Log in to access more pages.
Create an account or log in to continue reading more pages.
Log in
Daftar isi
Memahami Large Language Model
Dari prinsip pertama hingga mampu memahami, menggunakan, dan membangun AI seperti ChatGPT, Claude, Gemini, Grok, Kimi, dan DeepSeek
Baca setiap bagian secara berurutan. Setiap judul dapat dibuka sebagai dokumen TheoryTrace.
- Cover1
- Hak cipta2
- Petunjuk membaca buku ini3
- Pendahuluan4
- Bab 1: Mengapa LLM Terasa Cerdas?5
- Bab 2: Bahasa sebagai Sistem Pola6
- Bab 3: Dari Aturan Manual ke Pembelajaran Mesin7
- Bab 4: Probabilitas Tanpa Rasa Takut8
- Bab 5: Vektor: Cara Komputer Menata Makna9
- Bab 6: Embedding dan Kedekatan Makna10
- Bab 7: Neural Network dari Nol11
- Bab 8: Belajar dari Kesalahan: Loss, Gradient, dan Backpropagation12
- Bab 9: Token: Potongan Bahasa yang Dibaca LLM13
- Bab 10: Masalah Ingatan dalam Model Bahasa Lama14
- Bab 11: Transformer: Mesin Utama di Balik LLM Modern15
- Bab 12: Attention: Cara Model Memilih Apa yang Penting16
- Bab 13: Di Dalam Satu Lapisan Transformer17
- Bab 14: Pretraining: Membaca Internet untuk Belajar Dunia18
- Bab 15: Fine-Tuning, Instruction Tuning, dan RLHF19
- Bab 16: Mengapa LLM Bisa Bernalar, Menulis Kode, dan Menjawab Ujian?20
- Bab 17: Halusinasi, Kesalahan, dan Batas Pengetahuan21
- Bab 18: Prompting sebagai Keterampilan Berpikir22
- Bab 19: RAG: Menghubungkan LLM dengan Pengetahuan Eksternal23
- Bab 20: Tool Use, Agent, dan Otomasi Kerja24
- Bab 21: Multimodal AI: Teks, Gambar, Suara, dan Video25
- Bab 22: Membangun Mini-LLM Secara Konseptual26
- Bab 23: Evaluasi: Bagaimana Menilai LLM dengan Benar27
- Bab 24: Etika, Keamanan, dan Masa Depan LLM28
- Penutup29