5.00 •

Gen AI Engineer

Learning Path

Pengembangan Generative AI berbasis LLM

Topik:

AI Machine Learning +2 lainnya

Level: Mahir

Level: Mahir 90 Jam Belajar

Siswa Terdaftar

Pelajari rekayasa LLM tingkat mahir mulai dari arsitektur LLM, implementasi RAG, fine-tuning dan alignment, hingga infrastruktur deployment.

Harga

Rp1,150,000

/ bulan

Harga

Rp1,150,000

/ bulan

Kelas ini sedang tidak menerima pendaftaran

Kami akan mengingatkan Anda terkait informasi terbaru di kelas ini.

Ingatkan Saya Lihat langganan lainnya

Learning Path Gen AI Engineer

Kelas ini merupakan langkah ke-tujuh Anda untuk menjadi Gen AI Engineer.

Langkah sebelumnya

Langkah 6

Belajar Fundamental Generative AI

60 Jam 4,89 Level Menengah

Promo yang tersedia

Apa yang akan Anda dapatkan

Sertifikat

Dapatkan sertifikat standar industri setelah menyelesaikan kelas ini.

Code Review

Kode yang Anda kerjakan akan di-review secara komprehensif oleh Reviewer.

Forum Diskusi

Diskusikan materi belajar dengan siswa lainnya.

Modul Tutorial

Materi bacaan elektronik disajikan dengan bahasa yang mudah dipahami.

Submission

Uji kemampuan teknis Anda dengan mengerjakan tugas submission.

Kuis

Kuis pilihan ganda membantu Anda memahami materi yang dipelajari.

Level Mahir
Menguasai materi dan latihan tingkat lanjut. Kelas ini mensyaratkan sejumlah penguasaan landasan pengetahuan yang baik.

Deskripsi

Perkembangan pesat Generative AI menuntut para engineer untuk melewati batasan penggunaan API dasar menuju penguasaan rekayasa LLM secara utuh. Anda diajak mengeksplorasi arsitektur dan komputasi LLM, mengimplementasikan sistem RAG tingkat lanjut, serta mengoptimalkan kapabilitas model melalui fine-tuning dan alignment. Dilengkapi dengan materi infrastruktur deployment, kelas ini memastikan Anda memiliki kapabilitas penuh untuk merealisasikan inovasi Generative AI secara nyata.

Mampu membedah arsitektur internal Large Language Model (seperti Transformer dan Mixture of Experts) serta mengoptimalkan teknik decoding untuk mengontrol perilaku dan output model secara presisi.

Menguasai implementasi RAG, proses fine-tuning, hingga optimasi reasoning untuk menyelesaikan kasus penggunaan industri yang kompleks.
Memahami rekayasa komputasi memori dan kuantisasi statistik tingkat lanjut (seperti tipe data NF4) untuk menjalankan model secara efisien pada perangkat keras terbatas.
Mampu mendesain infrastruktur deployment skala produksi (production-grade) baik pada lingkungan Cloud maupun On-Premise.
Meningkatkan daya saing secara drastis sebagai AI Engineer dengan portofolio keterampilan Generative AI end-to-end.

Target dan Sasaran Siswa

Kelas ditujukan bagi praktisi AI/ML, Data Scientist, maupun Software Engineer yang ingin memperdalam rekayasa Large Language Model (LLM) secara menyeluruh mulai dari modifikasi arsitektur, optimasi komputasi, hingga arsitektur deployment yang mengacu pada standar kompetensi industri.
Kelas dapat diikuti oleh siswa yang melek IT sehingga wajib memiliki dan dapat mengoperasikan komputer dengan baik.
Anda diharapkan sudah menguasai bahasa pemrograman Python tingkat menengah, serta memiliki pemahaman yang kuat mengenai konsep dasar Deep Learning, Natural Language Processing (NLP), dan cara kerja arsitektur Neural Network.
Setelah lulus dari kelas ini, siswa diharapkan mampu membangun dan mendistribusikan (deploy) proyek Generative AI yang berfokus pada penerapan RAG dan kustomisasi model (fine-tuning).

Selengkapnya

Sembunyikan

Learning Path

Kelas ini merupakan langkah ke-tujuh Anda untuk menjadi Gen AI Engineer.

Langkah sebelumnya

Langkah 6

Belajar Fundamental Generative AI

60 Jam 4,89 Level Menengah

Peralatan Belajar

Spesifikasi minimal perangkat:

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas)

Tools yang dibutuhkan untuk belajar:

Google Colaboratory

Lihat semua peralatan belajar

Peralatan Belajar

Spesifikasi minimal perangkat

Kelas ini membutuhkan spesifikasi perangkat seperti berikut:

RAM

8GB (Rekomendasi 16 GB)

Layar

1366 x 768 (Rekomendasi Full HD 1920 x 1080

Sistem Operasi

Windows, Linux, MacOS

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas)

Tools

Kelas ini membutuhkan beberapa tools berikut:

Google Colaboratory

Teks Editor (VSCode)

PyCharm IDE

Command Line (Terminal atau cmd)

Web Browser (Google Chrome atau Mozilla Firefox)

Metode Ajar

Online - Self-Paced Learning

Total jam belajar: 90 jam
Rekomendasi waktu belajar: 10 jam per minggu (selesai dalam 63 hari)
Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas

Fasilitas Pengajaran

Materi bacaan elektronik: Materi akan disajikan dalam bentuk teks dan bacaan
Forum diskusi: Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi
Sertifikat kompetensi

Evaluasi Pembelajaran

Ujian akhir kelas
Submission: Proyek sistem RAG menggunakan SLM yang Anda fine-tuning sendiri dengan Unsloth

Lihat semua metode ajar

Metode Ajar

Online - Self-Paced Learning

Total jam belajar: 90 jam
Rekomendasi waktu belajar: 10 jam per minggu (selesai dalam 63 hari)
Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas

Fasilitas Pengajaran

Materi bacaan elektronik: Materi akan disajikan dalam bentuk teks dan bacaan
Forum diskusi: Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi
Sertifikat kompetensi

Evaluasi Pembelajaran

Ujian akhir kelas
Submission: Proyek sistem RAG menggunakan SLM yang Anda fine-tuning sendiri dengan Unsloth

Kontributor

Curriculum Developer yang membangun kelas ini: