- Algoritma Genetika: Metode terinspirasi dari evolusi biologis yang digunakan untuk menghasilkan solusi yang semakin baik dalam pencarian ruang solusi yang besar dan kompleks.
- Algoritma Pembelajaran Penguatan (Reinforcement Learning): Pendekatan pembelajaran mesin di mana agen belajar dengan mencoba tindakan dan menerima umpan balik dalam bentuk hadiah atau hukuman.
- Aprendisase Semi-pengawasan (Semi-supervised Learning): Pendekatan di mana model pembelajaran mesin memanfaatkan sejumlah data yang memiliki label dan tidak berlabel dalam pelatihan.
- Augmentasi Data: Teknik yang melibatkan membuat variasi kecil pada data latih untuk meningkatkan keberagaman dan kinerja model.
- Autoencoder: Jenis jaringan saraf tiruan yang digunakan untuk pembelajaran tanpa pengawasan, sering digunakan dalam kompresi data dan reduksi dimensi.
- Big Data: Istilah untuk menggambarkan jumlah data yang sangat besar dan kompleks yang sulit untuk dikelola dengan alat tradisional.
- Chatbot: Program komputer yang menggunakan AI untuk berinteraksi dengan manusia melalui teks atau suara dalam gaya percakapan manusia.
- Cluster Analysis (Analisis Klaster): Metode dalam pembelajaran tanpa pengawasan di mana data dikelompokkan menjadi klaster-klaster berdasarkan kesamaan fitur.
- Deep Learning (Pembelajaran Dalam – Deep Learning): Subbidang pembelajaran mesin yang menggunakan jaringan saraf tiruan berstruktur dalam beberapa lapisan untuk mengenali pola kompleks dalam data.
- Edge Computing: Konsep memproses data secara terdistribusi di tepi jaringan, dekat dengan sumber data, untuk mengurangi latensi dan mempercepat respons.
- Ekstraksi Fitur (Feature Extraction): Proses mengidentifikasi dan memilih atribut penting dari data mentah untuk digunakan dalam pembelajaran mesin.
- Fine-tuning: Proses melanjutkan pelatihan model yang telah ada dengan data yang lebih spesifik atau sedikit perubahan.
- Fungsi Aktivasi: Fungsi matematika yang diterapkan pada output suatu neuron dalam jaringan saraf tiruan.
- Fungsi Kerugian (Loss Function): Metrik yang mengukur seberapa baik model memprediksi nilai yang benar, digunakan selama pelatihan untuk mengarahkan perbaikan model.
- Gradient Descent: Algoritma optimisasi yang digunakan untuk menemukan nilai parameter model yang meminimalkan fungsi kerugian.
- Inteligensi Buatan Kuat (Strong AI): Tingkat kecerdasan buatan yang dianggap setara dengan kecerdasan manusia, memiliki pemahaman yang mendalam dan kemampuan berpikir.
- Inteligensi Buatan Lemah (Weak AI): Kecerdasan buatan yang hanya berfokus pada tugas tertentu tanpa memiliki pemahaman atau kesadaran seperti manusia.
- Internet of Things (IoT): Konsep di mana objek sehari-hari terhubung ke internet dan dapat saling berkomunikasi serta berbagi data.
- Jaringan Generatif: Model dalam deep learning yang dirancang untuk menghasilkan data baru yang serupa dengan data pelatihan yang ada.
- Jaringan Saraf Tiruan (Artificial Neural Network): Model matematika terinspirasi dari struktur dan fungsi otak manusia yang digunakan dalam deep learning untuk memproses informasi.
- Jaringan Syaraf Konvolusi (Convolutional Neural Network – CNN): Jenis jaringan saraf tiruan yang sangat efektif dalam memproses data grid seperti gambar dan video.
- Kecerdasan Buatan (Artificial Intelligence – AI): Cabang ilmu komputer yang berkaitan dengan pembuatan mesin atau program yang dapat melakukan tugas-tugas yang membutuhkan kecerdasan manusia.
- Klasifikasi Berhierarki: Pendekatan klasifikasi di mana pengelompokan hierarkis digunakan untuk mengatur kelas ke dalam struktur pohon.
- Klasifikasi Biner: Tugas di mana model harus memprediksi di antara dua kelas yang mungkin, misalnya, ya atau tidak.
- Klasifikasi Multi-Kelas: Tugas di mana model harus memprediksi kelas dari beberapa pilihan yang mungkin.
- Klasifikasi: Tugas dalam pembelajaran mesin di mana model diinstruksikan untuk mengategorikan data ke dalam kelas-kelas yang telah ditentukan.
- Logika Fuzzy: Pendekatan untuk memproses informasi yang memungkinkan penanganan kesamaran dan ketidakpastian dalam sistem berbasis aturan.
