Belajar AI - Pre-Requisites Skill & Setup Environment

#Pendahuluan

Selamat datang di series Belajar Artificial Intelligence! Series ini akan membawa kalian menguasai AI secara utuh — dari konsep & sejarah, machine learning, deep learning, generative AI & LLM, hingga membangun solusi AI nyata dengan RAG, agents, dan integrasi API. Total ada 24 episode yang tersusun dalam enam fase, dari fondasi konsep sampai production readiness.

Sebelum menjalankan import pandas as pd atau memanggil API LLM, ada skill dasar dan perangkat yang wajib kalian siapkan. Mengapa prasyarat ini penting? Karena AI bekerja di lapisan data: model tidak "menghafal" jawaban, melainkan belajar pola dari angka dan teks. Tanpa dasar Python dan matematika, kalian akan kesulitan membaca kode contoh, mendiagnosis error training, atau mengevaluasi apakah model kalian benar-benar bagus.

Episode 0 ini adalah peta jalan kalian: kita akan memastikan skill dasar terpenuhi, menyiapkan environment Python, memasang editor dan library utama, membuat akun layanan AI, lalu memverifikasi semuanya untuk pertama kali. Setelah episode ini selesai, seluruh series bisa diikuti dengan nyaman.

#Skill Dasar yang Wajib Dimiliki

#Python Dasar

Python adalah bahasa utama dunia AI — hampir semua framework (PyTorch, TensorFlow, scikit-learn, Hugging Face) memakainya. Kalian wajib nyaman dengan syntax dasar, struktur data (list, dict), loop & fungsi, serta konsep package dan import. Latihan kecil: buat fungsi yang menghitung rata-rata sebuah list.

def mean(values):
    return sum(values) / len(values)
 
print(mean([1, 2, 3, 4, 5]))

Jika kalian bisa menebak output 3.0 tanpa menjalankannya, dasar Python kalian sudah cukup untuk mengikuti series ini.

#Matematika: Statistik, Aljabar Linear, dan Kalkulus Intuitif

Kalian tidak perlu menjadi matematikawan. Cukup tiga pilar dengan pemahaman intuitif:

• Statistik: rata-rata, median, varians, distribusi — dipakai untuk memahami data dan mengevaluasi model.
• Aljabar linear: vektor dan matriks — dipakai untuk merepresentasikan data dan menghitung bobot neural network.
• Kalkulus: konsep turunan sebagai "kemiringan" — dipakai backpropagation untuk memperbarui bobot model.

Analoginya: seperti mengemudi mobil tidak perlu tahu cara merakit mesin, memakai AI tidak perlu hafal rumus turunan — tetapi memahami kemiringan (gradient) akan menjelaskan mengapa model belajar sedikit demi sedikit. Episode 5 akan membahas ini lebih dalam.

#Cara Berpikir Berbasis Data

Inti AI adalah pertanyaan: pola apa yang bisa dipelajari dari data ini? Latih kebiasaan bertanya "data apa yang tersedia?", "apa label/target-nya?", "seberapa representatif data ini?" sebelum memikirkan model apa yang dipakai. Skill ini justru yang membedakan engineer AI yang baik dari yang sekadar mengikuti tutorial.

#Perangkat Software dan Hardware yang Disiapkan

#Python 3.12+

Pastikan Python versi 3.12 atau lebih baru terinstall. Cek versi dan buat virtual environment:

python3 --version
python3 -m venv ~/ai-lab/venv
source ~/ai-lab/venv/bin/activate

Gunakan venv untuk semua proyek di series ini agar dependency tidak saling tabrakan. Di episode 3 kita akan menambahkan library data science.

#Jupyter Notebook dan VS Code

Jupyter adalah tempat paling nyaman untuk eksplorasi data: kode dijalankan per-sel, hasil langsung terlihat. Install di dalam venv:

pip install jupyter
jupyter notebook

Alternatif modern: VS Code dengan ekstensi Python dan Jupyter — file .ipynb bisa diedit langsung di editor. Pilih salah satu; keduanya akan kita pakai bergantian sepanjang series.

#Akun Layanan AI (API Key)

Kalian butuh akses ke layanan yang akan dipakai di episode 7 sampai 14:

Catat API key dengan aman — simpan di environment variable, jangan pernah commit ke repository. Kita akan membahas praktik aman API key di episode 14 dan 16.

#Hardware: RAM ≥ 8GB

Sebagian besar praktik di series ini (training kecil, RAG, fine-tuning LoRA) bisa dijalankan di CPU dengan RAM minimal 8GB. GPU hanya opsional — dan hanya benar-benar dibutuhkan di episode 5 (MNIST) dan episode 19 (inference berkecepatan tinggi). Untuk yang punya GPU NVIDIA, siapkan juga CUDA agar PyTorch bisa memanfaatkannya:

nvidia-smi

#Verifikasi Environment

Sebelum lanjut ke episode 1, jalankan verifikasi menyeluruh:

python3 --version
pip --version
jupyter --version
python3 -c "import math; print(math.sqrt(16))"

Semua perintah harus tampil tanpa error. Jika sudah, environment kalian siap. Di episode 3 kita akan menambahkan NumPy, Pandas, Matplotlib, dan scikit-learn.

#Ringkasan Prasyarat

Rangkuman yang sudah kalian siapkan di episode 0:

• Skill: dasar Python, statistik & aljabar linear intuitif, dan cara berpikir berbasis data.
• Environment: Python 3.12+ dengan venv, Jupyter atau VS Code terinstall.
• Akun: Hugging Face + setidaknya satu API LLM (OpenAI/Anthropic/Google) dengan API key aman.
• Hardware: RAM minimal 8GB; GPU opsional.
• Verifikasi: python3 --version, pip --version, dan jupyter --version bekerja tanpa error.

Jika ada yang belum terpenuhi, berhenti dulu dan lengkapi sebelum melanjutkan. Perjalanan 23 episode ke depan akan jauh lebih lancar dengan pijakan yang kuat ini.

#Penutup

Inti yang harus dibawa pulang:

• AI adalah permainan data dan pola — dasar Python dan statistik adalah syarat mutlak.
• Siapkan Python 3.12+ dengan venv, Jupyter, dan akun layanan AI (Hugging Face + API LLM).
• RAM 8GB cukup untuk seluruh series; GPU opsional.
• Verifikasi environment dengan python3 --version, pip --version, dan jupyter --version.

Di episode 1 selanjutnya kita akan membahas sejarah, latar belakang, dan mengapa kalian membutuhkan AI — dari uji Turing 1950, konferensi Dartmouth 1956, musim dingin AI, era machine learning 2010-an, era deep learning & LLM 2020-an, hingga agentic AI di 2025-2026, serta alasan ekonomi mengapa AI kini bernilai triliunan dolar. Pastikan environment kalian sudah siap, karena perjalanan Belajar AI baru saja dimulai!