Inilah episode terakhir dari seri Belajar AI. Dua puluh empat episode sudah kita lewati — dari sejarah AI, machine learning, neural network, transformer, sampai praktik menjalankan LLM lokal dengan GGUF. Episode ini tidak memperkenalkan konsep baru; isinya cuma satu: peta jalan. Setelah seri ini tuntas, ke mana arah belajarnya berlanjut?
Belajar AI #25: Penutup Seri — Roadmap Lanjutan Belajar AI Lanjutkan membacaSetelah 23 episode — dari definisi AI sampai proyek klasifikasi pertama — sekarang saatnya menjawab pertanyaan praktis yang paling sering ditanyakan: “bisa nggak sih jalankan LLM di laptop sendiri, tanpa API dan tanpa kirim data ke cloud?” Jawabannya bisa, berkat dua hal: quantization dan format file GGUF. Episode ini kita bedah tuntas keduanya.
Belajar AI #24: GGUF & Quantization — Menjalankan Model AI di Komputer Sendiri Lanjutkan membacaTeori sudah berhimpun di 22 episode pertama. Sekarang saatnya bukti: satu proyek kecil, dari nol sampai model menghasilkan angka akurasi. Saya pilih dataset iris — klasik, kecil, dan bisa dijalankan di laptop apa pun tanpa GPU. Tujuannya bukan angka akurasi setinggi mungkin, tapi membiasakan otot alur kerja ML: load data, split, train, evaluasi. Kalau Anda belum pernah menyelesaikan satu siklus penuh, episode ini teman yang pas.
Belajar AI #23: Proyek Kecil — Klasifikasi dengan Python dari Nol sampai Akurasi Lanjutkan membaca
Komentar Terbaru