🤖 1. Machine Learning (ML)
Pengertian: Cabang AI yang membuat komputer belajar dari data dan membuat prediksi tanpa diprogram secara eksplisit.
Contoh: Sistem rekomendasi di YouTube atau Netflix.
🧠 2. Deep Learning (DL)
Pengertian: Subset dari machine learning yang menggunakan jaringan saraf tiruan (neural networks) berlapis banyak untuk belajar fitur data secara kompleks.
Contoh: Pengenalan gambar, pengenalan suara.
🕸️ 3. Neural Network (Jaringan Saraf Tiruan)
Pengertian: Model komputasi terinspirasi dari otak manusia, terdiri dari lapisan neuron buatan yang saling terhubung untuk memproses data.
Contoh: Digunakan dalam klasifikasi gambar dan bahasa.
🧠 4. Supervised Learning
Pengertian: Metode pembelajaran mesin di mana model dilatih menggunakan data berlabel (input dan output diketahui).
Contoh: Klasifikasi email sebagai spam atau bukan.
🧠 5. Unsupervised Learning
Pengertian: Metode pembelajaran mesin untuk menemukan pola dari data tanpa label.
Contoh: Klasterisasi pelanggan berdasarkan perilaku belanja.
🤖 6. Reinforcement Learning
Pengertian: AI belajar lewat trial-and-error dan diberi “reward” setiap kali membuat keputusan benar.
Contoh: AI bermain game seperti Go atau Dota.
🧠 7. Natural Language Processing (NLP)
Pengertian: Cabang AI untuk memproses dan memahami bahasa manusia.
Contoh: ChatGPT, Google Translate.
📊 8. Computer Vision
Pengertian: Bidang AI agar komputer bisa mengenali dan memahami gambar atau video.
Contoh: Face ID, sistem kendaraan otonom.
🎨 9. Generative AI
Pengertian: AI yang membuat konten baru (teks, gambar, video) berdasarkan contoh data.
Contoh: DALL·E, Midjourney, ChatGPT.
🧮 10. Algorithm (Algoritma)
Pengertian: Urutan instruksi logis untuk memecahkan masalah.
Contoh: Algoritma pencarian data, algoritma pembelajaran.
⚙️ 11. Training
Pengertian: Proses memberikan contoh data ke AI agar model bisa belajar pola.
Contoh: Melatih model AI agar mengenali gambar kucing.
🧪 12. Inference
Pengertian: Fase saat AI sudah dilatih dan dipakai untuk membuat prediksi baru.
Contoh: AI memproses gambar baru dan memberi tahu objeknya.
💾 13. Dataset
Pengertian: Kumpulan data untuk melatih dan mengevaluasi AI.
Contoh: Kumpulan foto, teks, suara, atau data numerik.
🧠 14. Overfitting
Pengertian: Ketika model AI terlalu "hapal" data latih hingga performanya buruk di data baru.
Contoh: AI hanya akurat di data training, tetapi gagal di data nyata.
⚖️ 15. Bias (Bias)
Pengertian: Kecenderungan sistem AI untuk berpihak ke kelompok/data tertentu.
Contoh: AI seleksi pekerja hanya memilih kandidat dari gender tertentu karena data latihnya tidak seimbang.
