dan presentasi.
Mengapa modul ini dibuat seperti ini
Banyak mahasiswa merasa mata kuliah AI atau NLP terlihat menakutkan karena istilahnya banyak dan sering langsung masuk ke coding. Padahal, masalah utamanya sering bukan pada kodenya, melainkan pada cara menjelaskan. Karena itu modul ini menempatkan penjelasan sebagai jembatan. Setiap konsep diusahakan punya ilustrasi sederhana.
Bayangkan komputer adalah anak kecil yang sangat patuh, tetapi sangat harfiah. Jika kita memberi teks yang berantakan, anak itu bingung. Jika kita membersihkan dan merapikan teks, lalu memberi contoh yang jelas, ia jauh lebih mudah belajar. Itulah alasan mengapa preprocessing, fitur, dan contoh data menjadi penting.
Mahasiswa pemula
Fokus utama adalah memahami alur. Tidak apa jika belum hafal semua istilah. Yang penting tahu hubungan antarbagian.
Mahasiswa yang sudah bisa Python
Gunakan modul ini untuk menambah intuisi, bukan hanya mengejar syntax. Pemahaman konsep akan sangat membantu saat error terjadi.
Ruang Diskusi Mahasiswa dengan Sistem LLM
Tanyakan konsep, latihan, studi kasus, atau minta penjelasan ulang dengan bahasa yang lebih sederhana. Sistem hanya melayani topik yang masih berkaitan dengan mata kuliah ini.