Final Challenges — Fase 6

Quiz

1. Apa beda tensor PyTorch dan numpy array?
2. Apa fungsi requires_grad=True?
3. Sebut 5 step training loop standar.
4. Kapan pakai model.train() vs model.eval()?
5. Beda CNN dan RNN — kapan pakai apa?
6. Apa itu self-attention? 3 vektor utamanya?
7. Beda encoder-only dan decoder-only transformer?
8. Apa fungsi positional encoding?
9. Apa itu transfer learning? Kapan dipakai?
10. Beda HuggingFace pipeline dan AutoModel?
11. Apa beda streaming vs non-streaming di LLM API?
12. Kenapa async penting untuk batch LLM call?

Karpathy Marathon (WAJIB)

Tonton minimal:

• "Neural Networks: Zero to Hero" Episode 1 (micrograd)
• "Let's build GPT from scratch"

Replicate code-nya.

Project: Mini Sentiment Analyzer

Build end-to-end:

1. Dataset Indonesia (IndoNLU SMSA atau scrape sendiri)
2. Fine-tune IndoBERT
3. Eval, get good accuracy
4. Wrap dengan Streamlit UI
5. Deploy ke HuggingFace Spaces (gratis)
6. Bagikan link di LinkedIn

Anki Update

Tambah 30 cards. Total 180+ cards.

Checklist

• PyTorch lancar (tensor, autograd, training loop)
• Pernah build CNN dan RNN sederhana
• Paham konsep transformer
• Bisa pakai HuggingFace pipeline + manual
• Pernah fine-tune pretrained model
• Bisa pakai LLM API (Gemini minimal)
• Setidaknya 1 model di HF Hub atau Streamlit deployed

Refleksi

Tulis di learning-journal/refleksi-fase-6.md:

• Konsep transformer akhirnya "klik"?
• Apakah math dari Fase 3 membantu paham backprop?
• Plan untuk Fase 7 (Capstone)?

---

Selanjutnya: Fase 7 — Mini Capstone

Kamu sudah jauh. Akhir dekat.