Animator Madya

Animator Madya

Program Animator Madya dirancang untuk mencetak talenta kreatif yang siap bersaing di industri animasi dan multimedia digital. Peserta akan mempelajari proses produksi animasi 2D dan 3D secara profesional, mulai dari motion object, modeling 3D, camera artistic, lighting, compositing, hingga final editing menggunakan workflow industri kreatif modern. Pembelajaran berbasis praktik dan studi kasus membantu peserta membangun portfolio yang siap digunakan untuk kebutuhan karier maupun project profesional. Program ini juga dilengkapi sertifikasi kompetensi BNSP untuk meningkatkan kredibilitas dan daya saing di dunia kerja kreatif digital.

Target Audience

Pelatihan ini cocok untuk:

  • Siswa SMK jurusan Multimedia, Animasi, dan DKV
  • Mahasiswa desain, animasi, dan industri kreatif digital
  • Content Creator dan Freelancer yang ingin meningkatkan skill visual animation
  • Pemula yang ingin memulai karier sebagai Animator 2D/3D
  • Junior Animator yang ingin memperkuat kemampuan technical dan artistic animation
  • Profesional kreatif yang ingin upgrade skill di bidang animasi digital dan visual production
  • Perusahaan atau instansi yang membutuhkan tenaga kreatif di bidang multimedia dan animasi
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  • Memahami prinsip dasar desain dan komunikasi visual
  • Membuat pergerakan (motion) objek digital
  • Membuat model 3D berbasis hardsurface
  • Menyusun layout aset pada bidang 3D
  • Mengatur artistik sudut pandang kamera 3D
  • Mengimplementasikan teknik lighting pada visual 3D
  • Melakukan compositing menggunakan teknik layer 2D
Curriculum

1. Mengaplikasikan prinsip dasar desain
2. Menerapkan prinsip dasar komunikasi
3. Membuat Pergerakan (Motion) Objek Digital
4. Membuat Model 3D berbasis Hardsurface
5. Membuat susunan (Layout aset pada bidang 3D)
6. Membuat Artistik sudut pandang kamera 3D
7. Membuat Artistik pencahayaan 3D
8. Membuat penggabungan Aset Visual Teknik Layer 2D
9. Melakukan Penyuntingan Gambar akhir

Animator Madya
Duration
2 Hari (16 JP)
Course Level
Intermediate
Delivery Mode
Online
Offline
Certification Body
BNSP
Rp. 2.500.000,-
Brochure File
Animator-Madya.pdf
Daftar

Ahli Cloud Computing

Ahli Cloud Computing

Program Ahli Cloud Computing mempelajari implementasi, pengelolaan, dan keamanan sistem cloud untuk kebutuhan industri modern, mulai dari virtualisasi, networking, deployment, hingga monitoring cloud environment berbasis praktik dan studi kasus. Program ini juga dilengkapi sertifikasi kompetensi BNSP untuk meningkatkan kredibilitas dan kesiapan karier peserta di bidang cloud computing.

 

Target Audience

Program ini cocok untuk:

  • IT Support dan System Administrator yang ingin meningkatkan kompetensi di bidang Cloud Computing
  • Network atau Infrastructure Engineer yang ingin memahami implementasi cloud modern
  • Fresh Graduate dan mahasiswa IT yang ingin mempersiapkan karier di industri digital
  • Junior Cloud Engineer atau DevOps Engineer yang ingin memperkuat skill deployment dan management cloud
  • Profesional IT yang ingin melakukan upgrade skill pada teknologi virtualisasi, cloud infrastructure, dan cloud security
  • Perusahaan atau instansi yang sedang menjalankan transformasi digital berbasis cloud computing
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  • Mengimplementasikan layanan cloud sesuai kebutuhan bisnis
  • Membangun virtualisasi dan topologi jaringan cloud
  • Mengelola layanan IaaS, PaaS, dan SaaS
  • Melakukan deployment, monitoring, dan troubleshooting sistem cloud
  • Menangani ancaman keamanan dan incident pada cloud environment
Curriculum
  • Mengimplementasi Layanan Cloud yang Spesifik
  • Membangun Virtualisasi Sesuai Kebutuhan Organisasi pada
    Public/Private/Hybrid/Sovereign Cloud
  • Membangun Topologi Jaringan
  • Menerapkan Rancangan Adaptasi untuk Deployment di Sistem Cloud
  • Mengelola Aktivitas Rutin pada IaaS, PaaS, dan SaaS
  • Memberikan Dukungan Teknis Atas Masalah Pengguna
  • Melakukan Antisipasi Gangguan dan Ancaman terhadap Sistem Cloud
  • Mengelola Insiden pada Sistem Cloud
Ahli Cloud Computing
Duration
2 Hari (16 JP)
Course Level
Intermediate
Delivery Mode
Online
Offline
Certification Body
BNSP
Rp. 3.500.000,-
Brochure File
Ahli-Cloud-Computing.pdf
Daftar

Business Intelligence Analyst Professional Certification

Business Intelligence Analyst Professional Certification

Business Intelligence Analyst Professional Certification (BIAPC™) adalah pelatihan dan sertifikasi profesional yang membekali peserta dengan kemampuan dalam data extraction, data loading, data transformation, dan data visualization. Program ini menggunakan tools Power BI dan Qlik Sense untuk membantu peserta membuat dataset, membangun model data, dan menyajikan visualisasi yang mendukung pengambilan keputusan bisnis secara efektif.

