Deskripsi
Ingin tahu bagaimana sistem bisa memahami maksud atau tujuan dari sebuah kalimat manusia? Pelajari Intent Recognition di aodedu.id dan pahami cara kerja model yang dapat mengenali niat pengguna dari teks, seperti pada chatbot atau voice assistant. Materi disusun sederhana, berbasis praktik, dan menggunakan coding Python — cocok untuk pemula maupun profesional yang ingin mendalami penerapan machine learning di bidang Natural Language Processing (NLP).
Sasaran Siswa
- Memahami konsep dasar Intent Recognition dan perannya dalam sistem NLP modern.
- Menjelaskan proses teks preprocessing dan representasi fitur yang digunakan untuk mengenali intent.
- Membangun model machine learning sederhana untuk mengklasifikasikan intent dari kalimat pengguna.
- Mengevaluasi performa model menggunakan metrik seperti akurasi dan confusion matrix.
- Menerapkan model intent recognition pada kasus nyata, seperti chatbot, asisten virtual, atau sistem rekomendasi otomatis.
Perangkat yang Dibutuhkan
Prosesor
Intel Core i3 (Rekomendasi Core i5 ke atas)
Sistem Operasi
Windows, Linux, MacOS
Biaya Investasi
Rp 400.000
Metode Ajar
- Self-paced learning
- Total Belajar : 7 jam 30 menit
Instructor
Dr. Ni Wayan Sumartini Saraswati, S.T.,M.T.
Apa yang akan Anda dapatkan
Sertifikat
Dapatkan sertifikat resmi sebagai bukti kompetensi Anda.
Modul
Akses modul pembelajaran lengkap yang mudah dipahami kapanpun.
Forum Diskusi
Diskusi interaktif bersama siswa lainnya.
Kuis
Kuis singkat untuk menguji dan memperkuat pemahaman materi.
Ujian
Ujian akhir untuk mengukur kemampuan dan kelulusan course.
Silabus
Materi yang Anda pelajari di kelas ini
Pengenalan Intent Recognition
Modul ini membahas konsep Intent Recognition sebagai kemampuan sistem untuk memahami maksud di balik kalimat pengguna, bukan sekadar membaca teks secara literal. Topik dimulai dari definisi dasar intent recognition sebagai proses pemetaan kalimat ke dalam tujuan semantik yang bisa dieksekusi sistem, lalu dibandingkan dengan Emotion Recognition yang berfokus pada aspek emosi pengguna dua hal berbeda yang sering dipakai bersamaan agar respons AI terasa relevan sekaligus empatik.
30 Menit
Membangun Sistem Intent Recognition
Modul ini membahas proses pembangunan sistem Intent Recognition secara komprehensif, mulai dari pemahaman konsep dasar penerjemahan teks menjadi representasi semantik hingga implementasi pipeline pemodelan yang siap dipakai di sistem nyata. Materi dimulai dari tahapan text preprocessing sebagai fondasi kualitas data mencakup case folding, noise removal, tokenization, dan text normalization agar teks menjadi bersih, seragam, dan relevan secara makna.
90 Menit
Intent Recognition tanpa Annotasi Manual
Modul ini membahas pendekatan intent recognition tanpa anotasi manual, yaitu cara mengenali maksud pengguna tanpa proses pelabelan data yang memakan waktu dan biaya. Pendekatan ini memanfaatkan aturan linguistik, kata kunci, serta pemrosesan teks terstruktur sebagai alternatif dari supervised learning tradisional. Fokus utama modul ada pada metode lexicon-based intent recognition, di mana intent ditentukan melalui pencocokan kata kunci yang telah dipetakan ke kategori tertentu.
150 Menit
Submission
Modul Submission Intent Recognition Project ini berfokus pada penerapan end-to-end pipeline intent recognition berbasis teks berbahasa Inggris pada kasus restaurant reviews. Mahasiswa tidak hanya mempelajari konsep, tetapi diminta membangun sistem yang mampu mengenali maksud pengguna melalui tiga pendekatan utama: Lexicon Rule-Based, Zero-Shot Learning, dan Few-Shot Learning. Modul ini menekankan tahapan kerja yang sistematis mulai dari text preprocessing, feature representation, klasifikasi intent, hingga evaluasi model menggunakan metrik yang relevan.
180 Menit