Kecerdasan Buatan: Search, Pengetahuan, dan Penalaran
Kenali mana masalah yang butuh sistem cerdas, lalu pilih dan jalankan teknik yang tepat untuk menyelesaikannya.
Deskripsi
Course tentang sisi kecerdasan buatan yang bekerja tanpa data latih: cara merumuskan masalah jadi ruang keadaan, algoritma search dari BFS sampai A*, local search dan minimax untuk masalah besar, representasi pengetahuan dengan logika dan ontologi, sampai penalaran ketika informasinya tidak pasti. Tiap teknik dibandingkan lewat ukuran yang jelas, bukan lewat klaim mana yang paling bagus.
Kurikulum
Apa yang Bikin Sistem Disebut Cerdas
○Sistem Cerdas dan Program Biasa: Apa Bedanya
○Agent, Lingkungan, dan Ukuran Keberhasilan
○Merumuskan Masalah Jadi Ruang Keadaan
Search: Cara Mesin Mencari Solusi
○Search Tanpa Petunjuk: BFS, DFS, dan UCS
○Heuristik dan A*: Search yang Punya Arah
○Membandingkan Algoritma Search: Lengkap, Optimal, Mahal
Search Lanjutan untuk Masalah yang Lebih Besar
○Local Search: Hill Climbing dan Simulated Annealing
○Adversarial Search: Minimax dan Alpha-Beta
○Constraint Satisfaction: Menjadwal Tanpa Bentrok
Pengetahuan dan Penalaran
○Logika dan Inferensi: Menyimpulkan dari Fakta
○Sistem Berbasis Aturan: Forward dan Backward Chaining
○Representasi Pengetahuan Lanjutan: Ontologi dan Graf Pengetahuan
○Penalaran di Bawah Ketidakpastian: Bayes dan Bayesian Network