Pelajari generasi terbaru Artificial Intelligence yang mampu mengambil keputusan, merencanakan tindakan, menggunakan tools, dan menjalankan tugas secara mandiri melalui pelatihan Agentic AI. Program ini dirancang untuk memberikan pemahaman mendalam mengenai konsep AI Agents, Large Language Models (LLMs), autonomous workflows, multi-agent systems, serta implementasi Agentic AI untuk meningkatkan produktivitas, otomatisasi, dan inovasi bisnis. Peserta akan mempelajari cara merancang, membangun, dan mengelola solusi Agentic AI yang mampu berinteraksi dengan data, aplikasi, dan pengguna secara cerdas.
Pelatihan ini cocok untuk:
- AI Engineer
- Machine Learning Engineer
- Software Developer
- Solution Architect
- Data Scientist
- Automation Engineer
- IT Professional
- Digital Transformation Specialist
- Technology Consultant
- Innovation Manager
Setelah mengikuti pelatihan ini, peserta diharapkan mampu:
- Memahami konsep, karakteristik, dan arsitektur Agentic AI.
- Memahami peran Large Language Models (LLMs) dalam Agentic AI.
- Merancang AI Agents yang mampu melakukan reasoning dan task execution.
- Mengintegrasikan AI Agents dengan tools, APIs, dan sumber data eksternal.
- Membangun autonomous workflows menggunakan Agentic AI.
Modul 16 — Fundamental Agentic AI
Modul ini membahas dasar Agentic AI dan konsep AI agent yang mampu memahami lingkungan, mengambil keputusan, dan bertindak secara otonom. Peserta akan mempelajari karakteristik AI agent, arsitektur dasar agen, serta konsep reasoning dan planning dalam sistem Agentic AI.
Pokok Bahasan
- Konsep dan Sistem AI
- Memahami AI Agents
- Membedakan Agentic AI dari Jenis AI Lainnya
- Karakteristik Inti Agen (Otonomi, Reaktivitas, Proaktif, Kemampuan Sosial)
- Konsep “Agency” dan Implikasinya dalam Sistem AI
- Persepsi: Sensor dan Cara Agen Mengumpulkan Informasi
- Penalaran: Pemrosesan Internal dan Pengambilan Keputusan
- Aksi: Aktuator dan Cara Agen Berinteraksi dengan Lingkungan
- Siklus Interaksi Agen–Lingkungan
- Arsitektur Dasar Agen: Simple Reflex, Model-Based Reflex, Goal-Based, dan Utility-Based Agents
- Pengantar Representasi Pengetahuan (Knowledge Representation/KR)
- Algoritma Perencanaan Dasar: State-Space Search dan Goal Stack Planning
- Pengantar Teori Keputusan dan Rational Agents
- Gambaran Umum Jenis-Jenis Agen
Modul 17 — Advanced Agentic AI
Modul ini membahas konsep dan implementasi Agentic AI tingkat lanjut, termasuk kolaborasi antar agen, advanced planning, reinforcement learning, serta pengambilan keputusan dalam lingkungan kompleks. Peserta juga akan mempelajari penerapan Agentic AI pada sistem otonom, robotics, dan large-scale agentic systems beserta tantangan scalability, reliability, dan ethical AI.
Pokok Bahasan
- Multi-Agent Systems (MAS): Konsep dan Manfaat
- Arsitektur MAS (Kontrol Terpusat vs Terdistribusi)
- Agent Communication Languages (ACLs) dan Protokol
- Koordinasi dan Kerja Sama dalam MAS
- Alokasi dan Distribusi Tugas, Strategi Negosiasi, dan Penyelesaian Konflik
- Arsitektur Agen Hierarkis
- Teknik Perencanaan Lanjutan
- Hierarchical Task Network (HTN)
- Perencanaan dan Pengambilan Keputusan dalam Ketidakpastian
- Continuous Planning
- Pengantar Reinforcement Learning (RL) untuk Optimisasi Kebijakan Agen
- Meta-Learning dan Transfer Learning dalam Sistem Agentic
- Explainable AI (XAI) untuk Memahami Penalaran Agen
- Agentic AI di Dunia Nyata (Robotika, Sistem Otonom, Problem Solving Kompleks, Industri Kreatif, dan Lainnya)
- Skalabilitas dan Kompleksitas dalam Sistem Agentic Berskala Besar
- Robustness dan Reliabilitas Sistem Agentic
- Verifikasi dan Validasi Perilaku Agen
- Implikasi Etika AI Agentic Lanjutan (Bias, Fairness, Transparansi)
Modul 18 — Agentic AI Lab
Modul ini merupakan praktik implementasi Agentic AI melalui studi kasus dan latihan berbasis skenario. Peserta akan menerapkan konsep AI agents, multi-agent systems, planning, reasoning, dan decision-making untuk menyelesaikan berbagai permasalahan dan membangun solusi Agentic AI yang terintegrasi.
Pokok Bahasan
- Konsep dan Sistem AI
- Memahami AI Agents
- Membedakan Agentic AI dengan Jenis AI Lainnya
- Karakteristik Inti Agen (Otonomi, Reaktivitas, Proaktif, Kemampuan Sosial)
- Konsep “Agency” dan Implikasinya dalam Sistem AI
- Persepsi: Sensor dan Cara Agen Mengumpulkan Informasi
- Penalaran: Pemrosesan Internal dan Pengambilan Keputusan
- Aksi: Aktuator dan Cara Agen Berinteraksi dengan Lingkungan
- Siklus Interaksi Agen–Lingkungan
- Arsitektur Dasar Agen: Simple Reflex, Model-Based Reflex, Goal-Based, dan Utility-Based Agents
- Pengantar Representasi Pengetahuan (Knowledge Representation/KR)
- Algoritma Perencanaan Dasar: State-Space Search dan Goal Stack Planning
- Pengantar Teori Keputusan dan Rational Agents
- Gambaran Umum Jenis-Jenis Agen
