Minggu pertama memahami istilah
Pelajari perbedaan AI, pembelajaran mesin, model bahasa, prompt, data latihan, dan inferensi melalui contoh sehari-hari. Tujuannya bukan menghafal definisi panjang, melainkan mampu menjelaskan batas setiap istilah dengan kata sendiri. Catat tiga hal yang dipahami dan dua pertanyaan yang belum terjawab setelah tiap sesi. Hindari berpindah ke banyak aplikasi sebelum memahami bahwa keluaran probabilistik dapat berubah dan tidak otomatis faktual.
Minggu kedua latihan instruksi
Pilih satu layanan dan gunakan data tidak sensitif. Latih tujuan, konteks, batas, format, serta permintaan klarifikasi. Jalankan prompt yang sama dengan satu perubahan pada setiap putaran, lalu bandingkan hasil. Simpan contoh yang baik dan buruk. Fokus pada tugas rendah risiko seperti membuat kerangka, menyederhanakan teks milik sendiri, atau menyusun pertanyaan belajar. Jangan mengukur kemampuan hanya dari jawaban yang terdengar pintar.
Minggu ketiga belajar verifikasi
Ambil beberapa jawaban faktual dan tandai setiap nama, angka, kutipan, serta sumber. Buka dokumen asli, cek tanggal, dan tulis apakah klaim didukung, sebagian didukung, atau tidak ditemukan. Coba pula tugas yang sengaja kekurangan konteks untuk melihat kapan model menebak. Latihan ini membangun kebiasaan skeptis yang sehat dan menunjukkan bahwa pemeriksaan adalah bagian dari penggunaan, bukan pekerjaan tambahan setelah kesalahan terjadi.
Minggu keempat membuat proyek kecil
Pilih proyek dengan hasil jelas, misalnya glosarium pribadi, kerangka materi belajar, atau pengelompokan catatan publik. Tetapkan ukuran berhasil, batas data, waktu maksimal, dan cara manual sebagai pembanding. Tinjau mutu serta waktu koreksi di akhir minggu. Proyek selesai tidak berarti menjadi ahli; ia memberi bukti tentang kemampuan yang sudah dipahami dan area yang memerlukan latihan berikutnya.
Artikel terkait
- Latihan membandingkan prompt tanpa menebak-nebak
- Memahami data latihan AI tanpa mitos
- Membuat glosarium AI pribadi sebagai proyek pertama