Kursus Pelatihan Membangun Solusi AI di Edge

Pelatihan langsung tatap muka ini Indonesia (baik online maupun secara fisik) ditujukan bagi para ahli biologi yang ingin memahami mekanisme kerja AlphaFold dan menggunakan model prediksinya sebagai panduan dalam penelitian eksperimental.

Setelah menyelesaikan pelatihan ini, peserta diharapkan mampu:

• Memahami prinsip-prinsip dasar AlphaFold.
• Mengenal cara kerja AlphaFold secara mendalam.
• Menginterpretasikan hasil prediksi serta data yang dihasilkan AlphaFold.

Pelatihan langsung tatap muka ini (online atau onsite) ditujukan bagi peserta dari berbagai tingkat keahlian yang ingin memanfaatkan platform Google AutoML untuk membangun chatbot custom guna bermacam aplikasi.

Setelah mengikuti pelatihan ini, para peserta akan mampu:

• Memahami dasar-dasar pengembangan chatbot.
• Menavigasi Google Cloud Platform dan mengakses AutoML.
• Menyiapkan data untuk melatih model chatbot.
• Melatih serta mengevaluasi model chatbot custom menggunakan AutoML.
• Mendeploy dan mengintegrasikan chatbot ke berbagai platform serta saluran komunikasi.
• Memantau serta mengoptimalkan kinerja chatbot secara berkala.

Pelatihan online langsung ini memberikan pengantar mengenai bidang pengenalan pola dan pembelajaran mesin. Materi pelatihan mencakup aplikasi praktisnya dalam statistika, ilmu komputer, pemrosesan sinyal, pengolahan citra komputer, penambangan data, serta bioinformatika.

Setelah mengikuti pelatihan ini, peserta akan mampu:

• Menerapkan metode statistika dasar dalam pengenalan pola.
• Menggunakan model utama seperti jaringan saraf dan metode kernel untuk menganalisis data.
• Menerapkan teknik lanjutan dalam pemecahan masalah yang kompleks.
• Meningkatkan akurasi prediksi dengan menggabungkan beberapa model sekaligus.

Pelatihan langsung ini yang dipandu oleh instruktur (secara online atau tatap muka) ditujukan bagi para pengembang, ilmuwan data, serta praktisi AI tingkat menengah yang ingin memanfaatkan TensorFlow Lite dalam proyek-proyek AI Tepi.

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

• Memahami dasar-dasar TensorFlow Lite serta perannya dalam konteks AI Tepi.
• Mengembangkan dan mengoptimalkan model AI menggunakan TensorFlow Lite.
• Menerapkan model TensorFlow Lite pada berbagai perangkat tepi.
• Memanfaatkan alat serta teknik untuk konversi dan optimalisasi model.
• Mengimplementasikan aplikasi AI Tepi yang nyata dengan memakai TensorFlow Lite.

Pelatihan langsung tatap muka yang dipimpin instruktur ini di Indonesia (online langsung atau offline) ditujukan untuk pengembang dan ilmuwan data yang ingin membangun, men-deploy, dan mengelola alur kerja machine learning di Kubernetes.

Setelah menyelesaikan pelatihan ini, peserta akan mampu:

• Memasang dan mengonfigurasi Kubeflow di lingkungan on-premise maupun cloud.
• Membangun, men-deploy, dan mengelola alur kerja ML yang berbasis pada kontainer Docker dan Kubernetes.
• Menjalankan pipeline machine learning sepenuhnya di berbagai arsitektur dan lingkungan cloud.
• Memakai Kubeflow untuk membuat dan mengelola Jupyter notebook.
• Membangun workload untuk pelatihan ML, penyesuaian hyperparameter, dan layanan (serving) di berbagai platform.

Pelatihan online langsung ini (yang diselenggarakan di Indonesia) ditujukan bagi para analis data tingkat menengah yang ingin mempelajari cara mengandalkan RapidMiner untuk memperkirakan nilai dan melakukan prediksi berbasis deret waktu.

Setelah menyelesaikan pelatihan ini, peserta akan mampu:

• Menerapkan metodologi CRISP-DM, memilih algoritma pembelajaran mesin yang sesuai, serta meningkatkan kualitas dan performa model.
• Memanfaatkan RapidMiner untuk memperkirakan nilai-nilai tertentu serta melakukan prediksi menggunakan data deret waktu.

Pelatihan online langsung ini, baik yang diselenggarakan secara tatap muka maupun melalui jaringan internet, ditujukan bagi para profesional tingkat lanjut yang ingin mempelajari teknik XAI terkini untuk model pembelajaran mendalam. Fokus utamanya adalah pengembangan sistem AI yang dapat diinterpretasikan dengan mudah.

Setelah mengikuti pelatihan ini, peserta akan mampu:

• Memahami berbagai tantangan terkait kejelasan dalam pembelajaran mendalam.
• Menerapkan teknik XAI tingkat lanjut pada jaringan saraf.
• Menginterpretasikan keputusan yang dihasilkan oleh model pembelajaran mendalam.
• Mengevaluasi keseimbangan antara performa dan tingkat transparansi model.