Kerangka Materi

Pendahuluan AI untuk Pengembangan Perangkat Lunak

  • Apa itu Generative AI vs Predictive AI
  • Aplikasi AI dalam pengkodean, analisis, dan otomatisasi
  • Overview dari LLMs, transformers, dan model deep learning

Pemrograman Berbantu AI dan Pengembangan Prediktif

  • Penghasilan kode dan penempatan kode yang dipengaruhi AI (GitHub Copilot, CodeGeeX)
  • Memprediksi bug dan kelemahan kode sebelum di-deploy
  • Mengotomatisasi ulasan dan saran optimisasi kode

Membangun Model Prediktif untuk Aplikasi Perangkat Lunak

  • Memahami peramalan waktu-seri dan analisis prediktif
  • Mengimplementasikan model AI untuk peramalan permintaan dan deteksi anomal
  • Menggunakan Python, Scikit-learn, dan TensorFlow untuk pemodelan prediktif

Generative AI untuk Generasi Tekst, Kode, dan Gambar

  • Bekerja dengan GPT, LLaMA, dan LLM lainnya
  • Mengenerate data sintetis, ringkasan teks, dan dokumentasi
  • Membuat gambar dan video yang dihasilkan oleh AI dengan model difusi

Menyebarkan Model AI dalam Aplikasi Dunia Nyata

  • Menyiapkan model AI menggunakan Hugging Face, AWS, dan Google Cloud
  • Membangun layanan AI berbasis API untuk aplikasi bisnis
  • Melakukan fine-tuning pada model AI yang sudah ditraining untuk tugas tertentu

AI untuk Wawasan Bisnis Prediktif dan Pengecualian

  • Inteligensi bisnis dan analisis pelanggan yang didukung oleh AI
  • Memprediksi tren pasar dan perilaku konsumen
  • Mengotomatisasi optimasi alur kerja dengan AI

AI Etis dan Terbaik dalam Praktik Pengembangan

  • Perhatian etis dalam pengambilan keputusan yang didukung oleh AI
  • Deteksi bias dan keadilan dalam model AI
  • Praktik terbaik untuk AI yang dapat diinterpretasikan dan bertanggung jawab

Workshop dan Studi Kasus Praktek

  • Mengimplementasikan analisis prediktif untuk dataset dunia nyata
  • Membangun chatbot yang dipengaruhi AI dengan generasi teks
  • Menyiapkan aplikasi berbasis LLM untuk otomatisasi

Ringkasan dan Langkah Selanjutnya

  • Ulasan poin utama
  • Alat dan sumber daya AI untuk belajar lebih lanjut
  • Sesi Q&A akhir

Persyaratan

  • Memahami konsep dasar pengembangan perangkat lunak
  • Pengalaman dengan bahasa pemrograman apapun (Python direkomendasikan)
  • Kenalan dengan dasar-dasar machine learning atau AI (direkomendasikan tetapi tidak wajib)

Audience

  • Pengembang perangkat lunak
  • Insinyur AI/ML
  • Kepala tim teknis
  • Manajer produk yang tertarik pada aplikasi berbasis AI
 21 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait