-
Notifications
You must be signed in to change notification settings - Fork 0
learn.
Anaconda Protocol edited this page Aug 26, 2026
·
2 revisions
roadmap belajar AI militer untuk non‑expert. Jadi kamu bisa step‑by‑step masuk ke dunia ini tanpa harus jadi akademisi hardcore dulu.
- Python dasar → bahasa utama untuk eksperimen AI.
- Machine Learning basics → konsep regresi, klasifikasi, clustering.
- Data handling → Pandas, NumPy, CSV/JSON.
- OSINT tools → Maltego, SpiderFoot, Google Dorks.
- Geospatial analysis → OpenStreetMap, QGIS.
- Metadata forensics → EXIF foto, log komunikasi.
- Computer Vision → deteksi senjata dari foto/video.
- NLP & LLM → parsing dokumen kontrak, propaganda.
- Graph analysis → pemetaan jaringan vendor & keluarga.
- Bias detection → mengenali threshold manipulasi.
- Explainable AI → XAI untuk transparansi model.
- Human‑in‑the‑loop → pentingnya verifikasi manusia.
- Lavender model → sistem scoring target.
- Fire Factory → otomatisasi serangan udara.
- Red Wolf facial recognition → checkpoint biometrik Tepi Barat.
- Python dasar: syntax, loops, functions.
- Data handling: Pandas, NumPy, CSV/JSON.
- Mini‑project: scraping data publik (misalnya daftar vendor senjata).
- ML dasar: regresi, klasifikasi, clustering.
- Scikit‑learn untuk model sederhana.
- Mini‑project: klasifikasi dokumen kontrak militer.
- OSINT tools: Maltego, SpiderFoot.
- Geospatial analysis: QGIS, OpenStreetMap.
- Mini‑project: mapping lokasi vendor atau checkpoint.
- CNN & RNN dengan PyTorch/TensorFlow.
- Computer vision: deteksi senjata dari foto/video.
- Mini‑project: klasifikasi citra satelit Gaza.
- NLP dasar: tokenization, embeddings.
- LLM audit: parsing propaganda & kontrak.
- Mini‑project: chatbot audit kontrak senjata.
- Explainable AI: XAI untuk transparansi.
- Bias detection: threshold & graph poisoning.
- Case study Palestina: Lavender, Fire Factory, Red Wolf.
- Capstone: laporan audit OSINT ekosistem AI militer Israel.
🌱 Dengan timeline ini, kamu bisa naik level dari coding dasar → ML/OSINT → deep learning → NLP → audit etika → studi kasus Palestina. Jadi nggak perlu expert dulu, tapi tetap punya kerangka analisis yang kuat.
Repo ini dibuat untuk membuka kotak hitam algoritma militer dengan Explainable AI (XAI). Melalui audit transparansi dan forensik digital, XAI dipakai sebagai senjata intelektual untuk membongkar bias sistemik, memperkuat narasi keadilan, dan menjadi bagian dari ikhtiar pembebasan Masjidil Aqsa.
- Pendahuluan XAI → konsep dasar, kenapa perlu dijelaskan.
- Metode utama → LIME, SHAP, Counterfactual, Attention.
- Audit Protocol Lavender → studi kasus sistem AI targeting Israel.
- Resistensi Algoritmik Palestina → penerapan XAI untuk sistem defensif.
- Forensik Digital → bukti visual & numerik dari SHAP/LIME.
- Tantangan & Etika → bias, fairness, dan keterbatasan XAI.