Building Secure and Responsible LLM Applications Training Course

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di lokasi) ditujukan untuk pengembang dan profesional TI dari semua tingkat keahlian yang ingin mengotomatiskan tugas dan proses menggunakan AI tanpa menulis kode ekstensif.

Pada akhir pelatihan ini, peserta akan mampu:

• Rancang dan implementasikan alur kerja yang kompleks menggunakan antarmuka pemrograman visual n8n.
• Integrasikan kemampuan AI ke dalam alur kerja menggunakan LangChain.
• Bangun chatbot khusus dan asisten virtual untuk berbagai kasus penggunaan.
• Lakukan analisis dan pemrosesan data tingkat lanjut dengan agen AI.

Pelatihan langsung yang dipandu instruktur di Indonesia (online atau di tempat) ini ditujukan untuk analis bisnis dan insinyur otomasi tingkat pemula yang ingin memahami cara menggunakan LangChain dan API untuk mengotomatiskan tugas dan alur kerja yang berulang.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami dasar-dasar integrasi API dengan LangChain.
• Otomatisasi alur kerja berulang menggunakan LangChain dan Python.
• Manfaatkan LangChain untuk menghubungkan berbagai API untuk proses bisnis yang efisien.
• Buat dan otomatisasi alur kerja khusus menggunakan API dan kemampuan otomatisasi LangChain.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk profesional tingkat menengah yang ingin memperdalam pemahaman mereka tentang agen percakapan dan menerapkan LangChain pada kasus penggunaan dunia nyata.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami dasar-dasar LangChain dan penerapannya dalam membangun agen percakapan.
• Mengembangkan dan menyebarkan agen percakapan menggunakan LangChain.
• Integrasikan agen percakapan dengan API dan layanan eksternal.
• Terapkan teknik Natural Language Processing (NLP) untuk meningkatkan kinerja agen percakapan.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk profesional tingkat lanjut yang ingin menerapkan alur kerja berbasis AI yang aman dan efisien menggunakan Ollama.

Pada akhir pelatihan ini, peserta akan dapat:

• Terapkan dan konfigurasikan Ollama untuk pemrosesan AI pribadi.
• Integrasikan model AI ke dalam alur kerja perusahaan yang aman.
• Optimalkan kinerja AI sambil menjaga privasi data.
• Otomatisasi proses bisnis dengan kemampuan AI di tempat.
• Memastikan kepatuhan terhadap kebijakan keamanan dan tata kelola perusahaan.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk profesional tingkat menengah yang ingin menerapkan, mengoptimalkan, dan mengintegrasikan LLM menggunakan Ollama.

Pada akhir pelatihan ini, peserta akan dapat:

• Siapkan dan terapkan LLM menggunakan Ollama.
• Optimalkan model AI untuk kinerja dan efisiensi.
• Memanfaatkan akselerasi GPU untuk meningkatkan kecepatan inferensi.
• Integrasikan Ollama ke dalam alur kerja dan aplikasi.
• Pantau dan pertahankan kinerja model AI dari waktu ke waktu.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk peneliti AI tingkat lanjut dan pembuat kebijakan yang ingin mengeksplorasi implikasi etis dari pengembangan AI dan mempelajari cara menerapkan pedoman etika saat membangun solusi AI dengan LangChain.

Pada akhir pelatihan ini, peserta akan dapat:

• Identifikasi masalah etika utama dalam pengembangan AI dengan LangChain.
• Memahami dampak AI pada masyarakat dan proses pengambilan keputusan.
• Mengembangkan strategi untuk membangun sistem AI yang adil dan transparan.
• Terapkan pedoman AI yang etis ke dalam proyek berbasis LangChain.

Pelatihan langsung yang dipandu instruktur di Indonesia (online atau di tempat) ini ditujukan untuk pengembang web dan desainer UX tingkat menengah yang ingin memanfaatkan LangChain untuk membuat aplikasi web yang intuitif dan ramah pengguna.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami konsep dasar LangChain dan perannya dalam meningkatkan pengalaman pengguna web.
• Terapkan LangChain di aplikasi web untuk membuat antarmuka yang dinamis dan responsif.
• Integrasikan API ke dalam aplikasi web untuk meningkatkan interaktivitas dan keterlibatan pengguna.
• Optimalkan pengalaman pengguna menggunakan fitur kustomisasi lanjutan LangChain.
• Menganalisis data perilaku pengguna untuk menyempurnakan kinerja dan pengalaman aplikasi web.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk profesional tingkat lanjut yang ingin menyempurnakan dan menyesuaikan model AI di Ollama untuk peningkatan kinerja dan aplikasi khusus domain.