Target Audience

Pelatihan ini cocok untuk:

  • Engineer yang ingin memahami penggunaan data untuk mendukung analisis dan keputusan teknis.
  • Entrepreneur yang ingin membaca data bisnis dan mengubahnya menjadi insight strategis.
  • Manager dan administrator yang membutuhkan visualisasi data untuk pengambilan keputusan.
  • Business analyst dan system analyst yang ingin meningkatkan kemampuan BI reporting dan dashboarding.
  • Data analyst, BI analyst, dan staff reporting yang ingin menguasai Power BI dan Qlik Sense.
  • Supervisor, decision maker, dan profesional umum yang membutuhkan kemampuan analisis dan visualisasi data.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami konsep dasar Business Intelligence dan perannya dalam pengambilan keputusan organisasi.
  2. Melakukan data extraction dan data loading dari berbagai sumber data.
  3. Melakukan data transformation agar data siap digunakan untuk analisis dan visualisasi.
  4. Membuat dataset dan model data menggunakan tools Business Intelligence.
  5. Menggunakan Power BI untuk membangun laporan, dashboard, dan visualisasi data.
  6. Memahami penggunaan Qlik Sense untuk scripting, data model, dan visualisasi data.
  7. Mendesain dashboard dasar yang informatif, interaktif, dan mudah dipahami.
  8. Menggunakan visualisasi data untuk mendukung analisis dan proses pengambilan keputusan yang lebih efektif.
  9. Memahami informasi sertifikasi BIAPC™, termasuk course type, certification code, dan masa berlaku sertifikasi.
Curriculum
Modul 1 — Introduction to Business Intelligence

Membahas konsep dasar Business Intelligence, sejarah, proses implementasi, dan manfaat solusi BI bagi organisasi.

Pokok bahasan:

  • Introduction to Business Intelligence.
  • History of BI.
  • BI implementation process.
  • Advantages of BI solution.
  • Role of Business Intelligence Analyst.
Modul 2 — Data Extraction, Loading, and Transformation

Membahas proses pengambilan data, pemuatan data, serta transformasi data agar siap dianalisis dan divisualisasikan.

Pokok bahasan:

  • Data extraction.
  • Data loading.
  • Data transformation.
  • Dataset preparation.
  • Data quality for BI.
Modul 3 — Power BI Fundamentals

Membahas penggunaan Power BI untuk membuat model data, mengelola tampilan data, dan membangun dashboard dasar.

Pokok bahasan:

  • Power BI overview.
  • Download, sign in, interface, dan settings.
  • Query Editor.
  • Relationship View dan Data View.
  • Report View.
  • Basic dashboard design.
Modul 4 — Qlik Sense Fundamentals

Membahas penggunaan Qlik Sense untuk scripting, data modeling, dan visualisasi data.

Pokok bahasan:

  • Qlik Sense overview.
  • Settings.
  • Scripting and data model.
  • Join dan concatenate command.
  • Functions for visualizations.
BIAPC
Duration
3 Hari (24 JP)
Course Level
Intermediate
Delivery Mode
Offline
Online
Certification Body
Certiprof
Rp. 4.450.000,-
Brochure File
BIAPC Flyer.pdf
Daftar

Artificial Intelligence Professional Certificate

Artificial Intelligence Professional Certificate

Artificial Intelligence Professional Certificate (CAIPC®) adalah pelatihan dan sertifikasi profesional yang membekali peserta dengan pemahaman dasar mengenai Artificial Intelligence dan Machine Learning, termasuk supervised learning, unsupervised learning, analisis data untuk pengambilan keputusan, dasar Python, serta algoritma populer seperti K-Nearest Neighbors, Linear Regression, Decision Tree, dan K-Means Clustering. Program ini cocok bagi peserta yang ingin memahami konsep AI secara praktis dan aplikatif untuk kebutuhan bisnis, data, dan teknologi.

Target Audience

Pelatihan ini cocok untuk:

  • Profesional yang ingin memperluas pengetahuan di bidang Artificial Intelligence dan Machine Learning.
  • Engineer, analyst, dan marketing manager yang ingin memahami penerapan AI dalam pekerjaan.
  • Data Analyst, Data Scientist, dan Data Steward.
  • Profesional yang tertarik pada Data Mining dan teknik Machine Learning.
  • IT professional, business analyst, dan decision maker yang ingin memahami AI untuk analisis data dan pengambilan keputusan.
  • Mahasiswa, dosen, peneliti, dan peserta umum yang ingin membangun fondasi pengetahuan AI secara praktis.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami konsep dasar Artificial Intelligence dan Machine Learning.
  2. Menjelaskan metode Machine Learning, khususnya supervised learning dan unsupervised learning.
  3. Menggunakan analisis data untuk mendukung proses decision-making.
  4. Memahami batasan, kekuatan, dan keterbatasan algoritma dalam penerapan AI.
  5. Memahami dasar pemrograman Python yang relevan untuk AI dan Machine Learning.
  6. Memahami konsep matematika dasar yang digunakan dalam AI, seperti kalkulus dan aljabar linear.
  7. Menjelaskan dan menerapkan algoritma populer seperti K-Nearest Neighbors, Linear Regression, Decision Tree, dan K-Means Clustering.
  8. Memahami evaluasi performa model, hyperparameter optimization, dan cross validation.
  9. Mengembangkan pemahaman praktis melalui guided project seperti prediksi harga mobil, prediksi harga rumah, prediksi pasar saham, dan prediksi penyewaan sepeda.
Curriculum

