Membahas konsep dan implementasi AI mulai dari problem solving agent, knowledge-based reasoning, fuzzy logic, machine learning (supervised, unsupervised, reinforcement), hingga deep learning.
Capaian Mata Kuliah
CPL-4 - Mengembangkan diri secara berkelanjutan dan berkolaborasi.
CPMK 4.1 - Mahasiswa mampu berkolaborasi dalam proyek berbasis AI serta mengomunikasikan hasil implementasi dan evaluasi solusi multi-platform sesuai kebutuhan dunia industri.
SUB-CPMK 4.1.1 - Merancang Proyek Kolaboratif Berbasis AI sesuai Kebutuhan Nyata
SUB-CPMK 4.1.2 - Mengimplementasikan Solusi AI dalam Proyek Kolaboratif Tim.
SUB-CPMK 4.1.3 - Melakukan Pengujian, Validasi, dan Penyempurnaan Solusi AI.
SUB-CPMK 4.1.4 - Mengomunikasikan dan Mempresentasikan Hasil Proyek AI
CPL-5 - Mampu menganalisis persoalan computing yang kompleks untuk mengidentifikasi solusi pengelolaan proyek teknologi bidang informatika/ilmu komputer dengan mempertimbangkan wawasan perkembangan ilmu trandisiplin
CPMK 5.1 - Mahasiswa mampu menjelaskan konsep dasar Artificial Intelligence serta peranannya dalam menyelesaikan masalah nyata.
SUB-CPMK 5.1.1 - Memahami konsep dasar AI serta mengoperasikan Python di Google Colab.
CPMK 5.2 - Mahasiswa mampu membedakan dan mengimplementasikan problem solving agent dengan pendekatan brute force dan greedy (contoh TSP).
SUB-CPMK 5.2.1 - Menganalisis problem solving agent dengan strategi brute force dan greedy.
CPMK 5.3 - Mahasiswa mampu merancang knowledge-based agent untuk menyelesaikan permasalahan Wumpus World.
SUB-CPMK 5.3.1 - Merancang dan mengimplementasikan knowledge-based agent pada kasus Wumpus World.
CPMK 5.4 - Mahasiswa mampu menerapkan fuzzy logic untuk menangani ketidakpastian dalam pengambilan keputusan.
SUB-CPMK 5.4.1 - Menerapkan fuzzy logic untuk menyelesaikan masalah dengan ketidakpastian.
CPMK 5.5 - Mahasiswa dapat menerapkan teknik-teknik kecerdasan buatan dalam pengembangan sistem yang dapat beradaptasidengan kebutuhan pengguna dan kondisi lingkungan yang berubah-ubah
SUB-CPMK 5.5.1 - Menjelaskan konsep dasar machine learning dan teknik pembagian data.
CPL-10 - Kemampuan mendesain, mengimplementasikan, dan mengevaluasi solusi berbasis computing multi-platform yang memenuhi kebutuhan organisasi
CPMK 10.1 - Mahasiswa mampu mengimplementasikan algoritma klasifikasi (logistic regression, decision tree dan KNN) pada data nyata.
SUB-CPMK 10.1.1 - Mengimplementasikan berbagai algoritma klasifikasi pada data nyata.
CPMK 10.2 - Mahasiswa mampu menerapkan metode clustering (K-Means, hierarchical clustering) dan dimensionality reduction (PCA) untuk analisis data.
SUB-CPMK 10.2.1 - Menerapkan metode clustering dan dimensionality reduction untuk analisis data.
CPMK 10.3 - Mahasiswa mampu merancang solusi berbasis reinforcement learning, deep learning, dan deep reinforcement learning untuk kasus tertentu.
SUB-CPMK 10.3.1 - Merancang solusi berbasis reinforcement learning pada kasus tertentu.
SUB-CPMK 10.3.2 - Mengimplementasikan deep learning dan deep reinforcement learning pada kasus terapan.
CPL-11 - Mampu mengimplementasikan kebutuhan computing dengan mempertimbangkan berbagai metode/algoritma yang sesuai
CPMK 11.1 - Mahasiswa mampu mengimplementasikan algoritma regresi (linear regression, decision tree) pada permasalahan terapan.
SUB-CPMK 11.1.1 - Mengimplementasikan algoritma regresi untuk memecahkan kasus terapan.
CPMK 11.2 - Mengevaluasi pemahaman, penerapan, dan integrasi konsep Artificial Intelligence melalui ujian tertulis berbasis kasus nyata.
SUB-CPMK 11.2.1 - Mengevaluasi pemahaman mahasiswa melalui ujian tengah semester (UTS).
SUB-CPMK 11.2.2 - Mengevaluasi capaian pembelajaran mahasiswa melalui ujian akhir semester.
