Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Modul 1: Pengantar & Teori AI
- Pendekatan Berbasis Model: Memandang AI sebagai masalah rekayasa.
- Menyingkap Konsep AI yang Sebenarnya: Apa itu AI dan bukan apa.
- Evolusi Teknologi: Dari BERT hingga Transformers.
- Beragam Ranah Generatif: Analisis, Kreativitas, Penelitian, Gambar, Musik, serta Video.
- Tata Kelola Data: Prinsip utama, audit data, dan tren penelitian terkini (Multimodalitas, Agen AI, RAG, perbedaan LLM dengan SLM).
- Sisi Gelap AI: Etika, hak kekayaan intelektual, bias algoritma, halusinasi data, dan risiko penyalahgunaan secara sosial.
- Penilaian Risiko: Pencemaran data, fenomena Nepenthes, serta bahaya merosotnya kemampuan manusia akibat ketergantungan AI.
- Klasifikasi Model: Model Dasar vs Model Khusus Tugas; model berbobot tertutup dan terbuka.
Modul 2: Situasi Terkini & Perangkat AI
- Arena Model Bahasa: Membandingkan kinerja dan tolok ukur performa.
- Kriteria Pemilihan Alat AI: Biaya, waktu respons, privasi data, serta risiko vendor lock-in.
- Tinjauan Model Besar: OpenAI ChatGPT, Perplexity, Gemini, maupun Grok.
- Model Kecil dan Spesifik: Manus, SpecKit.
- Generasi Grafis: Perchance.
- Batasan Teknis: Masalah penurunan kualitas konteks dan biaya penggunaan token.
Modul 3: Interaksi – Pengolahan Perintah & Konteks
- Kerangka Verifikasi: Kesempurnaan, konsistensi, serta kemungkinan verifikasi hasil AI.
- Strategi RAG: Kapan penggunaan Retrieval-Augmented Generation tepat dibandingkan proses fine-tuning model.
- Efisiensi Investasi pada AI: Rasio biaya pemeliharaan terhadap peningkatan produktivitas.
- Teknik Lanjutan: Lebih dari 20 metode pengolahan perintah dan RAG dengan contoh aplikasi nyata.
- Wilayah Eksperimental: Pendekatan triangulasi, konsep Map & Terrain, serta generasi konten berbasis model.
Modul 4: AI dalam Manajemen Proyek Agile
- Pilot Implementasi: Memanfaatkan AI sebagai mesin otomatisasi.
- Pengambilan Keputusan: Peran manusia dan dukungan yang diberikan oleh AI.
- AIOps & GitOps: Integrasi kecerdasan buatan ke dalam siklus operasional proyek.
- Rantai Alat dan Pipa Proses: Membangun lingkungan kerja terintegrasi berbasis AI.
- Artefak Agile: Penyusunan daftar tugas, peta jalan pengembangan, serta rekayasa kebutuhan.
- Pengelolaan Presisi: Perencanaan kapasitas dan estimasi (perbandingan akurasi vs ketepatan).
- Peran Pemilik Produk: Menciptakan ide produk, analisis fitur, serta risiko Vibe-coding.
- Risiko & Skenario: Perencanaan untuk berbagai kemungkinan kondisi serta otomatisasi manajemen resikonya.
- Penyempurnaan Artefak: Deskripsi kasus penggunaan dan perbaikan struktur user story.
Persyaratan
- Pemahaman dasar mengenai Manifesto Agile serta kerangka kerja Scrum.
- Pengalaman dalam manajemen proyek, pengelolaan produk, maupun kepemimpinan tim.
- Pengetahuan pemrograman atau teknik rekayasa AI tidak diperlukan; namun keakraban dengan perangkat digital sangat disarankan.
Target Peserta
- Manajer Proyek Agile dan Scrum Master.
- Pemilik Produk serta Manajer Produk.
- Para pemimpin tim IT dan Manajer Penyerahan Proyek.
- Analis Bisnis yang bekerja dalam lingkungan Agile.
- Manajer Operasional yang ingin memanfaatkan AI dalam pengelolaan operasional (AIOps).
7 Jam
Testimoni (1)
Memahami fungsi dan alat AI untuk memudahkan pekerjaan kita. Perlu meningkatkan AI Chubb, seperti dalam melakukan analisis dan membuat presentasi.
Tri wulandari - PT Chubb Life Insurance Indonesia
Kursus - AI Literacy & Productivity
Diterjemahkan Mesin