Modul 1 — Machine Learning Fundamentals

Membahas konsep dasar Machine Learning, termasuk supervised learning, unsupervised learning, reinforcement learning, serta pengenalan cara kerja model Machine Learning.

Pokok bahasan:

  • Machine Learning fundamentals.
  • Supervised, unsupervised, dan reinforcement learning.
  • Introduction to K-Nearest Neighbors.
  • Evaluating model performance.
  • Hyperparameter optimization.
  • Cross validation.
Modul 2 — Mathematics for Machine Learning

Membahas konsep matematika dasar yang diperlukan dalam Machine Learning, khususnya kalkulus dan aljabar linear.

Pokok bahasan:

  • Calculus for Machine Learning.
  • Linear dan nonlinear functions.
  • Limits dan extreme points.
  • Linear Algebra for Machine Learning.
  • Vectors dan matrix algebra.
Modul 3 — Machine Learning Models with Python

Membahas penerapan model Machine Learning menggunakan Python dan library pendukung seperti Scikit-learn.

Pokok bahasan:

  • Linear Regression.
  • Logistic Regression.
  • Multiclass Classification.
  • Overfitting.
  • K-Means Clustering.
  • Decision Tree.
  • Python implementation for Machine Learning.
Modul 4 — Guided Projects

Membahas latihan berbasis proyek untuk memahami penerapan AI dan Machine Learning dalam kasus nyata.

Pokok bahasan:

  • Predicting Car Prices.
  • Predicting House Sale Prices.
  • Predicting the Stock Market.
  • Predicting Bike Rentals.
CAIPC
Duration
3 Hari (24 JP)
Course Level
Intermediate
Delivery Mode
Offline
Online
Certification Body
Certiprof
Rp. 4.500.000,-/peserta
Brochure File
CAIPC Flyer.pdf
Daftar

Scrum Developer Professional Certification

Scrum Developer Professional Certification

Scrum Developer Professional Certification (SDPC™) adalah pelatihan dan sertifikasi profesional yang dirancang untuk memvalidasi pemahaman peserta tentang Scrum, khususnya peran Scrum Developer dalam menghasilkan potentially releasable increment yang “Done” pada akhir setiap Sprint. Program ini membekali peserta dengan pemahaman Scrum Guide, tanggung jawab Developer, praktik Agile-Scrum, serta konsep penting yang dibutuhkan untuk menghadapi ujian sertifikasi SDPC.

Target Audience

Sasaran peserta meliputi 

  1. IT Leadership, 
  2. Project Manager, 
  3. Product Owner, 
  4. Scrum Master, 
  5. Calon Scrum Developer, dan 
  6. Team Leader.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami peran Scrum Developer berdasarkan Scrum Guide™.
  2. Menjelaskan tanggung jawab Scrum Developer dalam tim Scrum.
  3. Memahami konsep dasar Agile, Scrum, Scrum Theory, Scrum Values, dan Scrum Team.
  4. Menjelaskan bagaimana Scrum Developer berkontribusi dalam menghasilkan increment produk yang “Done” di setiap Sprint.
  5. Memahami Scrum Events, Scrum Artifacts, dan praktik utama dalam Scrum.
  6. Menerapkan prinsip kolaborasi, transparansi, inspeksi, dan adaptasi dalam pengembangan produk Agile.
  7. Memahami istilah dan definisi penting untuk menghadapi ujian Scrum Developer Professional Certification (SDPC™).
  8. Meningkatkan pengakuan kompetensi profesional melalui sertifikasi dari CertiProf®
Curriculum

Modul 1 — Agile and Scrum Foundation

Membahas dasar Agile dan Scrum, Agile Manifesto, Scrum Theory, Scrum Values, serta prinsip utama Scrum berdasarkan Scrum Guide 2020.

Pokok bahasan:

  • Agile/Scrum Introduction.
  • Scrum Theory.
  • Scrum Values.
  • Scrum Team.
  • Main Scrum Concepts.

Modul 2 — Scrum Developer Role

Membahas peran dan tanggung jawab Scrum Developer dalam organisasi yang menggunakan Scrum, termasuk kontribusi Developer dalam menghasilkan increment yang siap dirilis.

Pokok bahasan:

  • Peran Scrum Developer.
  • Tanggung jawab Scrum Developer.
  • Kolaborasi dalam Scrum Team.
  • Delivery increment yang “Done”.
  • Akuntabilitas Developer dalam Sprint.

