AI

Dari convolutional neural networks untuk pengenalan gambar, RNN/LSTM untuk data sekuensial, hingga transformer architecture dengan self-attention yang mendasari ChatGPT dan model LLM modern. Penjelasan konseptual dengan kode.

Dari perceptron sederhana ke deep neural networks — pahami forward propagation, backpropagation algorithm, gradient descent optimization, activation functions, regularization, dropout, batch normalization, dan tips training deep networks. Materi CS229 + best practices modern.

Panduan komprehensif Double Machine Learning (DML) — teknik revolusioner untuk estimasi efek kausal menggunakan machine learning. Pelajari cara DML mengatasi confounding, mengestimasi treatment effect heterogeneity, dan aplikasinya dalam riset kebijakan sosial.

Eksplorasi lengkap bagaimana machine learning merevolusi ilmu sosial — dari sejarah prediksi sosial, supervised vs unsupervised learning, hingga transformasi paradigma penelitian. Dilengkapi perspektif dari buku "Machine Learning in Social Science" karya Chen, Chen, Ma & Ju (2025).

Panduan lengkap tentang AI Harness Engineering — disiplin untuk membangun lapisan runtime, guardrails, observability, sandboxing, dan governance di sekitar AI Agents. Membahas tujuh lapisan harness, MCP, evaluasi, serta praktik terbaik agar AI Agents bisa diandalkan di production.

Panduan lengkap dalam Bahasa Indonesia yang merangkum penerapan Artificial Intelligence dalam dunia data science. Mulai dari konsep dasar AI, deep learning frameworks (TensorFlow, Keras, MXNet), algoritma optimisasi, CNN, RNN, Transfer Learning, GANs, hingga aspek bisnis dalam proyek AI. Berdasarkan buku AI for Data Science karya Zacharias Voulgaris & Yunus Emrah Bulut.