YT YouTube2Text

YouTube2Text → Transcripts → Team Teaching: Pengantar Reinforcement Learning - Konsep dan Implementasi (Part 1)

Team Teaching: Pengantar Reinforcement Learning - Konsep dan Implementasi (Part 1) — Transcript

by UG Pembelajaran Siber · 2,928 words · 598 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:09[musik]
0:16Assalamualaikum warahmatullahi
0:18wabarakatuh. Salam hangat para pemirsa
0:21dan adik-adik mahasiswa Universitas
0:22Gunadarma yang telah bergabung melalui
0:25Uji TV.
0:26Saya Bu Riviana Arif senang sekali dapat
0:29berjumpa kembali dengan Anda semua dalam
0:31program literasi edisi tim teaching
0:33untuk rumpun teknologi dan rekayasa pada
0:36mata kuliah komputasi big data.
0:39Program literasi ini dapat diakses
0:40melalui web streaming pada www.tv.
0:44gunadarma.ac.id
0:46www.ujitv.co.id
0:49atau dengan mendownload aplikasi Uji TV
0:51mobile pada Play Store dan App Store.
0:54Program ini juga dapat diakses dan
0:56disaksikan kembali melalui YouTube pada
0:58channel Uji TV official.
1:01Pemirsa Uji TV dan adik-adik mahasiswa
1:03hari ini kita akan membahas materi
1:06berjudul introduction to reinforcement
1:09learning konsep and implementation.
1:12Melanjutkan diskusi sebelumnya tentang
1:14konsep machine learning setelah membahas
1:16supervised learning dan unsupervised
1:19learning kali ini kita akan fokus pada
1:21jenis pembelajaran lain yang tidak kalah
1:24menariknya yaitu reinforcement learning.
1:27Sebagai pengantar terdapat
1:29perbedaan tiga jenis utama machine
1:31learning ini
1:32di mana supervised learning
1:35model mempelajari data yang sudah
1:37memiliki label untuk memprediksi pola
1:40atau hasil
1:42unsupervised learning model akan
1:44menganalisis data tanpa label untuk
1:47menemukan pola tersembunyi
1:49dan reinforcement learning
1:51di mana model belajar dari pengalaman
1:54dengan menerima umpan balik berupa
1:56reward atau punishment.
1:59Alhamdulillah hari ini telah hadir tiga
2:01pembicara yang ahli di bidangnya dan
2:04akan berbagi wawasan mendalam mulai dari
2:06konsep dasar hingga implementasi
2:09reinforcement reinforcement learning.
2:12Di studio Uji TV
2:15kampus F8 Universitas Gunadarma,
2:17alhamdulillah saya ditemani tiga
2:19narasumber luar biasa yang telah hadir
2:21bersama saya saat ini.
2:23Eh, narasumber pertama Ibu Dr. Sulistyo
2:26Puspitojati, S.Si, S.Kom, M.Sc, dosen
2:30senior Universitas Gunadarma. Bu Sulis
2:33nanti akan memulai dengan menjelaskan
2:35konsep dasar reinforcement learning pada
2:38segmen satu. Narasumber kedua Bapak
2:40Muhammad Saiful Rahman, S.Si, M.Kom,
2:43praktisi profesional di bidang data
2:45engineer.
2:46Eh, selain itu juga berpengalaman eh
2:49sebagai mentor dan trainer.
2:51Pak Saiful akan membahas implementasi
2:54reinforcement learning di dunia industri
2:56lengkap dengan contoh aplikasinya pada
2:59segmen dua.
3:00Narasumber ketiga Bapak Dr. Sigit
3:02Widyanto, S.T, M.Sc, M.Sc, M.Sc,
3:07M.I.Kom, maaf. Dosen Universitas
3:09Gunadarma yang juga
3:11eh aktif dalam berbagai penelitian.
3:15Pada segmen tiga, Pak Sigit akan
3:17membahas aplikasi industri lain
3:19menggunakan deep reinforcement learning,
3:22ya, ada kata deep-nya.
3:24Serta memberikan perspektif eh akademis
3:27atau ide penelitian yang mungkin relevan
3:29dengan topik ini.
3:31Ya, asalamualaikum Bu Sulis, Pak
3:34Saiful dan Pak Sigit.
3:36Waalaikumsalam.