Modul 3 — Scrum Artifacts and Events

Membahas artifact dan event utama dalam Scrum yang digunakan untuk mengelola pekerjaan, transparansi, inspeksi, adaptasi, dan pencapaian Sprint Goal.

Pokok bahasan:

  • Product Backlog.
  • Sprint Backlog.
  • Increment.
  • Definition of Done.
  • Sprint Planning.
  • Daily Scrum.
  • Sprint Review.
  • Sprint Retrospective.

Modul 4 — SDPC™ Exam Preparation

Membahas review konsep penting, istilah Scrum, dan persiapan menghadapi ujian sertifikasi SDPC™. Sertifikasi ini tidak memiliki prasyarat formal, memiliki kode sertifikasi SDPC™, dan masa berlaku 3 tahun.

Pokok bahasan:

  • Review Scrum Guide.
  • Key terms and definitions.
  • Practice exam preparation.
  • SDPC™ certification overview.
  • Exam readiness checklist.
SDPC
Duration
3 Hari (24 JP)
Course Level
Fundamental
Delivery Mode
Offline
Online
Certification Body
Certiprof
Rp. 4.500.000,-/peserta
Brochure File
SDPC Flyer.pdf
Daftar

Scrum Product Owner Professional Certificate

Scrum Product Owner Professional Certificate

Scrum Product Owner Professional Certificate (SPOPC®) adalah pelatihan dan sertifikasi profesional yang dirancang untuk memvalidasi pengetahuan peserta tentang Scrum, khususnya peran Product Owner dalam memaksimalkan nilai produk dan mendukung kinerja Development Team. Program ini membahas Agile, Scrum practices, Scrum planning, Scrum events, monitoring Scrum project, advanced Scrum concepts, serta tanggung jawab strategis Product Owner.

Target Audience
  1. Calon Product Owner dan Product Owner pemula.
  2. Project Manager, Scrum Master, Business Analyst, dan System Analyst.
  3. Product Manager, Product Team, dan anggota Agile Team.
  4. Developer, QA, UI/UX Designer, dan stakeholder yang terlibat dalam pengembangan produk.
  5. Profesional IT maupun non-IT yang ingin memahami peran Product Owner dalam Scrum.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami konsep dasar Agile, Scrum, Agile Manifesto, dan prinsip-prinsip Agile.
  2. Menjelaskan Scrum theory, empiricism, lean thinking, serta tiga pilar Scrum: transparency, inspection, dan adaptation.
  3. Memahami Scrum values: commitment, focus, openness, respect, dan courage.
  4. Menjelaskan peran Product Owner dalam memaksimalkan nilai produk dan pekerjaan Development Team.
  5. Memahami tanggung jawab Product Owner dalam membentuk Product Vision, Product Goal, dan Product Backlog.
  6. Mengelola prioritas kebutuhan produk melalui backlog refinement, user stories, MVP, dan agile product roadmap.
  7. Memahami Scrum Events seperti Sprint, Sprint Planning, Daily Scrum, Sprint Review, dan Sprint Retrospective.
  8. Mempersiapkan diri untuk mengikuti ujian sertifikasi Scrum Product Owner Professional Certificate (SPOPC®).
Curriculum
Modul 1 — Introduction to Agile and Scrum

Membahas pengantar Agile dan Scrum, Agile Manifesto, business agility, Scrum theory, empiricism, lean thinking, serta tiga pilar Scrum.

Pokok bahasan:

  • Agile dan Scrum fundamentals.
  • Agile Manifesto dan Agile Principles.
  • Business Agility.
  • Scrum Theory.
  • Empiricism dan Lean Thinking.
  • Transparency, Inspection, dan Adaptation.
Modul 2 — Product Owner Role

Membahas peran, karakteristik, dan tanggung jawab Product Owner dalam memaksimalkan nilai produk, membentuk Product Vision, Product Goal, dan mendukung keberhasilan produk.

Pokok bahasan:

  • Product Owner characteristics.
  • Responsibilities of Product Owner.
  • Product Owner role.
  • Product Goal.
  • Product Vision.
  • Product Owner success.
  • Stakeholder management.
Modul 3 — Scrum Artifacts and Agile Product Practices

Membahas artifact dan praktik penting dalam pengelolaan produk Agile, termasuk Product Backlog, Sprint Backlog, user stories, MVP, roadmap, Kanban, velocity, dan product management concepts.

Pokok bahasan:

  • Product Backlog dan Sprint Backlog.
  • Backlog refinement.
  • User Stories dan INVEST Model.
  • Definition of Done.
  • MVP dan Product Market Fit.
  • Agile Product Roadmaps.
  • Kanban dan Velocity.
Modul 4 — Scrum Events and SPOPC® Exam Preparation

Membahas Scrum Events dan persiapan ujian SPOPC®, termasuk Sprint, Sprint Planning, Daily Scrum, Sprint Review, Sprint Retrospective, exam, dan badge.