Pada akhir pelatihan ini, peserta akan dapat:

• Siapkan lingkungan yang efisien untuk menyempurnakan model AI pada Ollama.
• Menyiapkan kumpulan data untuk penyempurnaan yang diawasi dan pembelajaran penguatan.
• Optimalkan model AI untuk kinerja, akurasi, dan efisiensi.
• Terapkan model yang disesuaikan dalam lingkungan produksi.
• Mengevaluasi perbaikan model dan memastikan ketahanan.

Pelatihan langsung yang dipandu instruktur di Indonesia (daring atau tatap muka) ini ditujukan untuk profesional IT keamanan, risiko, dan keterpatuan tingkat pemula yang ingin memahami konsep dasar keamanan AI, vektor ancaman, dan kerangka global seperti NIST AI RMF dan ISO/IEC 42001.

Setelah mengikuti pelatihan ini, peserta akan dapat:

• Mengerti risiko keamanan unik yang diperkenalkan oleh sistem AI.
• Mengidentifikasi vektor ancaman seperti serangan musuh, pencemaran data, dan inversi model.
• Menerapkan model pemerintahan dasar seperti Kerangka NIST AI Risk Management.
• Menyesuaikan penggunaan AI dengan standar yang muncul, pedoman keterpatuan, dan prinsip etika.

Pendahuluan tentang AI Security dan Risk Management

Dasar-dasar AI dan Keamanan

• Apa yang membuat sistem AI unik dari perspektif keamanan
• Ulasan siklus hidup AI: data, pelatihan, inferensi, dan implementasi
• Taksonomi dasar risiko AI: teknis, etika, hukum, dan organisasional

Vektor Ancaman Spesifik AI

• Contoh musuh dan manipulasi model
• Inversi model dan risiko kebocoran data
• Pencemaran data selama fase pelatihan
• Risiko dalam AI generatif (misalnya, penyalahgunaan LLM, injeksi prompt)

Kerangka Kerja Keamanan Risk Management

• Kerangka Kerja NIST AI Risk Management (NIST AI RMF)
• ISO/IEC 42001 dan standar spesifik AI lainnya
• Mengaitkan risiko AI dengan kerangka GRC perusahaan yang ada

Pemerintahan AI Go dan Prinsip Keterpatuan

• Akuntabilitas dan auditabilitas AI
• Transparansi, penjelasan, dan keadilan sebagai sifat yang relevan dengan keamanan
• Sikap diskriminatif, diskriminasi, dan kerugian turunan

Kesiapan Perusahaan dan Kebijakan AI Security

• Menentukan peran dan tanggung jawab dalam program keamanan AI
• Elemen kebijakan: pengembangan, pembelian, penggunaan, dan pemurnian
• Risiko pihak ketiga dan penggunaan alat AI penyedia

Lanskap Regulasi dan Trend Global

• Ulasan tentang EU AI Act dan regulasi internasional lainnya
• Kepres AS tentang AI yang Aman, Aman, dan Dapat Dipercaya
• Rangka kerja nasional baru dan panduan spesifik sektor

Workshop Opsional: Pemetaan Risiko dan Penilaian Sendiri

• Pemetaan kasus penggunaan AI dunia nyata ke fungsi NIST AI RMF
• Melakukan penilaian risiko sendiri dasar untuk AI
• Menentukan celah internal dalam kesiapan keamanan AI

Ringkasan dan Langkah Selanjutnya

AI Security dan Risk Management adalah praktik mengidentifikasi, memitigasi, dan mengatur ancaman keamanan, risiko keterpatuan, dan eksposur operasional dalam sistem dan alir kerja yang didorong oleh AI.

Pelatihan langsung yang dipandu instruktur (daring atau tatap muka) ini ditujukan untuk profesional IT keamanan, risiko, dan keterpatuan tingkat pemula yang ingin memahami konsep dasar keamanan AI, vektor ancaman, dan kerangka global seperti NIST AI RMF dan ISO/IEC 42001.

Setelah mengikuti pelatihan ini, peserta akan dapat:

• Mengerti risiko keamanan unik yang diperkenalkan oleh sistem AI.
• Mengidentifikasi vektor ancaman seperti serangan musuh, pencemaran data, dan inversi model.
• Menerapkan model pemerintahan dasar seperti Kerangka NIST AI Risk Management.
• Menyesuaikan penggunaan AI dengan standar yang muncul, pedoman keterpatuan, dan prinsip etika.