- Machine Learning (Pembelajaran Mesin): Pendekatan AI di mana komputer belajar dari data dan pengalaman untuk meningkatkan kinerjanya pada tugas-tugas tertentu tanpa menggunakan aturan yang eksplisit.
- Model Sekuensial: Tipe model dalam deep learning yang mengatur urutan tugas atau informasi dalam data sekuensial, seperti teks atau waktu.
- Network Architecture (Arsitektur Jaringan): Struktur dan koneksi antara neuron atau unit dalam jaringan saraf tiruan atau model pembelajaran mesin lainnya.
- Overfitting (Kelebihan Penyesuaian): Kondisi di mana model pembelajaran mesin terlalu rumit dan menyesuaikan data latih dengan sangat baik, tetapi tidak generalisasi dengan baik pada data baru.
- Overfitting: Keadaan di mana model pembelajaran mesin terlalu rumit sehingga menyesuaikan data latih dengan sangat baik, tetapi tidak generalisasi dengan baik pada data baru.
- Pengenalan Suara: Cabang AI yang berurusan dengan identifikasi dan pemahaman ucapan manusia.
- Pengolahan Bahasa Alami (Natural Language Processing – NLP): Cabang AI yang berfokus pada interaksi antara komputer dan bahasa manusia melalui pemahaman dan generasi bahasa manusia.
- Pengolahan Citra: Bidang dalam komputer vision yang berfokus pada analisis dan manipulasi gambar.
- Pertambangan Data (Data Mining): Proses mengeksplorasi data besar untuk mengidentifikasi pola dan wawasan yang berharga.
- Pertimbangan Etika AI: Diskusi tentang implikasi etika dalam pengembangan dan penggunaan teknologi kecerdasan buatan.
- Preprocessing Data (Pra-pemrosesan Data): Langkah-langkah yang dilakukan pada data sebelum masuk ke model pembelajaran mesin, seperti normalisasi, penghapusan noise, dan pengisian data yang hilang.
- PyTorch: Perpustakaan machine learning yang populer yang mendukung pengembangan model dengan fleksibilitas tinggi.
- Regresi: Metode statistik untuk memahami hubungan antara variabel-variabel dan memprediksi nilai numerik berdasarkan data yang ada.
- Rekayasa Fitur: Proses merancang dan memilih atribut atau fitur yang relevan dari data mentah untuk digunakan dalam model pembelajaran mesin.
- Robot Pintar (Smart Robot): Robot yang dilengkapi dengan kemampuan AI untuk memahami lingkungan, belajar dari pengalaman, dan berinteraksi dengan manusia serta objek lainnya.
- Robotika: Studi tentang desain, konstruksi, operasi, dan penggunaan robot untuk melakukan tugas-tugas fisik atau kognitif.
- Sistem Pakar: Sistem AI yang menyimpan pengetahuan eksplisit dan dapat memberikan solusi atau saran berdasarkan masalah yang diberikan.
- Sistem Pengenalan Tulisan Tangan: Sistem yang menggunakan AI untuk mengenali tulisan tangan manusia dan mengubahnya menjadi teks yang dapat diproses komputer.
- Sistem Rekomendasi: Teknologi yang menggunakan data pengguna untuk merekomendasikan item atau konten yang mungkin menarik bagi pengguna.
- Supervised Learning (Pembelajaran Terbimbing): Metode pembelajaran mesin di mana model belajar dari contoh data yang telah dilabeli, dengan tujuan untuk memprediksi label pada data baru.
- Teknik Ensemble: Pendekatan di mana beberapa model digabungkan bersama untuk meningkatkan performa prediksi.
- TensorFlow: Perpustakaan open-source yang digunakan untuk implementasi berbagai model AI, terutama dalam deep learning.
- Transfer Learning: Pendekatan di mana model yang telah dilatih pada satu tugas digunakan sebagai awal yang baik untuk belajar tugas yang berbeda.
- Underfitting (Kekurangan Penyesuaian): Kondisi di mana model terlalu sederhana untuk memahami variasi dalam data latih dan tidak bisa berkinerja baik pada data baru.
- Unsupervised Learning (Pembelajaran Tanpa Pengawasan): Pendekatan pembelajaran mesin di mana model mencoba mengidentifikasi pola dalam data tanpa menggunakan label, seperti dalam pengelompokan atau reduksi dimensi.
- Visi Komputer (Computer Vision): Bidang AI yang berfokus pada pengembangan teknologi untuk memungkinkan komputer “melihat” dan memahami dunia melalui gambar dan video.
- Zero-shot Learning: Pendekatan di mana model diberi tugas baru tanpa contoh latih untuk tugas tersebut, seringkali dengan menggunakan pengetahuan dari tugas terkait.