Pokok bahasan:

  • Sprint.
  • Sprint Planning.
  • Daily Scrum.
  • Sprint Review.
  • Sprint Retrospective.
  • Review materi ujian SPOPC®.
  • SPOPC® Exam dan Badge.
SPOC
Duration
3 Hari (24 JP)
Course Level
Fundamental
Delivery Mode
Offline
Online
Certification Body
Certiprof
Rp. 4.500.000,-/peserta
Brochure File
SPOC Flyer.pdf
Daftar

Scrum Master Professional Certificate

Scrum Master Professional Certificate

Scrum Master Professional Certificate (SMPC®) adalah pelatihan dan sertifikasi profesional yang dirancang untuk memvalidasi pengetahuan peserta tentang Scrum, termasuk teori, praktik, aturan, peran Scrum Master, Scrum Team, Scrum Events, Scrum Artifacts, serta konsep Agile yang mendukung pengelolaan proyek secara adaptif dan kolaboratif. Program ini cocok bagi peserta yang ingin membangun kompetensi sebagai Scrum Master dan memahami penerapan Scrum dalam lingkungan kerja modern.

Target Audience
  1. Calon Scrum Master dan Scrum Master pemula.
  2. Project Manager, Team Leader, dan Product Owner.
  3. Anggota Agile Team, Developer, QA, Business Analyst, dan System Analyst.
  4. Profesional IT maupun non-IT yang bekerja dalam lingkungan Agile.
  5. Manajer, supervisor, konsultan, dosen, mahasiswa, dan profesional umum yang ingin memahami Agile-Scrum.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami konsep dasar Agile, Scrum, Agile Manifesto, dan prinsip-prinsip Agile.
  2. Menjelaskan Scrum theory, empiricism, lean thinking, serta tiga pilar Scrum: transparency, inspection, dan adaptation.
  3. Memahami Scrum values: commitment, focus, openness, respect, dan courage.
  4. Menjelaskan peran dan tanggung jawab Scrum Team, termasuk Scrum Master, Product Owner, Developers, dan Stakeholders.
  5. Memahami Scrum Events seperti Sprint, Sprint Planning, Daily Scrum, Sprint Review, dan Sprint Retrospective.
  6. Menjelaskan Scrum Artifacts seperti Product Backlog, Sprint Backlog, Increment, Sprint Goal, Product Goal, dan Definition of Done.
  7. Memahami praktik Agile seperti user story, task, INVEST, planning poker, Kanban, MVP, velocity, dan Scrum of Scrum.
  8. Mempersiapkan diri untuk mengikuti ujian sertifikasi Scrum Master Professional Certificate (SMPC®).
Curriculum
Modul 1 — Introduction to Agile and Scrum

Membahas pengantar Agile dan Scrum, Agile Manifesto, prinsip Agile, business agility, Scrum theory, empiricism, lean thinking, serta tiga pilar Scrum.

Pokok bahasan:

  • Introduction to Agile and Scrum.
  • Agile Manifesto dan Agile Principles.
  • Business Agility.
  • Scrum Theory.
  • Empiricism dan Lean Thinking.
  • Transparency, Inspection, dan Adaptation.
Modul 2 — Scrum Team, Roles, and Values

Membahas nilai-nilai Scrum serta peran dalam Scrum Team, termasuk Developers, Product Owner, Scrum Master, dan Stakeholders.

Pokok bahasan:

  • Scrum Values.
  • Scrum Team.
  • Developers.
  • Product Owner.
  • Scrum Master.
  • Stakeholders.
Modul 3 — Scrum Events and Scrum Artifacts

Membahas event utama Scrum serta artifact yang digunakan untuk mengelola pekerjaan dan menghasilkan increment bernilai.

Pokok bahasan:

  • Sprint.
  • Sprint Planning.
  • Daily Scrum.
  • Sprint Review.
  • Sprint Retrospective.
  • Product Backlog.
  • Sprint Backlog.
  • Increment.
  • Definition of Done.
Modul 4 — Agile Practices and SMPC® Exam Preparation

Membahas praktik Agile pendukung dan persiapan ujian SMPC®, termasuk user story, task, planning poker, Kanban, MVP, velocity, dan Scrum of Scrum.

Pokok bahasan:

  • Agile Glossary.
  • Time-boxing.
  • INVEST.
  • User Story.
  • Task.
  • Planning Poker.
  • Kanban.
  • MVP dan Velocity.
  • Scrum of Scrum.
  • SMPC® Exam dan Badge.
SMPC
Duration
3 Hari (24 JP)
Course Level
Fundamental
Delivery Mode
Offline
Online
Certification Body
Certiprof
Rp. 4.500.000,-/peserta
Brochure File
Scrum Master Professional Certificate Flyer.pdf
Daftar

Big Data Science Professional

Big Data Science Professional

Big Data Science Professional merupakan program pelatihan yang dirancang untuk membekali peserta dengan pemahaman komprehensif mengenai Big Data analytics dan fundamental Data Science dari perspektif bisnis dan teknologi. Pelatihan ini membahas konsep, model, manfaat, tantangan, praktik analisis data, teknologi Big Data, serta penerapan analisis berbasis data dalam skenario bisnis nyata.

