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.

• Cover
• Hak cipta
• Petunjuk membaca buku ini
• Pendahuluan
• Bab 1: Mengapa LLM Terasa Cerdas?
• Bab 2: Bahasa sebagai Sistem Pola
• Bab 3: Dari Aturan Manual ke Pembelajaran Mesin
• Bab 4: Probabilitas Tanpa Rasa Takut
• Bab 5: Vektor: Cara Komputer Menata Makna
• Bab 6: Embedding dan Kedekatan Makna
• Bab 7: Neural Network dari Nol
• Bab 8: Belajar dari Kesalahan: Loss, Gradient, dan Backpropagation
• Bab 9: Token: Potongan Bahasa yang Dibaca LLM
• Bab 10: Masalah Ingatan dalam Model Bahasa Lama
• Bab 11: Transformer: Mesin Utama di Balik LLM Modern
• Bab 12: Attention: Cara Model Memilih Apa yang Penting
• Bab 13: Di Dalam Satu Lapisan Transformer
• Bab 14: Pretraining: Membaca Internet untuk Belajar Dunia
• Bab 15: Fine-Tuning, Instruction Tuning, dan RLHF
• Bab 16: Mengapa LLM Bisa Bernalar, Menulis Kode, dan Menjawab Ujian?
• Bab 17: Halusinasi, Kesalahan, dan Batas Pengetahuan
• Bab 18: Prompting sebagai Keterampilan Berpikir
• Bab 19: RAG: Menghubungkan LLM dengan Pengetahuan Eksternal
• Bab 20: Tool Use, Agent, dan Otomasi Kerja
• Bab 21: Multimodal AI: Teks, Gambar, Suara, dan Video
• Bab 22: Membangun Mini-LLM Secara Konseptual
• Bab 23: Evaluasi: Bagaimana Menilai LLM dengan Benar
• Bab 24: Etika, Keamanan, dan Masa Depan LLM
• Penutup