3:37Waalaikumsalam. Bagaimana, Bu, Pak,
3:39kabarnya? Alhamdulillah. Alhamdulillah.
3:40Alhamdulillah ya, terima kasih. Terima
3:43kasih eh Bapak, Ibu kehadiran Bapak, Ibu
3:46eh di studio hari ini.
3:50Semoga eh diskusi kita hari ini nanti
3:52dapat bisa memberikan wawasan baru baik
3:54secara teoritis maupun praktis dan bisa
3:58menginspirasi pemirsa Uji TV dan
4:00mahasiswa Universitas Gunadarma. Baik
4:03untuk memulai diskusi kita akan
4:05pertama mendengarkan pemaparan dari Bu
4:08Sulis terlebih dahulu. Bu Sulis mungkin
4:11dapat
4:12eh
4:13menjelaskan
4:14yang dimaksud dengan reinforcement
4:16learning apa apa yang membedakan dari
4:19jenis pembelajaran lain seperti
4:21supervised learning dan unsupervised
4:23learning eh dan mungkin ada algoritma
4:27eh yang digunakan. Seperti itu, Bu.
4:30Silakan Bu Sulis. Terima kasih Bu
4:32Riviana atas kesempatannya.
4:34Assalamualaikum warahmatullahi
4:36wabarakatuh para pemirsa eh Uji TV
4:40khususnya untuk eh komputasi big data
4:44dan saat ini kita akan bahas
4:47reinforcement learning. Ini eh konsep
4:50dasar ya.
4:52Nah, sebelum membahas eh reinforcement
4:55learning mungkin kita review dulu
4:57machine learning baru nanti konsepnya
4:59seperti apa.
5:01Eh
5:02tadi sudah di bahas sebelumnya ya. Pada
5:04pembukaan sudah diingatkan bahwa eh
5:08ketika kita bicara dengan eh big data
5:11gitu
5:12nanti dengan ilmu data science itu bisa
5:15dipakai modal untuk membuat sistem yang
5:18eh intelijen gitu ya. Nah eh sistem yang
5:22intelijen ini perlu
5:25perlu apa? Jadi dia perlu eh banyak hal
5:29untuk melaku eh mungkin sorry eh kalau
5:32kita ngomong eh sistem yang eh intelijen
5:36itu yang ngapain? Yang bisa eh melakukan
5:39decision making, yang bisa recognizing
5:41dan sebagainya. Gitu ya. Nah, siapa yang
5:44melakukan itu otak dari AI itu bisa kita
5:47eh bayangkan sebagai adalah machine
5:50learning. Nah, tadi kalau kita ngomong
5:52tentang
5:54machine learning tadi ada yang
5:57supervise, ada yang unsupervised. Nah,
6:00sekarang kita belajar yang
6:01reinforcement. Nah, sebelumnya kan sudah
6:04membahas ya apa itu
6:07yang supervise ya. Mungkin di sini saya
6:10mengingatkan saja lagi bahwa kalau
6:13supervise itu kita mencari pola data
6:16yang menghubungkan atribut data dengan
6:18atribut target. Jadi, istilahnya ketika
6:22kita punya
6:24kita
6:25contohnya ketika kita mau memprediksi
6:27suatu nilai, suatu nilai
6:30akibat suatu kejadian yang lain. Nah,
6:32nilai itulah
6:34yang kita mau prediksi itulah yang kita
6:36sebut arti arti
6:38sorry, atribut target gitu ya. Nah, ini
6:41yang biasanya di diistilahkan dengan
6:43label.
6:44Nah, eee
6:47dari supaya bisa memprediksi mereka
6:50belajarnya dari sejarah. Jadi, di dalam
6:52sejarah itu nanti akan ada
6:55suatu nilai-nilai atribut lain yang
6:58menyebabkan atribut label tadi
7:01bertingkah laku atau bernilai tertentu.
