Berikut Silabus 40 Sesi: “Pengembangan Sistem Artificial Intelligence untuk Kendaraan Otonom Menggunakan Algoritma Reinforcement Learning di C++”
Tujuan Pembelajaran:
Peserta akan memahami konsep, implementasi, dan pengembangan sistem Artificial Intelligence (AI) untuk kendaraan otonom menggunakan algoritma Reinforcement Learning (RL) berbasis bahasa pemrograman C++. Peserta akan menyelesaikan proyek akhir berupa simulasi sistem kendaraan otonom dengan RL di C++.
Tahap 1: Pengantar (5 Sesi)
-
Sesi 1: Topik: Pengenalan Artificial Intelligence (AI) dan Kendaraan Otonom
-
Isi: Konsep dasar AI, aplikasi AI pada kendaraan otonom, dan tantangan.
-
Output: Pemahaman umum tentang hubungan AI dan kendaraan otonom.
-
Sesi 2: Topik: Dasar-Dasar Reinforcement Learning
-
Isi: Konsep agent, environment, states, actions, rewards, dan Markov Decision Process (MDP).
-
Output: Diagram alur RL untuk kendaraan otonom.
-
Sesi 3: Topik: Pengantar Bahasa Pemrograman C++ untuk AI
-
Isi: Syntax dasar C++, manipulasi data, dan struktur kontrol.
-
Output: Program sederhana terkait pengambilan keputusan.
-
Sesi 4: Topik: Framework dan Library RL untuk C++
-
Isi: Instalasi dan konfigurasi library RL, seperti TensorFlow C++ API dan PyTorch C++.
-
Output: Lingkungan pemrograman siap pakai untuk RL.
-
Sesi 5: Topik: Pengenalan Simulator Kendaraan Otonom
-
Isi: Instalasi simulasi berbasis OpenAI Gym dan integrasi dengan C++.
-
Output: Simulator dasar untuk kendaraan otonom.
Tahap 2: Dasar-Dasar Algoritma RL (10 Sesi)
-
Sesi 6: Topik: Algoritma Monte Carlo
-
Isi: Implementasi Monte Carlo dalam simulasi RL.
-
Output: Kode untuk simulasi Monte Carlo di C++.
-
Sesi 7: Topik: Dynamic Programming dalam RL
-
Isi: Implementasi iterasi nilai dan iterasi kebijakan.