Target Audience
  1. IT professional, data analyst, BI analyst, dan system analyst.
  2. Business analyst, project manager, product manager, dan decision maker.
  3. Konsultan IT, konsultan bisnis, dan konsultan transformasi digital.
  4. Dosen, peneliti, mahasiswa, dan akademisi yang ingin memahami Big Data dan Data Science.
  5. Profesional umum yang ingin membangun kompetensi di bidang data analytics dan Big Data.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami konsep dasar Big Data, Big Data analytics, dan fundamental Data Science.
  2. Menjelaskan manfaat, tantangan, risiko, dan isu adopsi Big Data dalam organisasi.
  3. Mengidentifikasi business drivers dan technology drivers dalam implementasi Big Data.
  4. Memahami karakteristik data dalam lingkungan Big Data, termasuk structured, unstructured, dan semi-structured data.
  5. Menjelaskan konsep metadata, data veracity, kualitas data, serta peran data dalam analytics.
  6. Memahami perbedaan descriptive, diagnostic, predictive, dan prescriptive analytics.
  7. Menjelaskan hubungan antara Business Intelligence, data visualization, dan Big Data.
  8. Memahami Big Data analysis lifecycle mulai dari evaluasi business case hingga data analysis dan visualization.
  9. Mengenali teknik analisis seperti A/B testing, correlation, regression, heat maps, time series analysis, network analysis, spatial analysis, classification, clustering, filtering, sentiment analysis, dan text analytics.
  10. Memahami konsep teknologi Big Data seperti cloud computing, storage devices, processing engines, resource managers, query engines, analytics engines, dan workflow engines.
  11. Menerapkan pemahaman Big Data analytics melalui lab exercise dan studi kasus berbasis problem solving.
  12. Mempersiapkan diri untuk mengikuti sertifikasi Big Data Science Professional melalui practice exam questions dan online-proctored certification exam.
Curriculum
Modul 1 — Fundamental Big Data Science & Analytics

Membahas dasar-dasar Big Data dan Data Science dari perspektif bisnis dan teknologi, termasuk konsep Big Data, terminology, business drivers, technology drivers, jenis data, metadata, data veracity, analytics, Business Intelligence, data visualization, serta pertimbangan adopsi Big Data.

Pokok bahasan:

  • Understanding Big Data.
  • Big Data terminology and concepts.
  • Business and technology drivers.
  • Structured, unstructured, dan semi-structured data.
  • Metadata dan data veracity.
  • Descriptive, diagnostic, predictive, dan prescriptive analytics.
  • Business Intelligence dan data visualization.
Modul 2 — Big Data Analysis & Technology Concepts

Membahas praktik analisis, teknologi, dan tools dalam lingkungan Big Data, dengan fokus pada lifecycle analisis, teknik analisis data, serta komponen teknologi yang mendukung penyimpanan, pemrosesan, query, dan analytics.

Pokok bahasan:

  • Big Data analysis lifecycle.
  • A/B testing, correlation, regression, dan heat maps.
  • Time series, network, dan spatial data analysis.
  • Classification, clustering, dan filtering.
  • Sentiment analysis dan text analytics.
  • Cloud computing dalam Big Data.
  • Big Data storage, processing, query, analytics, dan workflow engines.
Modul 3 — Big Data Analysis & Technology Lab

Membahas latihan berbasis studi kasus untuk menguji kemampuan peserta dalam menerapkan konsep Big Data analysis dan teknologi Big Data pada masalah nyata. Lab ini membantu peserta memahami penerapan analisis data untuk kebutuhan bisnis dan teknologi.

Pokok bahasan:

  • Lab case study berbasis skenario bisnis.
  • Perencanaan lingkungan Big Data dan BI.
  • Analisis data pelanggan.
  • Data integration dan reporting.
  • Analisis smart meter data.
  • Demand prediction.
  • Asset management dan risk identification.
BDSCP
Duration
4 Hari (30 JP)
Course Level
Intermediate
Delivery Mode
Offline
Online
Certification Body
Arcitura
Rp. 8.950.000,-/peserta
Brochure File
Big Data Science Profesional Flyer.pdf
Daftar

Big Data Professional

Big Data Professional

Big Data Professional merupakan program pelatihan yang membekali peserta dengan pemahaman fundamental mengenai konsep Big Data dan Data Science dari perspektif bisnis dan teknologi. Pelatihan ini membahas manfaat, tantangan, risiko, jenis data, analisis data, analytics, visualisasi, serta teknologi Big Data yang digunakan dalam implementasi dunia nyata.