Format Kursus

• Lektur interaktif dan diskusi.
• Banyak latihan dan praktik.
• Pelaksanaan langsung dalam lingkungan laboratorium hidup.

Opsi Pemaduan Kursus

• Untuk meminta pelatihan yang dipersonalisasi untuk kursus ini, silakan hubungi kami untuk mengatur.

• Pemahaman tentang prinsip keamanan siber dasar
• Pengalaman dengan kerangka kerja pemerintahan IT atau manajemen risiko
• Ketertarikan terhadap konsep AI secara umum adalah bermanfaat tetapi tidak diperlukan

Audience

• Tim keamanan IT
• Pengelola risiko
• Profesional keterpatuan

Pelatihan langsung yang dipandu instruktur di Indonesia (daring atau tatap muka) ini ditujukan untuk profesional IT keamanan, risiko, dan keterpatuan tingkat pemula yang ingin memahami konsep dasar keamanan AI, vektor ancaman, dan kerangka global seperti NIST AI RMF dan ISO/IEC 42001.

Setelah mengikuti pelatihan ini, peserta akan dapat:

• Mengerti risiko keamanan unik yang diperkenalkan oleh sistem AI.
• Mengidentifikasi vektor ancaman seperti serangan musuh, pencemaran data, dan inversi model.
• Menerapkan model pemerintahan dasar seperti Kerangka NIST AI Risk Management.
• Menyesuaikan penggunaan AI dengan standar yang muncul, pedoman keterpatuan, dan prinsip etika.

introaisec

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di lokasi) ditujukan untuk pengembang tingkat menengah dan insinyur perangkat lunak yang ingin membangun aplikasi bertenaga AI menggunakan kerangka LangChain.

Pada akhir pelatihan ini, peserta akan mampu:

• Memahami dasar-dasar LangChain dan komponennya.
• Integrasikan LangChain dengan model bahasa besar (LLM) seperti GPT-4.
• Bangun aplikasi AI modular menggunakan LangChain.
• Memecahkan masalah umum dalam aplikasi LangChain.

Pelatihan langsung yang dipandu instruktur di Indonesia (online atau di tempat) ini ditujukan untuk insinyur data tingkat lanjut dan DevOps profesional yang ingin memanfaatkan kemampuan LangChain dengan mengintegrasikannya dengan berbagai layanan cloud.

Pada akhir pelatihan ini, peserta akan dapat:

• Integrasikan LangChain dengan platform cloud utama seperti AWS, Azure, dan Google Cloud.
• Memanfaatkan API dan layanan berbasis cloud untuk meningkatkan aplikasi bertenaga LangChain.
• Skalakan dan terapkan agen percakapan ke cloud untuk interaksi waktu nyata.
• Terapkan praktik terbaik pemantauan dan keamanan di lingkungan cloud.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk profesional data tingkat menengah yang ingin menggunakan LangChain untuk meningkatkan kemampuan analisis dan visualisasi data mereka.

Pada akhir pelatihan ini, peserta akan dapat:

• Otomatisasi pengambilan dan pembersihan data menggunakan LangChain.
• Melakukan analisis data lanjutan menggunakan Python dan LangChain.
• Buat visualisasi dengan Matplotlib dan pustaka Python lain yang terintegrasi dengan LangChain.
• Memanfaatkan LangChain untuk menghasilkan wawasan bahasa alami dari analisis data.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di lokasi) ditujukan untuk pengembang dan insinyur perangkat lunak tingkat pemula hingga menengah yang ingin mempelajari konsep inti dan arsitektur LangChain dan memperoleh keterampilan praktis untuk membangun AI- aplikasi bertenaga.

Pada akhir pelatihan ini, peserta akan mampu:

• Pahami prinsip dasar LangChain.
• Siapkan dan konfigurasikan lingkungan LangChain.
• Pahami arsitektur dan bagaimana LangChain berinteraksi dengan model bahasa besar (LLM).
• Kembangkan aplikasi sederhana menggunakan LangChain.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk profesional tingkat pemula yang ingin menginstal, mengonfigurasi, dan menggunakan Ollama untuk menjalankan model AI di mesin lokal mereka.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami dasar-dasar Ollama dan kemampuannya.
• Siapkan Ollama untuk menjalankan model AI lokal.
• Menyebarkan dan berinteraksi dengan LLM menggunakan Ollama.
• Optimalkan kinerja dan penggunaan sumber daya untuk beban kerja AI.
• Jelajahi kasus penggunaan untuk penerapan AI lokal di berbagai industri.

