Pemrosesan Bahasa Alami

Mata kuliah Pemrosesan Bahasa Alami (Natural Language Processing) memberikan pemahaman komprehensif mengenai teknik dan algoritma dalam mengolah teks berbahasa alami secara komputasional. Perkuliahan diawali dengan pengenalan dasar NLP, dilanjutkan dengan teknik ekstraksi fitur dan pra-pemrosesan teks seperti stemming, tokenisasi, word embeddings, serta pengenalan language models. Mahasiswa akan mempelajari POS tagging, pemodelan N-gram, dan sistem Information Retrieval (IR) untuk memahami struktur dan pencarian informasi dari teks. Materi berkembang ke arah teknik text mining, penerapan algoritma pembelajaran mesin dalam NLP, serta analisis sintaksis melalui dependency parsing. Pendekatan berbasis deep learning dibahas melalui pengembangan RNN dan variannya, serta arsitektur Transformer yang mendasari berbagai model pretrained NLP modern. Mahasiswa juga diperkenalkan pada teknik lanjutan seperti Supervised Fine-Tuning, Reinforcement Learning from Human Feedback (RLHF), dan Direct Preference Optimization (DPO), serta pendekatan efisien melalui Prompt Engineering dan Parameter-Efficient Fine-Tuning (PEFT). Evaluasi model dan benchmarking kinerja NLP menjadi bagian penting sebelum mahasiswa mengembangkan sistem berbasis question answering dan pemodelan representasi pengetahuan.