IBM TechnologyMenjelaskan konsep AI, agen, dan RAG
Kanal edukasi teknologi resmi IBM yang menjelaskan AI, otomasi, dan data, termasuk agen AI, RAG, LangChain, dan vector database.
Putar video pertama
1MCP vs API: Simplifying AI Agent Integration with External Data13 menitMembandingkan Model Context Protocol (MCP) dengan API: MCP adalah standar terbuka dari Anthropic (akhir 2024) yang menstandarkan cara aplikasi memberi konteks ke LLM, diibaratkan port USB-C untuk aplikasi AI.BeginnerEvergreen
2Five Steps to Create a New AI Model7 menitMenjelaskan foundation model sebagai upaya terpusat membuat base model yang bisa diadaptasi lewat fine tuning ke banyak tugas khusus, menggantikan cara lama yang memulai dari seleksi data, pelabelan, dan pelatihan untuk tiap model.BeginnerEvergreen
3What Is Jev? The AI Model That Doesn't Generate Text15 menitMenjelaskan Jev dari TypeSafe, model AI yang tidak menulis teks tetapi menjawab dengan memilih dari daftar dan memberi probabilitas tiap jawaban, sebagai model system one ala buku Thinking, Fast and Slow karya Daniel Kahneman.BeginnerPerishable
4Is RAG Still Needed? Choosing the Best Approach for LLMs11 menitMenjelaskan masalah context injection karena LLM membeku di waktu pelatihan dan tidak tahu data privat, lalu membandingkan dua pendekatan: RAG (pendekatan rekayasa) dan long context.IntermediateEvergreen
5AI Simplified: 6 Concepts You Need to Know About Modern AI9 menitMenjelaskan AI modern lewat analogi tubuh manusia: model sebagai otak, training sebagai sekolah, tools sebagai tangan dan kaki.BeginnerEvergreenModul 2
6Essential Skills for Becoming an AI Engineer: RAG, AI Agents, & More11 menitMenguraikan apa itu AI engineer dan bahwa gelar ilmu komputer tidak wajib; yang dibutuhkan adalah keterampilan dan fondasi yang benar, karena kini kode mudah dihasilkan AI sehingga yang sulit adalah penilaian (judgment).BeginnerPerishable
7The 7 Skills You Need to Build AI Agents15 menitMenjelaskan bahwa lowongan prompt engineer dengan keahlian sistem terdistribusi, desain API, MLOps, keamanan, dan manajemen produk sebenarnya mencari agent engineer, karena membangun agen AI adalah merekayasa sistem.IntermediatePerishable
8Spec-Driven Development: AI Assisted Coding Explained9 menitMembedakan vibe coding dari spec-driven development.IntermediateEvergreenModul 42
9What AI Agent Skills Are and How They Work12 menitMenjelaskan agent skills yang menjadi standar terbuka di hampir semua platform coding AI, karena menutup celah pengetahuan prosedural: LLM tahu banyak fakta tetapi tidak tahu cara kerja langkah demi langkah yang spesifik.BeginnerEvergreen
10Context Engineering for AI Agents: 4 Failure Modes to Avoid10 menitMenjelaskan context rot: studi atas 18 model frontier menunjukkan semuanya menjadi kurang andal saat context window membesar, padahal konteks lebih banyak seharusnya membantu agen pada tugas panjang.IntermediateEvergreen
11What is Retrieval-Augmented Generation (RAG)?7 menitMenjelaskan RAG sebagai kerangka agar LLM lebih akurat dan terkini dengan mengambil informasi dari content store sebelum menjawab.IntermediateEvergreenModul 59
12What is a Vector Database? Powering Semantic Search & AI Applications10 menitMenjelaskan perbedaan database relasional dan vector database serta masalah semantic gap.IntermediateEvergreenModul 58
13What is LangChain?8 menitMenjelaskan LangChain sebagai framework open-source untuk membangun aplikasi LLM yang bisa memakai LLM berbeda untuk tugas berbeda.IntermediateEvergreenModul 88
14LangChain vs LangGraph: A Tale of Two Frameworks10 menitMembedakan LangChain (rantai fungsi berurutan) dan LangGraph (graf dengan node dan edge).IntermediateEvergreenModul 89
15LLM & AI Agent Benchmarks vs Reality: Why AI Applications Break15 menitMenjelaskan jurang antara skor leaderboard dan performa nyata aplikasi AI.IntermediateEvergreenModul 33Logo: youtube.com