Pelatihan langsung yang dipandu instruktur di Indonesia (daring atau tatap muka) ini ditujukan untuk profesional tingkat menengah dalam bidang machine learning dan keamanan siber yang ingin memahami dan mengurangi ancaman baru terhadap model AI, menggunakan kerangka konseptual serta pertahanan praktis seperti pelatihan robust dan privasi diferensial.

Setelah menyelesaikan pelatihan ini, peserta akan dapat:

• Mengidentifikasi dan mengklasifikasikan ancaman spesifik AI seperti serangan musuh, inversion, dan poisoning.
• Menggunakan alat seperti Adversarial Robustness Toolbox (ART) untuk mensimulasikan serangan dan menguji model.
• Menerapkan pertahanan praktis termasuk pelatihan musuh, penyertaan noise, dan teknik yang mempertahankan privasi.
• Merancang strategi evaluasi model yang sadar ancaman di lingkungan produksi.

Pengantar Threat Modeling AI

• Apa yang membuat sistem AI rentan?
• Serangan permukaan AI vs sistem tradisional
• Vektor serangan utama: lapisan data, model, output, dan antarmuka

Serangan Musuh terhadap Model AI

• Mengerti contoh musuh dan teknik perturbasi
• Penyerangan white-box vs black-box
• Metode FGSM, PGD, dan DeepFool
• Visualisasi dan pembuatan sampel musuh

Inversi Model dan Kebocoran Privasi

• Menginfere data pelatihan dari output model
• Serangan inferensi keanggotaan
• Risiko privasi dalam model klasifikasi dan generatif

Pencemaran Data dan Injeksi Backdoor

• Bagaimana data yang dicemari mempengaruhi perilaku model
• Backdoors berbasis pemicu dan serangan Trojan
• Stra tegi deteksi dan sanitasi

Ketangguhan dan Teknik Pertahanan

• Pelatihan musuh dan augmentasi data
• Mengaburkan gradien dan pra-pemrosesan input
• Penyegaran model dan teknik regularisasi

Pertahanan AI yang Memperhatikan Privasi

• Pengantar privasi diferensial
• Penyertaan noise dan anggaran privasi
• Federated learning dan agregasi aman

AI Security dalam Prakteknya

• Evaluasi model yang sadar ancaman dan implementasinya
• Menggunakan ART (Adversarial Robustness Toolbox) di pengaturan terapan
• Studi kasus industri: pelanggaran dunia nyata dan mitigasi

Ringkasan dan Langkah Selanjutnya

Memperkuat Model AI adalah disiplin pertahanan sistem machine learning terhadap ancaman spesifik model seperti input musuh, pencemaran data, serangan inversion, dan kebocoran privasi.

Pelatihan langsung yang dipandu instruktur (daring atau tatap muka) ini ditujukan untuk profesional tingkat menengah dalam bidang machine learning dan keamanan siber yang ingin memahami dan mengurangi ancaman baru terhadap model AI, menggunakan kerangka konseptual serta pertahanan praktis seperti pelatihan robust dan privasi diferensial.

Setelah menyelesaikan pelatihan ini, peserta akan dapat:

• Mengidentifikasi dan mengklasifikasikan ancaman spesifik AI seperti serangan musuh, inversion, dan poisoning.
• Menggunakan alat seperti Adversarial Robustness Toolbox (ART) untuk mensimulasikan serangan dan menguji model.
• Menerapkan pertahanan praktis termasuk pelatihan musuh, penambahan noise, dan teknik yang mempertahankan privasi.
• Merancang strategi evaluasi model yang sadar ancaman di lingkungan produksi.

Format Kursus

• Lecture interaktif dan diskusi.
• Banyak latihan dan praktek.
• Pelaksanaan langsung dalam lingkungan laboratorium hidup.

Opsi Pemaduan Kursus

• Untuk meminta pelatihan yang dipersonalisasi untuk kursus ini, silakan hubungi kami untuk mengatur.

Persyaratan Praktis

• Kemampuan dalam alur kerja machine learning dan pelatihan model
• Pengalaman dengan Python dan kerangka kerja ML umum seperti PyTorch atau TensorFlow
• Familiaritas dengan konsep keamanan dasar atau modeling ancaman akan membantu

Audience

• Insinyur machine learning
• Analisis keamanan siber
• Peneliti AI dan tim validasi model