7:04Jadi, nanti
7:06mencari pola dalam tanda kutip adalah
7:08memodelkan model atribut itu terha untuk
7:12memprediksi nilai dari atribut label
7:15tadi. Ketika kita bicara itu yang
7:18supervise ya, tapi ketika kita belajar
7:22membahas pembelajaran unsupervised gitu
7:26artinya
7:28tidak ada
7:30arti
7:31atribut target. Jadi, enggak ada atribut
7:34target. Yang ada adalah ya semua data
7:37terus kita mau lihat bagaimana data
7:39tersebut. Biasanya eh, mau dilihat
7:42misalnya fitur apa sih yang paling
7:43berpengaruh, atribut apa yang paling
7:45berpengaruh terhadap, eh, sesuatu atau
7:49atributnya, eh, eh, data-data ini
7:51berkelompok sebagai apa, gitu ya. Jadi,
7:54kemarin makanya ada bahas, bahasan
7:56clustering dan sebagainya, gitu.
7:58Nah, itu contoh, eh, dari supervised and
8:02unsupervised. Jadi, machine learning,
8:05eh, tipe supervised dan unsupervised.
8:07Sekarang kita masuk ke yang ke
8:09reinforcement. Gitu.
8:11Apa sih pembelajaran reinforcement?
8:14Banyak definisi tentu saja, tapi ini
8:17dari, eh, Pak Sutton dan Barto, ya.
8:20Eh, bahwa
8:22eh, reinforcement learning itu adalah
8:24belajar
8:25eh, what to do. Jadi, belajar ngapain
8:30terhadap situasi yang ada. Ya. Jadi, eh,
8:34bagaimana membaca situasi untuk
8:36melakukan suatu aksi ya, yang nantinya
8:40akan memaksimumkan,
8:42eh, di sini diistilahkan dengan reward,
8:44gitu.
8:46Eh, jadi, eh,
8:48apa sih, eh,
8:50reinforcement learning? Sebenarnya, eh,
8:53kita bisa meng, apa ya, belajar dari
8:56bagaimana dulu kita belajar.
8:58Paling gampang itu ketika kita enggak
9:00bisa apa-apa, yaitu ketika kita bayi,
9:03gitu ya. Ketika kita bayi, gitu, ketika
9:05mau belajar jalan contohnya, gitu.
9:07Ketika kita mau belajar jalan, terus,
9:10eh,
9:11bagaimana misalnya supaya enggak jatuh,
9:14gitu. Nah.
9:16Jadi, eh, ini yang ditiru oleh si
9:19machine learning untuk belajar tadi,
9:22supaya bisa belajar jalan sampai
9:25akhirnya kalau sekarang kita belajar,
9:27eh, jalannya sudah sangat stabil. Nah,
9:29kalau dulu ketika bayi, ya. Nah, di
9:32sini, eh, nanti karena kita meniru
9:35bagaimana manusia berpikir, gitu,
9:37bagaimana manusia berjalan, di sini ee
9:41diistilahkan. Jadi, kita ambil nih
9:43istilah-istilah supaya nanti gampang
9:45untuk membuat ee apa algoritmanya, gitu
9:49ya, step-stepnya. Jadi, kita pilah-pilah
9:51nih, oh ee siapa yang tadi belajar
9:54berjalan? Si bayi. Nah, bayi ini nanti
9:56diistilahkan sebagai agen. Jadi, agen
9:58itu bentuknya bisa macam-macam, bisa
10:00orang kalau kalau dalam permainan bisa
10:02bisa karakter pemain, gitu ya. Ee terus
10:06ee
10:07jadi ee
10:09belajar reinforcement ini adalah yang
10:12membuat mesin atau agen tadi menentukan
10:17secara otomatis tingkah laku, tingkah
10:20laku yang ideal malah ya, dalam konteks
10:23spesifik dalam rangka memaksimalkan
10:26kinerja.
10:27Jadi, kalau misalnya tadi kita jalan,
10:29gitu, kalau bayi belajar berjalan, nanti
10:33bagaimana dia harus belajar berjalan
10:35ketika ada undakan, nah, berarti kan dia
10:38lihat konteks spesifiknya tadi. Kalau
10:40ada undakan, dia harus gimana, gitu ya.
10:43Ee
10:44kalau ee
10:46lantai saja keras, itu ee jalan gampang
10:50mungkin. Tapi, ketika waktu masih bayi,
10:53ketika kita ngasih karpet yang agak
10:56terlalu mumbul, ya, istilahnya apa ini,
10:59enggak tahu mumbul, ya. Tapi, ee Anda
11:01bayangkan untuk bayi itu menapak di di
11:05lantai seperti itu, dia perlu belajar.
