Chapter01/

README

Pengenalan AI

Terori Menjelaskan :

• Definisi Kecerdasan Buatan
• Training
• Kalkulus Predikat dan Preposisi
• Himpunan
• Persaman Garis Linear
• Pemodelan Persamaan
• Jaringan Saraf Tiruan
• Layer, Label, Supervised dan Unsupervised
• Machine Learning, Deep Learning

golang

Pengenalan Golang : https://youtu.be/R0EF4apbCag

• fork terlebih dahulu, clone ke pc
• buat folder NPM di dalam chapter01/Kelas/NPM
• ketik : go mod init github.com/bukped/ai/Chapter01/KELAS/NPM
• buat file main.go dan ketikkan perintah hello word
• go mod tidy
• go run .

gorgonia.org

Pengenalan Gorgonia : https://youtu.be/ckLI1xsyF0c

Pada bagian ini dikenalkan gorgonia.org. Gorgonia memerlukan 3 langkah pengerjaan:

1. Membuat graph komputasi
2. Data Input
3. Eksekusi graph komputasi

Graph adalah fungsi yang mengelola semua variabel. Variabel di deep learning dikenal dengan Tensor. Jenis jenis tensor terlihat pada gambar berikut.

hello word : https://gorgonia.org/tutorials/hello-world/

Membuat kode program

Membuat persamaan : https://youtu.be/CS1UKDK45t0

Berikut adalah contoh pengerjaan pemrograman fungsi dengan menggunakan gorgonia.

Buat kode program fungsi : c = a + b

1. Deklarasi package dan import library gorgonia

   package main
   import (
        "fmt"
        "log"
        . "gorgonia.org/gorgonia"
    )
   

2. Deklarasikan fungsi main, dan inisiasi NewGraph() untuk deklarasi membuat graph komputasi

   func main() {
     g := NewGraph()
   }
   

3. Deklarasikan tensor yang akan terlibat, disini a dan b sebagai inputan dari graph komputasi.

   a = NewScalar(g, Float64, WithName("a"))
   b = NewScalar(g, Float64, WithName("b"))
   

4. Definisikan fungsi c=a+b dalam graph komputasi gorgonia.

   c, err = Add(a,b)
   

5. Buat VM object agar bisa menjalankan model fungsi g yang dideklarasikan pada langkah 2.

   machine := NewTapeMachine(g)
   

6. Untuk menjalankan model maka gunakan method RunAll() dari variabel VM yang dibuat. Jangan lupa isi inisiasi inputan a dan b.

   Let(a, 1.0)
   Let(b, 2.0)
   machine.RunAll()
   

Buat kode program fungsi z = Wx dimana W adalah matriks n kali n. x adalah vektor ukuran n. dengan n = 2.1957

1. Deklarasi package dan import library gorgonia

   package main
   import (
        "fmt"
        "log"
   
        G "gorgonia.org/gorgonia"
        "gorgonia.org/tensor"
   )
   

2. Deklarasikan fungsi main, dan inisiasi NewGraph() untuk deklarasi membuat graph komputasi

   func main() {
     g := NewGraph()
   }
   

3. Deklarasikan tensor yang akan terlibat, disini matriks W dan x sebagai inputan dari graph komputasi.

   //deklarasi W, dengan bobot inisiasi matB
   matB := []float64{0.9,0.7,0.4,0.2}
   matT := tensor.New(tensor.WithBacking(matB), tensor.WithShape(2, 2))
   mat := G.NewMatrix(g,
           tensor.Float64,
           G.WithName("W"),
           G.WithShape(2, 2),
           G.WithValue(matT),
   )
   
   // deklarasi x dengan inisiasi bobot vecB
   vecB := []float64{5,7}
   
   vecT := tensor.New(tensor.WithBacking(vecB), tensor.WithShape(2))
   
   vec := G.NewVector(g,
           tensor.Float64,
           G.WithName("x"),
           G.WithShape(2),
           G.WithValue(vecT),
   )
   

4. Definisikan fungsi z=Wx dalam graph komputasi gorgonia. Karena perkalian maka menggunakan rumus multification.

   z, err := G.Mul(mat, vec)
   

5. Buat VM object agar bisa menjalankan model fungsi g yang dideklarasikan pada langkah 2.

   machine := G.NewTapeMachine(g)
   

6. Untuk menjalankan model maka gunakan method RunAll() dari variabel VM yang dibuat. Jangan lupa isi inisiasi inputan a dan b.

   machine.RunAll()
   //melihat hasil output
   fmt.Println(z.Value().Data())
   

Untuk melakukan visualisasi graph komputasi, kita bisa menggunakan ioutil.

ioutil.WriteFile("simple_graph.dot", []byte(g.ToDot()), 0644)

Konversi ke file SVG bisa dilakukan dengan menggunakan dot

dot -Tsvg simple_graph.dot -O

Buat kode program fungsi z = Wx + b

1. Deklarasi package dan import library gorgonia

   package main
   import (
        "fmt"
        "log"
   
        G "gorgonia.org/gorgonia"
        "gorgonia.org/tensor"
   )
   

2. Deklarasikan fungsi main, dan inisiasi NewGraph() untuk deklarasi membuat graph komputasi

   func main() {
     g := NewGraph()
   }
   

3. Deklarasikan tensor yang akan terlibat, disini matriks W dan x sebagai inputan dari graph komputasi.

   //deklarasi W, dengan bobot inisiasi matB
   matB := []float64{0.9,0.7,0.4,0.2}
   matT := tensor.New(tensor.WithBacking(matB), tensor.WithShape(2, 2))
   mat := G.NewMatrix(g,
           tensor.Float64,
           G.WithName("W"),
           G.WithShape(2, 2),
           G.WithValue(matT),
   )
   
   // deklarasi x dengan inisiasi bobot vecB
   vecB := []float64{5,7}
   
   vecT := tensor.New(tensor.WithBacking(vecB), tensor.WithShape(2))
   
   vec := G.NewVector(g,
           tensor.Float64,
           G.WithName("x"),
           G.WithShape(2),
           G.WithValue(vecT),
   )
   
   //tambah deklarasi b
   b := G.NewScalar(g,
        tensor.Float64,
        G.WithName("b"),
        G.WithValue(3.0)
   )
   

4. Definisikan fungsi z=Wx dalam graph komputasi gorgonia. Karena perkalian maka menggunakan rumus multification.

   a, err := G.Mul(mat, vec)
   z, err := G.Add(a, b)
   

5. Buat VM object agar bisa menjalankan model fungsi g yang dideklarasikan pada langkah 2.

   machine := G.NewTapeMachine(g)
   

6. Untuk menjalankan model maka gunakan method RunAll() dari variabel VM yang dibuat. Jangan lupa isi inisiasi inputan a dan b.

   machine.RunAll()
   //melihat hasil output
   fmt.Println(z.Value().Data())
   

Kerjakan

1. Buat kode program persamaan garis(selain persamaan linear, misal persamaan parabola, elips,sinus dll), yang berbeda satu sama lain dalam satu kelas. dengan gorgonia simpan di folder Chapter01/KELAS/NPM (nilai 60)
2. Pull request dengan menggunakan judul : 1-KELAS-NPM-NAMA
3. Pada deskripsi lampirkan skrinsut running program
4. Lampirkan juga sertifikat dari :
   • https://www.mygreatlearning.com/academy/learn-for-free/courses/go-programming-language (nilai 10)
   • https://www.mindluster.com/certificate/3394 (nilai 10)
   • https://www.codecademy.com/learn/learn-go (nilai 10)
   • https://www.coursera.org/specializations/google-golang (nilai 10)