_NLP

Mata kuliah level pascasarjana (S2) ITB, ditempatkan di catatan semester 7 (S1) karena diambil sejajar dengan AAT/PDL/KomLay/XOps.

Student Outcome:

• Mahasiswa mampu mendesain dan membangun solusi berbasis komputasi melalui pendekatan interdisipliner/multidisipliner.

Course Outcome (CPMK, semester 1 2026/2027):

1. Menjelaskan pendekatan machine learning untuk berbagai task NLP.
2. Menjelaskan pendekatan berbasis transfer learning untuk berbagai task NLP.
3. Mengembangkan model NLP menggunakan pendekatan berbasis machine learning.
4. Mengembangkan model NLP menggunakan pendekatan berbasis transfer learning.

Silabus: (1) Basic NLP Tools — lexical, syntactic, semantic, reference resolution; (2) Various NLP Task — Text Classification, Text Comparison/Similarity, Sequential Labelling, Sentiment Analysis, Question Answering, Dialogue System; (3) Various NLP Technique — Shallow Machine Learning, Word Representation, Transfer Learning (Transformer based Encoder/Decoder); (4) NLP/LLM Evaluation.

Topik BEAM/Boxology (catatan #4) tidak disebutkan eksplisit dalam silabus pengantar kelas — kemungkinan sesi khusus/guest lecture yang ditambahkan kemudian. Ditempatkan sebagai topik terakhir karena tidak ada info urutan pasti di silabus.

Isi :

1. Pengantar Kelas
2. Klasifikasi Teks (Text Classification)
3. Word Representation: HAL, LDA, GloVe
4. BEAM: Boxology Design Patterns untuk Hybrid Learning & Reasoning Systems
5. Transformer & BERT
6. Decoder, Prompting, Fine-Tuning & PEFT