Target Audience
  1. IT professional dan technology practitioner yang ingin memahami konsep, arsitektur, dan teknologi dasar Big Data.
  2. Business analyst, system analyst, dan data analyst yang ingin memahami bagaimana Big Data digunakan untuk analisis dan pengambilan keputusan.
  3. Manajer, supervisor, dan decision maker yang ingin memahami manfaat, risiko, dan peluang pemanfaatan Big Data di organisasi.
  4. BI professional dan data visualization specialist yang ingin memperluas pemahaman tentang analytics dan visualisasi dalam lingkungan Big Data.
  5. Konsultan IT, konsultan bisnis, dan konsultan transformasi digital yang ingin memperkuat kompetensi dalam Big Data dan Data Science.
  6. Project manager, product manager, dan innovation team yang terlibat dalam pengembangan solusi berbasis data.
  7. Dosen, peneliti, mahasiswa, dan akademisi yang ingin membangun fondasi pengetahuan Big Data dan Data Science.
  8. Profesional umum yang ingin memahami penerapan Big Data dalam bisnis, teknologi, dan pengambilan keputusan modern.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami konsep dasar Big Data dan Data Science dalam konteks bisnis dan teknologi.
  2. Menjelaskan terminology, konsep, manfaat, tantangan, dan risiko dalam implementasi Big Data.
  3. Mengidentifikasi business drivers dan technology drivers yang mendorong adopsi Big Data.
  4. Memahami karakteristik data dalam lingkungan Big Data, termasuk structured, unstructured, dan semi-structured data.
  5. Menjelaskan konsep metadata, data veracity, dan kualitas data dalam analisis Big Data.
  6. Memahami dasar-dasar analisis dan analytics, termasuk descriptive, diagnostic, predictive, dan prescriptive analytics.
  7. Menjelaskan peran Business Intelligence dan data visualization dalam pengambilan keputusan berbasis data.
  8. Memahami Big Data analysis lifecycle mulai dari business case evaluation hingga data analysis dan visualization.
  9. Mengenali teknik analisis seperti A/B testing, correlation, regression, heat maps, time series analysis, network analysis, spatial data analysis, classification, clustering, filtering, sentiment analysis, dan text analytics.
  10. Memahami konsep teknologi Big Data, termasuk cloud computing, storage devices, processing engines, resource managers, data transfer engines, query engines, analytics engines, dan workflow engines.
  11. Mempersiapkan diri untuk mengikuti certification bundle melalui practice exam questions dan online-proctored certification exam.
Curriculum
Modul 1 — Fundamental Big Data Science & Analytics

Modul ini membahas konsep dasar Big Data dan Data Science dari perspektif bisnis dan teknologi, termasuk terminology, manfaat, tantangan, risiko, jenis data, karakteristik data, metadata, data veracity, analytics, BI, visualisasi data, serta pertimbangan adopsi Big Data.

Pokok bahasan utama:

  • Understanding Big Data.
  • Big Data terminology and concepts.
  • Big Data business and technology drivers.
  • Structured, unstructured, dan semi-structured data.
  • Metadata dan data veracity.
  • Fundamental analysis and analytics.
  • Descriptive, diagnostic, predictive, dan prescriptive analytics.
  • Business Intelligence dan data visualization.
  • Big Data adoption and planning considerations.
Modul 2 — Big Data Analysis & Technology Concepts

Modul ini membahas praktik analisis, teknologi, dan tools yang umum digunakan dalam lingkungan Big Data, mulai dari lifecycle analisis hingga mekanisme teknologi yang mendukung penyimpanan, pemrosesan, query, analytics, dan workflow Big Data.

Pokok bahasan utama:

  • Big Data analysis lifecycle.
  • A/B testing, correlation, regression, dan heat maps.
  • Time series, network, dan spatial data analysis.
  • Classification, clustering, dan filtering.
  • Sentiment analysis dan text analytics.
  • Cloud computing dalam Big Data.
  • Big Data storage devices dan processing engines.
  • Resource managers, data transfer engines, query engines, analytics engines, dan workflow engines.
Big Data Profesional
Duration
3 Hari (20 JP)
Course Level
Fundamental
Delivery Mode
Offline
Online
Certification Body
Arcitura
Rp. 6.250.000,-
Brochure File
Big Data Profesional Flyer.pdf
Daftar

Predictive AI Specialist

Predictive AI Specialist

Predictive AI Specialist adalah program pelatihan yang dirancang untuk membekali peserta dengan pemahaman komprehensif mengenai konsep, model, praktik, dan best practices dalam Predictive AI. Pelatihan ini membahas penerapan AI analytics dalam berbagai skenario bisnis, teknik pemrosesan data, model training, learning approaches, evaluasi model, serta latihan berbasis studi kasus untuk memperkuat kemampuan peserta dalam memahami dan menerapkan Predictive AI secara praktis.

