Memahami dan Membangun AI sendiri

Bagaimana sebenarnya Claude, ChatGPT, dan Qwen bekerja? Mengapa model AI dapat menulis kode, menjawab pertanyaan, hingga melakukan reasoning yang kompleks? Di balik antarmuka chat yang sederhana, terdapat arsitektur, algoritma, dan proses pelatihan yang jauh lebih menarik daripada yang dibayangkan banyak orang.
Buku ini mengajak Anda menelusuri perjalanan lengkap membangun AI modern—mulai dari token pertama yang masuk ke model, bagaimana Transformer memahami konteks, mengapa attention menjadi fondasi revolusi AI, hingga alasan mengapa VRAM dan memory bandwidth sering kali lebih menentukan performa dibanding sekadar FLOPS.
Anda juga akan memahami bagaimana sebuah base model dilatih melalui pretraining, kemudian disempurnakan menggunakan Supervised Fine-Tuning (SFT), RLHF, DPO, dan GRPO hingga mampu memberikan jawaban yang jauh lebih cerdas, konsisten, dan bermanfaat.
Tidak berhenti pada teori, buku ini membahas bagaimana model terbuka seperti Qwen dapat diubah menjadi coding agent modern yang mampu menggunakan tools, membaca repository, memperbaiki bug, menjalankan workflow, dan membantu proses development layaknya asisten profesional.
Seluruh materi disusun menggunakan bahasa yang ringkas, visual, dan mudah dipahami tanpa mengorbankan kedalaman teknis. Sangat cocok untuk developer, software engineer, mahasiswa, peneliti, maupun siapa saja yang ingin benar-benar memahami cara kerja AI modern tanpa harus membaca puluhan paper penelitian.
Apa yang Akan Anda PelajariMemahami cara kerja LLM dari Tokenization hingga Transformer.Mengapa AI pada dasarnya adalah mesin prediksi token berskala besar.Perbedaan arsitektur dan kemampuan Claude, ChatGPT, Qwen, serta model open-source lainnya.VRAM, Quantization, Memory Bandwidth, KV Cache, dan performa nyata saat menjalankan AI lokal.Perbandingan hardware seperti RTX 5090, NVIDIA DGX Spark, dan Mac Studio untuk inferensi dan fine-tuning.Pretraining, SFT, RLHF, PPO, DPO, GRPO, RLVR, serta evolusi post-training modern.Membangun dan melakukan fine-tuning model menggunakan LoRA dan QLoRA.Merancang Agent Scaffolding dan arsitektur coding agent generasi terbaru.Mengintegrasikan tools, memory, dan workflow agar AI mampu bekerja secara agentic.Menjawab pertanyaan penting: Apakah model lokal seperti Qwen benar-benar dapat menyaingi Claude Opus?Jika Anda ingin memahami AI bukan hanya sebagai pengguna, tetapi sebagai engineer yang mengerti apa yang terjadi di balik setiap token yang dihasilkan model, buku ini akan menjadi panduan yang komprehensif dan praktis untuk memulai.