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 19 — Fundamental AI Governance & Ethics

Modul ini membahas dasar AI Governance dan prinsip etika dalam pengembangan serta penggunaan sistem AI. Peserta akan mempelajari konsep fairness, transparency, accountability, data governance, mitigasi bias, serta pengelolaan risiko dan praktik responsible AI dalam siklus hidup sistem AI.

Pokok Bahasan

• Pengantar Tata Kelola AI (AI Governance) dan Prinsip Dasar AI Etis
• Memahami Fairness, Accountability, Transparency, dan Explainability (FATE)
• Mengatasi Bias dan Diskriminasi dalam Algoritma AI
• Peran Data Governance dalam Kerangka Tata Kelola AI
• Pengelolaan Pengumpulan dan Manajemen Data Pelatihan
• Menjamin Kualitas Data dan Pelacakan Data Lineage
• Teknik untuk Mengatasi dan Mengurangi Bias pada Dataset
• Aspek Etika di Seluruh Siklus Hidup Sistem AI
• Alat dan Teknik untuk Desain AI yang Etis
• Penggunaan Kerangka Penilaian Risiko untuk Mengidentifikasi dan Mengelola Risiko AI

Modul 20 — Advanced AI Governance & Ethics

Modul ini membahas tata kelola AI tingkat lanjut untuk memastikan sistem AI dikembangkan dan digunakan secara etis, transparan, aman, dan sesuai regulasi. Peserta akan mempelajari governance data AI, mitigasi bias, explainability, audit AI, serta penerapan ethical AI dalam lingkungan organisasi dan cloud.

Pokok Bahasan

• Governance Precepts and Processes for Training Data, termasuk Sensitive Data dan Representativeness
• Governance Precepts and Processes for Production Data, termasuk Monitoring for Drift dan Continuous Fairness
• Establishing AI Oversight and Auditing Mechanisms
• Bias Mitigation Strategies dan Achieving Explainability in Complex AI Models
• Operationalizing Ethical Principles dan Aligning AI with Values and Social Responsibility
• Adapting to Evolving Regulations
• Creating an AI Ethics Code of Conduct dan Communicating AI Ethics to the Organization
• Using AI Governance to Foster a Culture of Ethical AI Innovation
• Proactive Risk Management and Incident Response in AI
• Understanding Governance-Related Cloud AI Automation Mechanisms

Modul 21 — AI Governance & Ethics Lab

Modul ini merupakan praktik implementasi AI Governance dan Ethical AI melalui studi kasus dan latihan berbasis skenario. Peserta akan menerapkan konsep governance AI, mitigasi bias, monitoring, audit, dan pengelolaan risiko pada sistem AI. Menyelesaikan lab ini membantu memperkuat pemahaman terhadap topik-topik sebelumnya serta semakin menunjukkan bagaimana berbagai praktik dan teknologi dapat diterapkan secara bersama sebagai bagian dari solusi yang lebih besar.

Pokok Bahasan

• Penerapan AI Governance dalam Studi Kasus Nyata
• Implementasi Prinsip Ethical AI dalam Pengembangan dan Operasional Sistem AI
• Identifikasi dan Mitigasi Bias pada Model dan Dataset
• Monitoring Kinerja, Fairness, dan Kepatuhan Sistem AI
• Audit Sistem AI dan Evaluasi Tata Kelola
• Pengelolaan Risiko dan Respons terhadap Insiden AI
• Penerapan Data Governance dalam Siklus Hidup AI
• Evaluasi Explainability dan Transparency pada Model AI
• Penyusunan Rekomendasi Perbaikan Tata Kelola dan Etika AI
• Integrasi Praktik Governance, Monitoring, Audit, dan Risk Management dalam Solusi AI yang Komprehensif