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
Pengenalan Cursor dalam Konteks Alur Kerja Data dan Pembelajaran Mesin
- Gambaran umum peran Cursor di bidang rekayasa data dan pembelajaran mesin
- Konfigurasi lingkungan kerja serta penyambungan sumber daya data
- Memahami fitur asistensi kode berbasis AI dalam notebook
Percepatan Pengembangan Notebook
- Pembuatan serta pengelolaan notebook Jupyter di dalam Cursor
- Pemanfaatan AI untuk penyelesaian kode, eksplorasi data, serta visualisasi
- Dokumentasi hasil percobaan dan penerapan prinsip reproduktivitas
Pembuatan Pipelines ETL dan Rekayasa Fitur
- Pembentukan dan modifikasi script ETL dengan bantuan AI
- Strukturisasi pipelines fitur agar dapat dikelola secara skalabel
- Manajemen versi komponen pipeline maupun kumpulan data terkait
Pelatihan dan Evaluasi Model dengan Cursor
- Pembentukan kerangka kode pelatihan model serta proses evaluasinya
- Integrasi tahap praproses data serta penyesuaian parameter model secara cerdas
- Pemastian reproduktivitas hasil pelatihan di berbagai lingkungan kerja
Integrasi Cursor ke dalam Pipelines MLOps
- Koneksi antara Cursor dengan sistem registrasi model serta alur kerja CI/CD
- Pemanfaatan script berbasis AI untuk pelatihan ulang dan penerapan model secara otomatis
- Pemantauan siklus hidup model serta pencatatan versinya
Dokumentasi dan Pelaporan yang Dibantu AI
- Pembuatan dokumentasi dalam konteks kode untuk pipelines data
- Penyusunan ringkasan hasil eksperimen serta laporan progres kerja
- Penguatan kolaborasi antar anggota tim melalui dokumentasi yang selaras dengan konteks kode
Reproduktivitas dan Tata Kelola dalam Proyek Pembelajaran Mesin
- Penerapan praktik terbaik mengenai jejak data dan model
- Pengelolaan regulasi serta standar kualitas melalui kontrol pada kode hasil AI
- Audit keputusan yang diambil sistem AI serta penjaminan kemampuan melacak jejaknya
Optimasi Produktivitas dan Arah Pengembangan di Masa Depan
- Strategi penggunaan perintah prompt untuk mempercepat proses iterasi kerja
- Identifikasi peluang otomatisasi dalam operasional data
- Persiapan menghadapi perkembangan baru antara Cursor dan ekosistem pembelajaran mesin
Rangkuman serta Langkah Selanjutnya
Persyaratan
- Pengalaman dalam analisis data atau pembelajaran mesin menggunakan Python
- Pemahaman mengenai proses ETL serta alur kerja pelatihan model
- Kebiasaan penggunaan alat manajemen versi dan tools pemrosesan data
Target Peserta
- Ilmuwan data yang membuat serta mengembangkan notebook pembelajaran mesin
- Insinyur pembelajaran mesin yang merancang pipelines pelatihan dan inferensi model
- Profesional MLOps yang bertanggung jawab atas penerapan model serta memastikan reproduksinya
14 Jam
