Mata Kuliah Sistem Cerdas – Pengantar AI Sumarni Adi, S.Kom., M.Cs S1 Teknik Informatika SMA INFORMATIKA DAN MANAJEMEN KOMPUTER STMIK AMIKOM YOGYAKARTA 2016
3 kontrak kehadiran perkuliahan 15 menit di awal perkuliahan, setelah itu sistem ditutup selama perkuliahan, mahasiswa wajib: memakai sepatu, dasi dan kemeja serta celana Panjang Perempuan: memakai pakaian formal dan sopan Tugas Presentasi UTS dan UAS Aspek Penilaian : kesulitan pemahaman materi dan kinerja kelompok Penguasaan materi 3. Sistem Evaluasi: Kehadiran 10% UTS 30% UAS 40% Penugasan 20% Klasifikasi : > = 80 A > = 60 – = 50 – = 30 – = 0 – < 30 : E
Mata Kuliah Sistem Cerdas
4 Tujuan Pembelajaran Mempelajari berbagai cara “melakukan” sehingga mesin atau komputer dapat menjadi cerdas dan dapat “meniru” masalah orang cerdas. Bidang ilmu kecerdasan buatan sangat luas. Dapat dibagi menjadi 2: konsep dasar (pencarian, representasi pengetahuan dan penalaran) komputasi lunak atau kecerdasan komputasi (sistem pakar, logika fuzzy, pembelajaran mesin, jaringan saraf, algoritma genetika dan teknologi bahasa)
Soal Uas Sistem Cerdas
Pengantar Sistem Cerdas (saat ini) Konsep dasar (sebelum UTS): – Pemecahan masalah dengan pencarian – Pencarian berdasarkan informasi (terpandu, heuristik) – Pencarian iteratif – Pencarian konflik – Representasi pengetahuan – Sistem pakar berbasis aturan – Ketidakpastian dalam sistem pakar
3. Soft Computing – Fuzzy Logic – Neural Networks – Data Mining (Machine Learning) – Case Based Reasoning – Natural Language Processing
7 Referensi Stuart Russell dan Peter Norvig, Kecerdasan Buatan: Pendekatan Modern, edisi ke-3, Prentice Hall, Wolfgang Ertel 2011, Pengantar Kecerdasan Buatan, Springer, 2011 Crina Grosan dan Ajith Abraham, Sistem Cerdas: Pendekatan Modern, 11 Spring Simp , buku 2011 Ya untuk diproses
Cara mendapatkan: Unduh dari Internet. alamat? Tanyakan Google atau Google sendiri. • Contoh kata kunci: “Free Download Ebook Intelligent Systems A Modern Approach” Tidak bisa mendownload? Buktikan bahwa manusia lebih pintar dari komputer
Panduan Pengisian Krs Gasal 2017/2018 Program Studi Sistem Informasi
Tujuannya adalah memberikan komputer kemampuan baru untuk dapat berpikir, bernalar, dan membuat kesimpulan, serta membuat penilaian berdasarkan fakta dan pengetahuan 2. Definisi AI (Rich and Knight, 1991)
– Sistem Pakar – Sistem Mencurigakan – Jaringan Syaraf Tiruan – Algoritma Genetika (GA) – Penalaran Berbasis Kasus (CBR) – Agen Cerdas (Perangkat Lunak Cerdas) Agen – Penambangan Data – Teknologi Bahasa
12 3. Tanda-tanda kecerdasan Kemampuan untuk mengambil dan menyimpan pengetahuan Proses penalaran seperti manusia Belajar dari pengalaman (atau pelatihan) Berurusan dengan pernyataan fakta yang tidak tepat/akurat. Interaksi yang lebih canggih dengan pengguna melalui: – Pemahaman bahasa alami – Pengenalan ucapan dan sintesis – Analisis citra Sebagian besar sistem cerdas saat ini didasarkan pada – Sistem pakar berbasis aturan – Satu atau lebih metodologi komputasi lunak.
