Modul 1 — Fundamental Predictive AI

Membahas konsep dasar dan penerapan Predictive AI dalam berbagai konteks bisnis dan teknologi. Peserta akan mempelajari manfaat, tantangan, serta kategori masalah yang dapat diselesaikan oleh AI, termasuk berbagai pendekatan pembelajaran seperti supervised, unsupervised, dan reinforcement learning. Modul ini juga mencakup proses training model, neural networks, serta fungsi utama AI seperti computer vision, NLP, speech recognition, dan pattern recognition dalam sistem modern.

Pokok Bahasan

• Pendorong Bisnis dan Teknologi AI Prediktif
• Manfaat AI Prediktif
• Risiko dan Tantangan Umum Penggunaan AI Prediktif
• Kategori Masalah Bisnis yang Ditangani AI
• Jenis-jenis AI Prediktif
• Pendekatan Pembelajaran AI Prediktif yang Umum
• Pembelajaran AI Prediktif dan Pelatihan Model
• Proses Training Loop Langkah demi Langkah
• Supervised Learning, Unsupervised Learning, dan Continuous Learning
• Heuristic Learning, Semi-Supervised Learning, dan Reinforcement Learning
• Desain Fungsional AI Prediktif: Computer Vision dan Pattern Recognition
• Robotics dan Natural Language Processing (NLP)
• Speech Recognition dan Natural Language Understanding (NLU)
• Pemahaman Model AI dan Neural Network

Modul 4 — Fundamental Generative AI

Membahas konsep dasar Generative AI serta penerapannya dalam berbagai skenario bisnis dan teknologi. Peserta akan mempelajari manfaat, tantangan, serta kategori masalah yang dapat diselesaikan oleh generative models, termasuk dasar neural networks, model AI, dan algoritma pembelajaran. Modul ini juga mencakup arsitektur utama seperti GANs, VAEs, dan Transformers, proses pelatihan model, serta praktik terbaik dalam membangun sistem Generative AI yang efektif, aman, dan dapat diandalkan.

Pokok Bahasan

• Pendorong Bisnis dan Teknologi Generative AI
• Manfaat Generative AI
• Risiko dan Tantangan Umum Penggunaan Generative AI
• Kategori Masalah Bisnis yang Ditangani Generative AI
• Pemahaman Model, Algoritma, dan Neural Network
• Jenis-jenis Generative AI
• Pelatihan Model Generative dan Pemahaman Training Loop
• Memahami Generative Adversarial Networks (GANs)
• Memahami Variational Autoencoders (VAE)
• Memahami Transformer
• Langkah-langkah Membangun Sistem AI
• Best Practice Generative AI

Modul 13 — Fundamental AI Architecture & Design

Membahas konsep dasar arsitektur sistem kecerdasan buatan (AI) serta pendekatan desain dalam membangun solusi AI modern. Modul ini memberikan pemahaman mengenai jenis arsitektur AI, ruang lingkup sistem, mode operasional, serta komponen inti yang membentuk pipeline AI mulai dari data hingga inferensi dan monitoring sistem.

Pokok Bahasan

• Perbandingan AI Product Architecture dan Custom AI Architecture
• Ruang Lingkup Arsitektur AI (System dan Solution)
• Mode Operasional Solusi AI (Training dan Production)
• Tipe Arsitektur Sistem AI (Monolithic, Modular, Hybrid)
• Penyimpanan Data Solusi AI (Internal, Eksternal, Hybrid)
• Komponen Inti Sistem AI
• Data Ingestion untuk Sumber Data Predictive AI dan Generative AI
• Data Preprocessing dalam Sistem AI
• Feature Engineering dalam Sistem AI
• Inference Engine dalam Sistem AI
• Model Repository dalam Sistem AI
• Monitoring Operasi (Performance, Resource)
• Monitoring Data (Input dan Output)
• Monitoring Model (Weight dan Gradient, Distribusi Aktivasi, Bias dan Fairness)
• Monitoring Tambahan (Explainability, Robustness, Adversarial Attack, Kualitas Data, Labeling Data)

Modul 14 — Advanced AI Architecture & Design

Membahas teknik lanjutan dalam perancangan arsitektur sistem AI dengan fokus pada skalabilitas, optimasi performa, dan ketahanan sistem. Modul ini memberikan pemahaman mengenai bagaimana sistem AI modern dirancang untuk menangani beban besar, pemrosesan terdistribusi, serta adaptasi berkelanjutan melalui pendekatan arsitektur yang efisien dan resilien.

Pokok Bahasan

• Pola Skalabilitas Sistem AI
• Distributed Data Processing dan Data Caching
• Data Partitioning dan Sharding
• Incremental Processing
• Hardware Acceleration
• Autoscaling dan Load Balancing
• Continuous Learning
• Pola Performa Sistem AI
• Parallelisme dan Concurrency
• Edge Caching dan Vectorization
• Data Compression
• Lazy Loading
• Pola Ketahanan (Resiliency) Sistem AI
• Fault Tolerance
• Graceful Degradation
• Chaos Engineering

Modul 15 — AI Architecture & Design Lab

Membahas penerapan konsep arsitektur sistem AI melalui serangkaian studi kasus dan latihan berbasis skenario nyata. Modul ini berfokus pada pengujian kemampuan peserta dalam merancang, mengoptimalkan, dan mengevaluasi sistem AI dalam kondisi operasional yang kompleks, termasuk beban real-time, keterbatasan sumber daya, serta kebutuhan skalabilitas dan akurasi model.

Pokok Bahasan

• Latihan membaca 15.1: Latar belakang studi kasus IVA
• Latihan lab 15.2: Pelatihan model untuk prediksi real-time
• Latihan lab 15.3: Komputasi real-time dan kehabisan sumber daya
• Latihan lab 15.4: Skalabilitas sistem dan akurasi model
• Latihan lab 15.5: Generasi konten yang andal dan error sistem
• Latihan membaca 15.6: Latar belakang studi kasus HealthV
• Latihan lab 15.7: Pelatihan LLM untuk generasi konten personalisasi
• Latihan lab 15.8: Optimasi distribusi konten dan akses jarak jauh
• Latihan lab 15.9: Volume data dan keterbatasan sumber daya
• Latihan lab 15.10: Monitoring real-time dan beban kerja yang fluktuatif