Target Audience
  • IT professional dan technology practitioner yang ingin memahami cara kerja Predictive AI dan aplikasinya dalam solusi teknologi.
  • Business analyst dan system analyst yang ingin memahami bagaimana Predictive AI digunakan untuk mendukung kebutuhan bisnis dan pengambilan keputusan.
  • Data analyst, data enthusiast, dan BI professional yang ingin memperluas kompetensi ke area AI analytics dan model evaluation.
  • Manajer, supervisor, dan decision maker yang ingin memahami manfaat, risiko, dan peluang penerapan Predictive AI di organisasi.
  • Konsultan IT, konsultan bisnis, dan konsultan transformasi digital yang ingin memperkuat pemahaman tentang AI use case, learning approaches, dan solution design.
  • Project manager, product manager, dan innovation team yang terlibat dalam pengembangan solusi berbasis AI.
  • Dosen, peneliti, widyaiswara, dan instruktur pelatihan yang ingin memahami materi Predictive AI untuk kebutuhan pengajaran, riset, atau pengembangan kurikulum.
  • Mahasiswa dan fresh graduate yang ingin membangun fondasi awal di bidang Predictive AI, machine learning, dan AI for business.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami konsep dasar Predictive AI dan perannya dalam mendukung analisis, prediksi, dan pengambilan keputusan bisnis.
  2. Menjelaskan business drivers dan technology drivers yang mendorong penggunaan Predictive AI dalam organisasi.
  3. Mengidentifikasi manfaat, risiko, dan tantangan dalam penerapan Predictive AI.
  4. Memahami kategori masalah bisnis yang dapat diselesaikan menggunakan pendekatan AI.
  5. Menjelaskan berbagai jenis Predictive AI dan pendekatan pembelajaran yang umum digunakan.
  6. Memahami proses model training dan training loop dalam pengembangan model Predictive AI.
  7. Membedakan pendekatan supervised learning, unsupervised learning, continuous learning, semi-supervised learning, heuristic learning, dan reinforcement learning.
  8. Memahami teknik dasar feature encoding, feature imputation, dimensionality reduction, dan data wrangling.
  9. Melakukan evaluasi model, baseline modeling, model optimization, dan strategi menghindari overfitting.
  10. Memahami konsep transfer learning dan penerapannya dalam pengembangan model AI.
  11. Mengaplikasikan pemahaman Predictive AI melalui latihan berbasis studi kasus dan skenario bisnis nyata.
  12. Mempersiapkan diri untuk mengikuti certification bundle melalui practice exam questions dan online-proctored certification exam.
Curriculum

Modul 1 — Fundamental Predictive AI

Modul ini membahas dasar-dasar Predictive AI, penerapan Predictive AI dalam berbagai aplikasi bisnis, praktik dan sistem Predictive AI, pendekatan pembelajaran umum, serta area fungsional yang banyak digunakan dalam sistem AI.

Pokok bahasan:

  • Predictive AI business and technology drivers.
  • Predictive AI benefits.
  • Common risks and challenges of using Predictive AI.
  • Business problem categories addressed by AI.
  • Types of Predictive AI.
  • Common Predictive AI learning approaches.
  • Predictive AI learning and model training.
  • Step-by-step training loop process.
  • Supervised learning.
  • Unsupervised learning.
  • Continuous learning.
  • Heuristic learning.
  • Semi-supervised learning.
  • Reinforcement learning.
  • Common Predictive AI functional designs.
  • Computer vision dan pattern recognition.
  • Robotics, Natural Language Processing, speech recognition, dan Natural Language Understanding.
  • AI models dan neural networks.

Modul 2 — Advanced Predictive AI

Modul ini memberikan pemahaman tentang cara kerja sistem Predictive AI melalui teknik learning, data processing, data manipulation, serta AI system performance management. Modul ini tidak berfokus pada rumus matematika atau programming, sehingga sesuai untuk general IT professionals.

Pokok bahasan:

  • Understanding supervised learning.
  • Understanding unsupervised learning.
  • Essential analytics techniques and processes.
  • Feature encoding.
  • Feature imputation.
  • Dimensionality reduction.
  • Data wrangling.
  • Model evaluation.
  • Training performance evaluation.
  • Baseline modeling.
  • Model optimization.
  • Overfitting avoidance.
  • Transfer learning.

Modul 3 — Predictive AI Lab

Modul ini berisi latihan berbasis studi kasus dan problem-solving lab untuk menguji kemampuan peserta dalam menerapkan pengetahuan dari modul sebelumnya. Lab ini dirancang untuk memperkuat pemahaman dan menunjukkan bagaimana praktik dan teknologi Predictive AI dapat dikombinasikan dalam solusi yang lebih besar.

Pokok bahasan:

  • Case Study Background: ADM.
  • Lab Exercise: Burdensome Model Training.
  • Lab Exercise: Neural Network Selection.
  • Lab Exercise: Making Difficult Decisions That Could Save Lives.
  • Case Study Background: PMI.
  • Lab Exercise: Defining How Robots Learn and Neural Network Selection.
  • Lab Exercise: Neural Network Selection and Complex Learning Challenges.
  • Lab Exercise: Dealing with an Underperforming Model.
  • Case Study Background: HHA.
  • Lab Exercise: Dynamic Forecasting with Multi-Analysis.
  • Lab Exercise: Deep Profile Data and Finding Hidden Preferences.
  • Lab Exercise: Realtime Adaptive Pricing.

Modul 4 — Learning Materials dan Certification Preparation

Peserta juga memperoleh akses materi pembelajaran yang mendukung proses belajar, seperti workbook lessons, interactive exercises, mind map poster, practice exam questions, serta printable PDFs. Certification bundle mencakup online-proctored certification exam dan practice exam questions.

Pokok bahasan:

  • Review materi utama Predictive AI Specialist.
  • Workbook lessons.
  • Interactive exercises.
  • Mind map poster.
  • Practice exam questions.
  • Printable PDFs.
  • Strategi persiapan ujian sertifikasi.
  • Online-proctored certification exam preparation.
  • Final review konsep kunci Predictive AI.
Predictive AI Specialist
Duration
4 Hari (30 JP)
Course Level
Fundamental
Intermediate
Delivery Mode
Offline
Online
Certification Body
Arcitura
Rp. 8.950.000,-/peserta
Brochure File
Predictive AI Specialist.pdf
Daftar
Subscribe to Online