11:08Jadi, contoh untuk keseimbangan itu
11:10akhirnya dia berlari, gitu, itu contoh
11:12untuk tadi, supaya enggak jatuh, jadi
11:15dari satu poin ke poin lain, dia secara
11:18otomatis beralih. Ini berarti ada ee
11:20aksi ya tadi. Jadi, dia berlaku, apa
11:24yang harus dilakukan ketika ada ee
11:27konteks spesifik. Nah,
11:29nanti dia akan dapat umpan balik. Kalau
11:31bayi tadi umpan baliknya apa? Enggak
11:33jatuh, enggak benjut gitu. Dia aman gitu
11:36ya. Jadi ini ini ee nanti kalau kita
11:40belajar reinforcement learning
11:42umpan balik itu nanti ada yang disebut
11:46reward. Jadi kalau kalau ee dalam
11:49reinforcement learning secara konsep
11:51dapat lihat pada grafiknya di bawah nih
11:53ya.
11:55Ada sori diagram ee
11:58jadi ada agent, ada environment.
12:00Agent-nya nanti itu berdasarkan suatu
12:03environment dia melakukan aksi.
12:06Ketika dia beraksi berarti berdasarkan
12:08environment itu dia berla berada pada
12:11keadaan tertentu gitu ya. Dengan keadaan
12:14tertentu itulah dia nanti dapat reward
12:18gitu.
12:18Reward-nya apa? Tadi kalau bayi dia
12:21selamat atau dia jatuh gitu.
12:25Ee
12:27jadi kalau kita bilang ada masalah
12:29reinforcement learning solusinya adalah
12:31ee suatu algoritma untuk reinforcement
12:34learning.
12:35Masalahnya apa sih tadi? Yaitu
12:37masalahnya adalah agent-nya harus
12:40memutuskan aksi atau tindakan terbaik
12:43untuk dipilih berdasarkan keadaannya
12:45saat ini.
12:47Ini nanti istilahnya ee current state
12:49ya. Jadi ee istilah nanti mungkin ee
12:52sering diistilahkan ee state. Jadi
12:56kadang ee lebih enak menyatakan state
12:59dibandingkan
13:01ee beristilah keadaan gitu ya. Tapi
13:03maksudnya seperti itu. Nah
13:05kalau di dalam dua dunia matematik
13:08langkah berulang ini dikenal sebagai
13:11Markov decision process.
13:14Ee reinforce reinforcement learning ini
13:17berbeda dengan supervised learning.
13:20Kalau supervised learning itu kan data
13:23dilatih dia sudah tahu jawabannya nanti
13:26apa berdasarkan jawaban yang sudah dulu
13:28pernah ada.
13:30Sementara kalau reinforcement learning,
13:33jawabannya belum tentu ada, gitu ya.
13:36Nah, berarti itu tadi dia harus melatih
13:39diri supaya tadi reward-nya itu
13:42maksimal, optimal lah, ya.
13:45Jadi tidak ada pelatihan, harus belajar
13:47dari pengalaman.
13:50Eh, kalau digambarkan,
13:52tadi eh agent ini contoh eh permainan
13:56sederhana ya. Kalau kita gambarkan nih,
13:57ini gambaran sederhananya. Eh, ini ada
14:01agent, agent-nya di sini eh dalam tanda
14:03kutip robot ya. Nih, ada robot. Nah, eh
14:08robotnya ini harus mencapai eh reward eh
14:15harus mencapai eh
14:17tujuan, tujuannya adalah men-
14:19mendapatkan berlian. Digambarkan di situ
14:22berlian.
14:23Nah,
14:24jadi eh
14:27ada robot, ada berlian, ada api. Apinya
14:31itu sebagai situasi tadi ya. Situasi
14:35dari lingkungan dia yang menyebabkan
14:38nanti eh berkurangnya satu nilai ketika
14:42dia sampai ke tujuannya. Gitu.
14:44Jadi ini robotnya harus belajar dengan
14:47mencoba semua kemungkinan
14:49kemungkinan jalur dan bagaimana dia
14:52memilih jalur yang mengantar pada
14:54berlian.
14:56Ya, masalahnya kan itu tadi.
14:58Eh, setiap langkahnya belum tentu benar.
15:02Bisa, bahkan bisa nanti kena api, kan
15:05gitu ya. Jadi eh bagaimana nih dia harus
15:08belajar?
