Kerangka Materi

Modul 1: Pengenalan & Teori AI

  • Pendekatan Berbasis Model: AI sebagai masalah insinyur.
  • Memecahkan "Hantu dalam Mesin": Apa itu AI vs. apa yang bukan AI.
  • Evolusi Teknologi: Dari BERT hingga Transformers.
  • Domain Generatif: Analisis, Kreatif, Riset, Gambar, Musik, dan Video.
  • Tata Kelola Data: Pilar, audit, dan tren penelitian (Multimodalitas, Agen, RAG, LLM vs. SLM).
  • Sisi Gelap: Etika, Hak Kekayaan Intelektual, bias, halusinasi, dan rekayasa sosial.
  • Penilaian Risiko: Pencemaran data, Nepenthes, dan risiko "penurunan" keterampilan manusia.
  • Taksonomi Model: Dasar vs. Tugas-spesifik; Closed vs. Open-weight models.

Modul 2: Lanskap Saat Ini & Set Alat

  • Arena Model Bahasa: Membandingkan kinerja dan benchmark.
  • Kriteria Pembelian Profesional: Biaya, latensi, privasi, dan ketergantungan vendor.
  • Gambaran Model Besar: OpenAI ChatGPT, Perplexity, Gemini, dan Grok.
  • Model Niches & Kecil: Manus, SpecKit.
  • Generasi Grafis: Perchance
  • Kendala Teknis: Konteks rot vs. Biaya token.

Modul 3: Interaksi - Prompt & Context Engineering

  • Kerangka Verifikasi: Kelengkapan, konsistensi, dan verifikabilitas.
  • Strategi RAG: Kapan menggunakan Retrieval-Augmented Generation vs. fine-tuning.
  • ROI AI: Biaya pemeliharaan vs. peningkatan produktivitas.
  • Teknik Lanjutan: 20+ Metode Prompt & RAG dengan contoh dunia nyata.
  • Frontier Eksperimental: Triangulasi, Map & Terrain overview, dan Model-based generation.

Modul 4: AI dalam Manajemen Proyek Agile

  • Pilot Superkomputer: AI sebagai mesin otomasi.
  • Pengambilan Keputusan: Tanggung jawab manusia vs. bantuan AI.
  • AIOps & GitOps: Mengintegrasikan AI ke dalam alur kerja operasional.
  • Toolchains & Pipelines: Membuat lingkungan berbasis AI yang mulus.
  • Artefak Agile: Backlog, roadmap, dan insinyering persyaratan.
  • Manajemen Presisi: Perencanaan kapasitas dan estimasi (Akurasi vs. Presisi).
  • Kepemilikan Produk: Ideasi, analisis fitur, dan risiko Vibe-coding.
  • Risiko & Skenario: Perencanaan untuk "Apa Jika" dan manajemen risiko otomatis.
  • Penyempurnaan: Deskripsi dan penyempurnaan Use Case dan User Story.

 

Persyaratan

  • Pemahaman dasar tentang Agile Manifesto dan kerangka Scrum.
  • Pengalaman dalam manajemen proyek, kepemilikan produk, atau kepemimpinan tim.
  • Tidak diperlukan pengalaman pemrograman atau insinyuran AI sebelumnya, meskipun keterampilan umum dengan alat digital disarankan.

Audience

  • Manajer Proyek Agile dan Scrum Masters.
  • Pemilik Produk dan Manajer Produk.
  • Kepala Tim IT dan Manajer Pengiriman.
  • Analis Bisnis yang bekerja dalam lingkungan Agile.
  • Manajer Operasional yang tertarik pada AIOps.

 

 7 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (2)

Kursus Mendatang

Kategori Terkait