13 Sistem pakar dirancang untuk memecahkan masalah domain tertentu – misalnya: ES untuk membantu pedagang mata uang asing • Dirancang oleh: – Pakar persyaratan domain. • Terapan – Pengguna menanyakan (membuat kueri) masalah yang didefinisikan oleh sistem (Spesifik) – Menggunakan informasi kueri untuk menarik kesimpulan dari basis pengetahuan – Memberikan jawaban atau menyarankan cara untuk mengumpulkan informasi tambahan • Bentuk basis pengetahuan sistem pakar yang biasa adalah JIKA … MAKA … • Catatan: Tidak ada pernyataan JIKA dalam kode program
Silabus Sistem Cerdas
• Otak manusia terdiri dari 100 miliar elemen pemrosesan sederhana yang disebut neuron, yang saling berhubungan sangat erat • JST didasarkan pada model neuron yang disederhanakan dan tindakannya • JST biasanya belajar dari pengalaman – berulang kali menampilkan masalah sampel dengan solusi yang sesuai. • Setelah belajar, JST dapat memecahkan masalah bahkan dengan data terkini. • Fase pembelajaran mungkin melibatkan intervensi manusia (pembelajaran yang diawasi dan tidak diawasi) • “Model” pemecahan masalah tetap implisit dan tidak diketahui oleh pengguna. Untuk masalah yang tidak mudah diselesaikan secara algoritme, misalnya: pengenalan pola dan dukungan keputusan.
Model JST bergantung pada: – Arsitektur – Metode pembelajaran – Karakteristik operasional lainnya misalnya: jenis fungsi aktivasi Berfungsi dengan baik untuk pengenalan pola dan masalah klasifikasi Kekuatan utama: Kemampuan untuk menangani data yang sebelumnya tidak terlihat, tidak lengkap atau rusak Beberapa contoh aplikasi: – Deteksi bahan peledak Di bandara – pengenalan wajah – penilaian risiko keuangan – optimalisasi dan perencanaan
Ini adalah bagian dari cabang ilmu yang disebut komputasi evolusioner. Keputusan dibuat dengan mengembangkan solusi melalui proses yang terdiri dari: – survival of the fittest (yang terkuat) – keturunan campuran (crossing over) dan – mutasi. Kromosom) generasi baru dari solusi, dihasilkan dari awal populasi awal, melalui operasi genetik tertentu: seleksi, persilangan dan mutasi.
Solusi generasi berikutnya dihasilkan dari populasi saat ini: – Crossover (menggabungkan dan menggabungkan bagian-bagian dari solusi induk) – Mutasi (perubahan acak dari parameter yang menentukan solusi) Kesesuaian (kemampuan) dari solusi yang baru dikembangkan dievaluasi. . dengan fungsi kebugaran. Tahap pengambilan keputusan dan evaluasi berlanjut sampai solusi yang dapat diterima ditemukan GA telah digunakan dalam: – optimalisasi portofolio – prediksi kebangkrutan – peramalan keuangan – desain mesin jet – perencanaan
Pdf) Pengembangan Media Pembelajaran Kendali Fuzzy Logic Berbasis Arduino Nano Pada Mata Kuliah Praktik Sistem Kendali Cerdas
20 Sistem yang Mencurigakan Logika tradisional bersifat dua arah: sebuah proposisi bisa benar atau salah. Pemecah masalah kehidupan nyata harus berurusan dengan sebagian kalimat benar atau salah. Akurasi yang tepat bisa jadi sulit dan menghasilkan keputusan yang kurang optimal. Sistem yang meragukan memproses informasi yang tidak akurat dengan menetapkan derajat. Kebenaran – gunakan logika misterius
21 Sistem Logika Fuzzy Logika Fuzzy memungkinkan kita untuk mengungkapkan pengetahuan dalam bahasa yang ambigu. Fleksibilitas dan kekuatan sistem yang mencurigakan telah dieksploitasi secara luas. Misalnya: menyederhanakan aturan dan sistem kontrol di mana ditemukan ketidakakuratan) Penggunaan sistem fuzzy: – kontrol proses produksi – peralatan rumah tangga seperti AC, mesin cuci, dan kamera – digunakan dengan metodologi sistem cerdas lainnya untuk pengembangan fuzzy hibrid. -Sistem pakar, neuro-fuzzy, atau fuzzy-GA.