15:10Ini ini eh kita akan sulit ketika eh
15:14Anda bayangkan Anda eh ya, bayangan eh
15:17kita sendiri. Kita pakai otak, otak kita
15:18itu sudah pintar banget. Dalam state
15:20sekarang, mahasiswa yang tingkat 2 eh
15:24ini itu udah terlalu pinter otaknya
15:26gitu. Jadi, Anda bayangkan nih Anda
15:28enggak tahu apa-apa. Anda enggak tahu
15:30bahwa api itu panas. Jadi, bayangkan
15:32sebagai bayi gitu ya. Bayangkan sebagai
15:34bayi. Bayi itu enggak tahu api itu
15:36seperti apa gitu ya. Jadi, eh ini. Jadi,
15:39setiap langkah yang benar nanti robotnya
15:42dapat reward. Dan setiap langkah yang
15:44salah akan mengurangi reward yang sudah
15:47diperoleh eh eh robot gitu.
15:50Nah, total reward dihitung ketika sudah
15:53mencapai reward akhir yaitu berlian.
15:56Jadi, tujuannya sebenarnya adalah nanti
15:58ya sampai ke tempat berlian tadi
16:01dan nilai reward-nya besar.
16:05Kalau dari sini ya gampang. Bu, itu kan
16:07ya udah naik aja terus jalan lagi ke
16:09kanan, kanan lagi, ke bawah. Terus itu
16:12kita gitu ya. Tapi, coba bayangkan itu
16:15tadi. Dia enggak tahu gitu.
16:17Kapan dia harus naik gitu atau kapan dia
16:20up, kapan dia down ke bawah, kapan dia
16:22ke kiri, kapan dia ke kanan.
16:25Jadi, kalau di sini kalau kita mau
16:26modelkan algoritma tadi, maka tadi ya
16:30ada input, ada keadaan awal.
16:33Keadaan awal eh saat model bermula.
16:38Output-nya banyak kemungkinan output
16:41sebanyak ragam solusi untuk masalah
16:44khusus. Jadi, kalau di sini ya banyak
16:46jalan untuk dapat berlian gitu ya ya.
16:50Eh
16:51sekarang pembelajarannya seperti apa?
16:54Latih pelatihannya seperti apa?
16:57Pelatihannya itu didasarkan pada input.
17:00Kemudian model solusinya akan memberikan
17:03keadaan
17:04dan eh
17:06si agent-nya itu untuk memutuskan
17:08memberikan penghargaan atau menghukum
17:12berdasarkan output.
17:14Nah, modelnya belajar terus. Jadi,
17:16solusi terbaik diputuskan berdasarkan
17:19reward maksimum. Jadi, nanti ada solusi
17:21terbaik, ya.
17:23Jadi, kalau kita ngomong reinforcement
17:25learning, maka berarti dia berupa
17:27sekumpulan masalah. Ya, masalah
17:30pengambilan keputusan secara
17:34sekuensial. Jadi, eh secara
17:36terus-menerus, gitu ya.
17:38Ini nanti eh eh apa eh aplikasinya
17:42banyak, ya.
17:43Eh.
17:45Di game, di eh self driving car, gitu
17:48ya. Atau di aplikasi. Ya.
17:51Nah, jadi tadi kalau kita ngomong
17:53modeling lagi, Anda lihat tadi ada
17:55agent, ada environment, kemudian ada
17:59state, himpunan. Jadi, ada eh kalau eh
18:03apa model matematiknya kita bilang
18:05himpunan state. Jadi, keadaannya banyak,
18:07gitu ya. Kemudian eh
18:10ada yang disebut action. Gitu.
18:14Kemudian berdasarkan environment itu,
18:17maka nanti si agent akan memperoleh
18:21reward. Ya. Dan ada di suatu state baru.
18:27Ya.
18:27Atas action yang dilakukan. Ya. Jadi, eh
18:31proses ini yang berulang-ulang ini, ini
18:33yang eh nanti modeling-nya disebut
18:36Markov decision process.
18:39Eh.
18:42Dia berupa sekumpulan solusi. Jadi,
18:45solusinya tuh banyak sebenarnya.
18:47Ya. Nah, menentukan rangkaian aksi untuk
18:50mencapai maksimum kumulatif perolehan
18:54reward, itulah solusi yang diinginkan.
