S04E04 Simulasi Dinamika Fluida dengan Deep Learning

Apa bedanya tulisan artikel jurnal ilmiah dengan kebutuhan jurnalistik? Bagaimana caranya agar tulisan kita bisa dimuat di majalah sains terkemuka seperti Nature atau Science Magazine? Di episode kali ini saya mencoba mencari jawaban untuk pertanyaan tersebut dari Dyna Rochmyaningsih, kontributor dua majalah tersebut dan penerima Knight Science Journalism Fellow 2023/2024.

Pernah menonton film Frozen atau Moana? Atau pernah main Where's My Water? Karena rasa penasaran akan bagaimana gerakan air bisa disimulasikan dengan menggunakan komputer, Dr. Dody Dharma mengeksplorasi lebih jauh tentang dinamika fluida dengan paralelisasi proses. Dengan semakin canggihnya teknologi GPU untuk proses paralel, maka eksplorasi simulasi pemodelan tersebut dapat dilakukan dengan deep learning. Bagaimana caranya? Apa saja tantangannya? Simak di episode kali ini!

Responsible AI ternyata tidak melulu tentang generative AI dan large language models. Di episode ini, saya berdiskusi dengan Theresia Rampisela (@theresia_v_r) tentang keadilan (fairness) dalam kasus sistem rekomendasi. Isu apa saja yang dapat ditemukan ketika mengevaluasi keadilan dalam sistem rekomendasi? Batasan apa saja yang dapat ditemukan dari metrik yang selama ini digunakan? Simak di episode kali ini! Referensi: https://dl.acm.org/doi/abs/10.1145/3631943 https://dl.acm.org/doi/abs/10.1145/3626772.3657832

Seharusnya, interaksi antara tim data dan product managers (PM) bersifat simbiosis mutualisme. PM butuh tim data untuk validasi, tim data butuh PM untuk menangani hubungan dengan external stakeholders dan mendapatkan konteks dengan lebih baik. Dalam keberjalanannya, hubungan dua entitas ini tidak selalu mulus. Kali ini saya ngobrol dengan Gurun Nevada Dharan, salah satu pesohor product management di jagat maya Indonesia, terkait pengalamannya berhadapan dengan tim data. Apa benar perusahaan benar-benar menerapkan data-driven decision making? Lalu, sebetulnya PM itu butuh bisa query data sendiri tidak sih? Selamat mendengarkan!

Di episode ini, saya mempelajari banyak hal terkait studi kualitatif di bidang antropologi melalui metode etnografi bersama Ibnu Nadzir. Apa yang menjadi daya tarik antropologi sehingga beliau tidak hanya lulus sebagai sarjana antropologi, tetapi bahkan sedang studi doktoral di bidang ini? Bagaimana prospek lulusan antropologi di dunia kerja? Lalu, apa hubungannya studi etnografi dengan metode kuantitatif yang kita banyak temukan dalam riset pasar?

Saya mendiskusikan banyak aspek tentang large language models (LLMs) bersama Alham Fikri Aji (@AlhamFikri) dalam episode kali ini. Aji bercerita tentang pengalamannya mengerjakan riset di bidang NLP: riset NLP bahasa Indonesia, bekerja di tim Amazon Alexa dan Apple Siri, dan keterlibatannya dalam riset kolaboratif masif lainnya, e.g. BLOOM, JAIS, dan SEALP. Dengan semakin meluasnya penggunaan dan riset LLM seperti chatGPT, lantas apa yang bisa dilakukan oleh peneliti NLP yang tidak punya akses ke sumber daya korporat seperti Google, Amazon, atau OpenAI? Referensi: https://www.youtube.com/watch?v=6XDeU842Awo

Jika Anda sedang atau ingin bekerja di bidang data, harusnya Anda familiar dengan nama Ardya Dipta Nandaviri (@ArdyaDipta). Saat ini, Dipta bekerja sebagai Head of Data Science and Business Insights di Kalbe Farma setelah menghabiskan hampir 6 tahun sebagia data scientist di Gojek. Dalam episode kali ini, beliau membagikan beberapa tips bagi yang tertarik untuk bekerja di bidang data, salah satunya tentang fakta bahwa ilmu statistik dasar itu sangat terpakai di industri! Fun fact: Dipta adalah salah seorang pendiri Unit Robotika di Institut Teknologi Bandung dan sempat bekerja di bidang robotika di Amerika Serika selama hampir 2 tahun sebelum bekerja di Indonesia sebagai data scientist.

Di episode ini, Anda akan mendengarkan perjalanan seorang Rifan Kurnia (@rfnk24), VP di bidang data yang mengawali karier dari perusahaan multinasional dan dalam beberapa tahun terakhir terjun di dunia startup. Rifan memiliki pengalaman di beragam vertikal, mulai dari perbankan hingga telekomunikasi dan perikanan. Rifan juga bercerita tentang alasan di balik keputusannya mengambil S2 lagi di bidang cybersecurity sebagai orang berlatar belakang pendidikan di bidang statistik.

"Winter is coming." Beberapa bulan terakhir ini kita sering mendengar tentang berita PHK besar-besaran di berbagai perusahaan teknologi. Para pekerja bergaji besar, dengan banyak perks, dan kesannya tidak tersentuh risiko pemecatan itu ternyata bertumbangan satu per satu. Lantas, di tengah tech winter ini, banyak yang kemudian berpikir untuk mencari opsi lain di "kapal" yang lebih besar dan relatif tahan "ombak": multinational companies. Apa saja sih sebetulnya plus-minusnya? Di episode ini, Yosef Ardhito Winatmoko berbagi pengalamannya selama bekerja sebagai ilmuwan data di sebuah multinational company dan perbandingannya dengan pengalaman sebelumnya saat masih bekerja di salah satu unicorn di Indonesia.

Pernah dengar atau pakai model IndoBERT? Tahu tidak kalau setelah model tersebut ada inisiatif lanjutan yang melibatkan banyak orang keren di bidang NLP bahasa Indonesia? Tidak hanya dari institusi dalam negeri, riset-riset ini juga melibatkan institusi riset kelas dunia seperti Google DeepMind, Amazon, dan Bloomberg. Apa sih sebetulnya tantangan dalam mengerjakan model bahasa skala besar yang melibatkan beberapa institusi dari berbagai belahan dunia? Saya mencoba menggali cerita di balik paper IndoNLU, IndoNLG, dan NusaCrowd dari Samuel Cahyawijaya (@sam_cahyawijaya), mahasiswa PhD di HKUST dan salah satu kontributor dalam proyek-proyek riset tersebut. Tautan: One Country, 700+ Languages: https://arxiv.org/pdf/2203.13357.pdf NusaX: https://arxiv.org/pdf/2205.15960.pdf IndoNLG: https://arxiv.org/pdf/2104.08200.pdf IndoNLU: https://arxiv.org/pdf/2009.05387.pdf