# Bab 01: Transformasi Penerapan AI untuk Edge

EdgeAI mewakili perubahan paradigma dalam penerapan kecerdasan buatan, mengalihkan kemampuan AI dari pemrosesan berbasis cloud ke perangkat edge lokal. Bab ini membahas konsep dasar, teknologi utama, dan aplikasi praktis yang mendefinisikan pendekatan transformasi ini dalam implementasi AI.

## Struktur Modul

### [Bagian 1: Dasar-Dasar EdgeAI](./01.EdgeAIFundamentals.md)
Bagian ini membangun fondasi dengan membandingkan model AI berbasis cloud tradisional dengan penerapan AI di edge. Kami mengkaji teknologi penting seperti kuantisasi model, optimasi kompresi, dan Small Language Models (SLMs) yang mengatasi keterbatasan komputasi perangkat edge. Diskusi menekankan bagaimana inovasi ini memberikan perlindungan privasi yang lebih baik, latensi yang sangat rendah, dan kemampuan pemrosesan offline yang tangguh.

### [Bagian 2: Studi Kasus Dunia Nyata](./02.RealWorldCaseStudies.md)
Melalui contoh konkret seperti ekosistem model Phi dan Mu dari Microsoft serta sistem pelaporan AI Japan Airlines, bagian ini menunjukkan penerapan EdgeAI yang sukses di berbagai industri. Studi kasus ini membuktikan kinerja luar biasa SLMs dalam tugas-tugas khusus dan menggambarkan manfaat praktis dari strategi penerapan di edge.

### [Bagian 3: Panduan Implementasi Praktis](./03.PracticalImplementationGuide.md)
Bagian ini menyediakan panduan persiapan lingkungan yang komprehensif untuk pembelajaran langsung, mencakup alat pengembangan penting, persyaratan perangkat keras, sumber daya model inti, dan kerangka kerja optimasi. Bagian ini membangun dasar teknis yang diperlukan bagi pembelajar untuk membuat dan menerapkan solusi EdgeAI mereka sendiri.

### [Bagian 4: Platform Perangkat Keras untuk Penerapan Edge AI](./04.EdgeDeployment.md)
Bagian ini mengeksplorasi ekosistem perangkat keras yang memungkinkan penerapan AI di edge, mencakup platform dari Intel, Qualcomm, NVIDIA, dan Windows AI PCs. Bagian ini memberikan perbandingan mendetail tentang kemampuan perangkat keras, teknik optimasi spesifik platform, dan pertimbangan penerapan praktis di berbagai skenario komputasi edge.

## Hasil Pembelajaran Utama

Pada akhir bab ini, pembaca akan memahami:
- Perbedaan mendasar antara arsitektur AI berbasis cloud dan edge
- Teknik optimasi inti untuk penerapan di edge
- Aplikasi dunia nyata dan kisah sukses
- Keterampilan praktis untuk mengimplementasikan solusi EdgeAI
- Pemilihan platform perangkat keras dan pendekatan optimasi spesifik platform
- Benchmarking kinerja dan praktik terbaik penerapan

## Implikasi Masa Depan

EdgeAI muncul sebagai tren penting yang membentuk masa depan penerapan AI, membuka jalan bagi sistem AI yang terdistribusi, efisien, dan melindungi privasi yang dapat beroperasi secara independen dari konektivitas cloud sambil mempertahankan standar kinerja tinggi.

---

**Penafian**:  
Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Meskipun kami berupaya untuk memberikan hasil yang akurat, harap diperhatikan bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang berwenang. Untuk informasi yang bersifat kritis, disarankan menggunakan jasa penerjemah manusia profesional. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.