18:58Jadi, eh planning-nya itu eh
19:02sebenarnya eh sambil jalan.
19:05Gitu. Nah, sambil jalan. Jadi, bukan eh
19:08kita punya eh rencana dari awal, plan A,
19:11plan B, seperti itu. Tapi planning-nya
19:13bisa banyak sekali, tapi sambil jalan
19:15planning mana yang terbaik nanti.
19:19Nah, itu yang disebut learning eh by
19:22reinforcement. Jadi, learning, belajar
19:24dengan penguatan. Ya.
19:27Nah, untuk modeling tadi, untuk supaya
19:30tadi dapat eh reward yang maksimum,
19:34ini ilmu yang terlibat banyak sekali.
19:36Jadi, bukan eh ilmu komputer sains saja,
19:39nyampe ya. Jadi, ini ada menurut saya
19:42neuroscience. Ini orang psikologi, orang
19:45dari eh kedokteran, ini bisa masuk di
19:48sini. Kan juga eh ada optimisasi atau
19:52bagian dari operation research itu eh
19:55orang ekonomi, gitu ya.
19:57Eh dan eh banyak ilmu lain di sini, ya.
20:01Jadi, matematik, ekonomi, psikologi,
20:03neuroscience, komputer sains,
20:04engineering. Gitu.
20:08Jadi, semua ilmu engineering eh eh masuk
20:11di sini, ya.
20:13Eh jadi, kalau kita ngomong tadi
20:15reinforcement learning, berarti
20:16sekumpulan masalah, yaitu sequential
20:19decision making,
20:20ya.
20:21Dan sekumpulan solusi berupa planning
20:24and learning. Jadi, planning-nya itu
20:26enggak cuma satu, tapi banyak sambil
20:28belajar terus, gitu.
20:30Gabungan berbagai bidang studi untuk
20:32mempelajari masalah dan solusi tersebut,
20:34gitu ya.
20:35Jadi, tadi
20:37ada environment, ada state, ada reward,
20:41ada policy, ada value. Environment itu
20:43apa? Yaitu tadi, dunia di mana eh
20:46agent-nya eh berada.
20:48Yang tadi, konteks eh eh tertentu tadi,
20:52ya.
20:53Eh state, jadi saat si eh agent eh
20:57berdasarkan environment berada pada
21:00state tertentu, gitu ya.
21:02Nah, itu nanti yang di diberikan
21:05feedback, ya. Feedback berdasarkan
21:07environment tadi. Nah, nanti ada
21:09polisinya. Jadi, metode untuk memetakan
21:13keadaan si agent terhadap suatu aksi.
21:18Value-nya, ya itu tadi, reward yang akan
21:22didapat ketika dia mengambil suatu
21:25action. Nah, bagaimana merumuskan reward
21:29itulah yang
21:32perlu nanti model-model deep learning.
21:35Ya, mungkin nanti mudah-mudahan
21:37sampai kepada
21:41bahasan dari Pak Sigit, ya. Mungkin
21:44gambaran aja mungkin, ya gitu ya. Nah,
21:47ini ini kalau kita sebagai penutup ya,
21:49contoh kalau tadi contohnya Pac-Man,
21:52mainan Pac-Man. Tapi ini Anda bayangkan
21:53bukan kita yang mainkan. Jadi, ini
21:56bagaimana
21:58aplikasi di mana Pac-Man-nya main
22:00sendiri. Pac-Man itu permainan makan,
22:03makannya itu
22:05Anda lihat di grid itu ya. Jadi, yang
22:07putih-putih itu
22:09makanan, dia harus makan, gitu ya. Jadi,
22:13agent-nya itu berarti si Pac-Man-nya, ya
22:15itu. Goal-nya si agent tadi adalah
22:18makanan,
22:20makanan yang disediakan, ya. Tapi harus
22:23menghindar dari
22:25ghost, ya, dari ghost-nya itu tapi di
22:27sini Anda lihat ya, ghost-nya untungnya
22:29lucu-lucu juga sih. Jadi, enggak terlalu
22:31mengerikan. Jadi,
22:33nah eee
22:36grid-nya itu berbentuk labirin. Jadi,
22:38dia harus jalan nih, dia harus cari
22:40jalannya untuk dapat makanan tadi tapi
22:43menghindar dari si
22:45apa namanya
22:47ghost-nya tadi, ya.
