Machine Learning untuk Web Developer

Kamu tidak perlu jadi ML engineer, tapi memahami konsep dasar membantu memilih solusi yang tepat.

Tipe Machine Learning

• Supervised Learning — Belajar dari data berlabel. Input → Output. Contoh: klasifikasi spam, prediksi harga.
• Unsupervised Learning — Menemukan pola tanpa label. Contoh: clustering user, anomaly detection.
• Reinforcement Learning — Belajar dari reward/punishment. Contoh: game AI, robotics.

Generative AI

Subset ML yang menghasilkan konten baru (teks, gambar, audio, kode). LLM termasuk di sini.

// Simplified: bagaimana LLM bekerja
Input: "Ibukota Indonesia adalah"
Model memprediksi token berikutnya: "Jakarta"
// Berulang sampai selesai

Konsep Penting

• Training — Proses model belajar dari data (tidak kamu lakukan saat pakai API)
• Inference — Model menjawab pertanyaan (ini yang kamu lakukan via API)
• Fine-tuning — Adaptasi model pre-trained dengan data spesifik
• Temperature — Kontrol kreativitas: 0 = deterministik, 1 = kreatif
• Context window — Berapa banyak teks yang bisa diproses sekaligus (4K – 1M tokens)

Yang Perlu Web Developer Tahu

• Kamu tidak perlu training model
• Kamu perlu memahami cara prompt yang efektif
• Kamu perlu memahami limitasi (hallucination, bias, cost)
• Kamu perlu membangun UI/UX yang baik di atas AI API