Sistem CBR memecahkan masalah menggunakan pengetahuan tentang masalah serupa yang ditemukan di masa lalu. Sintesis dan adaptasi kasus serupa untuk mengakomodasi perbedaan antara masalah spesifik dan kasus serupa.
Sistem CBR dapat meningkat dari waktu ke waktu dengan belajar dari kesalahan yang dibuat pada masalah sebelumnya.
Cara Cerdas Mencari Judul Skripsi Yang Menarik & Lulus Sarjana
24 Data mining Proses mempelajari dan menganalisis data untuk menemukan informasi baru dan berguna. Klien – File log server web dan situs e-niaga. Teknik seperti jaringan saraf tiruan dan pohon keputusan dapat melakukan penambangan data pada data dalam jumlah besar (“gudang data”). Minat tumbuh dalam penambangan data di berbagai bidang seperti kampanye pemasaran penargetan langsung, deteksi penipuan dan pengembangan model untuk membantu peramalan keuangan, serta sistem kontra-terorisme.
25 Smart Agent (ISA) • ISA adalah program komputer yang menyediakan asisten aktif bagi pengguna sistem informasi. • Membantu pengguna mengatasi kelebihan informasi. Pengguna • Kemampuan pengguna serta agen untuk mempelajari perangkat lunak cerdas lainnya • Contoh aplikasi: – pengumpulan berita, pemfilteran dan manajemen dan – pemberitahuan acara – belanja online – jadwal pribadi, karakter interaktif – penerapan respons cepat – meja bantuan online, dll. .
Penerapan pengetahuan bahasa manusia dalam solusi berbasis komputer Komunikasi antara manusia dan komputer merupakan aspek penting dari sistem informasi cerdas Aplikasi LT: – Pemrosesan bahasa alami (NLP) – Representasi pengetahuan – Pengenalan ucapan – Pengenalan karakter optik (OCR) – Pengenalan tulisan tangan – Terjemahan mesin – Peringkasan teks – Sintesis ucapan Sistem berbasis LT dapat menjadi front-end untuk sistem informasi berdasarkan alat cerdas lainnya.
28 Penugasan Individu Mencari definisi dan contoh cabang AI di wikipedia.org Review 1 jurnal nasional atau 2 jurnal internasional yang memiliki korelasi dengan AI (persyaratan penulis bukan Sumarni Adi) Tulis rencana akhir proyek AI Dibangun dan Dipresentasikan nanti selama UAS (tugas kelompok)
Uts Rudy Gunawan Kecerdasan Buatan (ai)
Agar situs web ini berfungsi, kami merekam data pengguna dan membagikannya dengan pemroses. Untuk menggunakan situs web ini, Anda harus menyetujui kebijakan privasi kami, termasuk kebijakan cookie kami. – POLITEKNIK NEGARA JACARTA 5B
I. Pendahuluan Kontrol posisi menjadi penting karena dunia bergerak menuju otomatisasi. Penggerak yang digunakan dalam industri adalah motor, sistem hidrolik, dan sistem pneumatik. Algoritma kontrol juga berbeda, misalnya PID, fuzzy, kontrol mode geser, kontrol umpan pembelajaran, dll. Sistem kontrol posisi logika fuzzy ini menggunakan PLC OMRON C-200HG yang dilengkapi dengan FZ001.
Makalah sistem cerdas, mata kuliah sistem informasi semester 1, mata kuliah sistem informasi ut, sistem cerdas pdf, sistem cerdas, sistem kendali cerdas, sistem parkir cerdas, mata kuliah sistem informasi, mata kuliah jurusan sistem informasi, judul skripsi sistem cerdas teknik informatika, mata kuliah sistem informasi universitas terbuka, pengertian sistem cerdas