22:50Nah, agent-nya tadi Pac-Man-nya akan
22:52mene menerima reward, yaitu makanan
22:56dan akan menerima punishment. Jadi,
22:59reward-nya tadi bisa positif makanan,
23:02bisa negatif yaitu punishment ketika eh
23:06ketabrak oleh ghost. Jadi dia kalah sama
23:08ghost. Jadi kalau dia dia ketemu ghost
23:11maka dia akan terbunuh gitu.
23:13Nah, state-nya itu adalah lokasi dari si
23:16agent tadi di dalam eh grid tadi ya.
23:21Jadi petanya itu bentuknya grid, grid
23:23itu apa ya namanya eh sel ya, sel
23:27kotak-kotak gitu ya. Dan nanti eh total
23:31kumulatifnya itu adalah tujuannya nanti,
23:34total skornya berapa. Yaitu tadi
23:36sebanyak-banyaknya dia makan ya. Ini
23:40kalau kita punya masalah Pac-Man. Jadi
23:43eh ini kalau kalau eh nanti bermain
23:46dengan eh rumusannya mungkin nanti aja
23:49kalau mudah-mudahan ini menjadi
23:52tantangan Anda untuk mempelajari lebih
23:54lanjut ya, bagaimana reinforcement
23:57learning. Jadi ini pengantar saja
23:59mungkin eh Bu Vivin eh konsep eh apa itu
24:03reinforcement learning ya.
24:05Terima kasih Bu Sufi.
24:07Eh jadi di segmen satu ini kita sudah
24:11mencoba memahami ya konsep dari
24:14reinforcement learning sebagai salah
24:16satu
24:17tipe lain ya dari machine learning
24:19selain eh supervised learning dan
24:21unsupervised learning.
24:23Jadi sebagai catatan reinforcement
24:25learning itu adalah salah satu tipe dari
24:28machine learning yang memungkinkan mesin
24:30atau agent untuk menentukan tingkah laku
24:33ideal secara otomatis dalam konteks
24:37tertentu ya guna memaksimalkan kinerja.
24:40Jadi reinforcement learning ini
24:41memerlukan umpan balik ya Bu berupa
24:43reward dan punishment gitu ya supaya
24:45agent bisa belajar ya mempelajari
24:47tingkah lakunya eh kemudian fokusnya
24:51adalah
24:52eh supaya bisa melakukan proses
24:55pengambilan keputusan ya berdasarkan
24:57pengalaman dan umpan balik. Jadi
24:59eh belajar berdasarkan pengalamannya ya
25:02gitu ya Bu ya.
25:04Jadi dikasih data, datanya ah
25:06kalau supervise itu ada labelnya, kalau
25:09unsupervise tidak ada labelnya. Nah ini
25:11eh beda ya eh reinforcement learning itu
25:14belajarnya dari eh pengalaman gitu ya Bu
25:16ya. Kemudian tadi ada beberapa elemen
25:19dasar di eh reinforcement learning ada
25:21environment, state, eh reward, policy
25:24dan value.
25:26Kemudian tentunya nanti untuk apa eh
25:29mengatasi permasalahan
25:33eh yang
25:34dihadapi gitu ya dengan eh dengan satu
25:38reinforcement learning tentunya ada
25:41caranya ya Bu, ada tahap-tahap
25:43pengerjaannya, kemudian ada
25:46eh algoritmanya seperti itu ya Bu ya.
25:49Eh nanti mungkin di sesi dua akan
25:51dilanjut lebih dalam lagi. Terima kasih
25:54Bu Sulistia atas penjelasannya. Jadi eh
25:56demikian review kita di segmen satu.
26:00Eh pada segmen berikutnya kita akan
26:02membahas implementasi reinforcement
26:04learning di dunia industri disertai
26:07dengan contoh-contoh aplikasinya. Tetap
26:09bersama kami di program literasi.

About this transcript

This page contains the full transcript of Team Teaching: Pengantar Reinforcement Learning - Konsep dan Implementasi (Part 1) by UG Pembelajaran Siber, generated from the public captions YouTube serves with the video. The transcript has 2,928 words across 598 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to translate the transcript into 100+ languages.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, translation to 100+ languages, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.