silabus thematic academy ai for future workforce
TRANSCRIPT
Versi Publikasi #1-10022021
eeeVer
Digital Talent Scholarship 2021 Kementerian Komunikasi dan Informatika Republik Indonesia https://digitalent.ko
minfo.go.id
Silabus Thematic Academy AI for Future Workforce: Associate AI-Analyst
Versi Publikasi #1-
10022021
Silabus Pelatihan AI for Future Workforce: Associate AI Analyst
Kementerian Komunikasi dan Informatika Republik Indonesia
Thematic Academy Digital Talent Scholarship (TA-DTS)
Tahun 2021
Disclaimer: Dokumen ini digunakan hanya untuk kebutuhan Digital Talent Scholarship Kementerian Komunikasi dan Informatika Republik Indonesia. Konten ini mengandung Kekayaan Intelektual, pengguna tunduk kepada undang-undang hak cipta, merek dagang atau hak kekayaan intelektual lainnya. Dilarang untuk mereproduksi, memodifikasi, menyebarluaskan, atau mengeksploitasi konten ini dengan cara atau bentuk apapun tanpa persetujuan tertulis dari Digital Talent Scholarship Kementerian Komunikasi dan Informatika Republik Indonesia.
Informasi Pelatihan & Sertifikat
Akademi Thematic Academy
Mitra Pelatihan IAIS & Intel®
Tema Pelatihan AI for Future Workforce: Associate AI-Analyst
Sertifikasi Certificate of Completion
Akses Kelas Online
Durasi Pelatihan 20 pertemuan (60 JP, 1 JP = 45 menit)
Per pertemuan 3 JP live session
Per minggu 2 pertemuan = 2,5 bulan
Deskripsi Pelatihan Pelatihan AI for Future Workforce dilaksanakan secara online dengan video
conference zoom terbagi atas 20 kelas dengan 50 siswa per kelas, dengan seorang
trainer dan seorang asisten trainer per kelas. Selain teori juga ada lab Azure Machine
Learning dan pemrograman Python dengan Jupyter Notebook/Google Colab.
Output Pelatihan Tenaga kerja yang memahami kasus penerapan AI pada industri dan kehidupan
sehari-hari
Aktivitas Pelatihan Pelatihan dilaksanakan secara daring/online, peserta belajar secara mandiri (Self- paced Learning) melalui laptop/komputer. Pada pelatihan ini peserta akan mendapatkan kesempatan bertanya dan berinteraksi dengan Instruktur pada Grup Kelas dan Live Session yang telah disediakan. Untuk lulus di pelatihan ini peserta diharuskan melewati:
1. Modul belajar
2. Ujian dalam bentuk exam
Persyaratan Peserta 1. Minimal SMA/SMK/sederajat yang telah menempuh mata pelajaran Teknologi Informasi Komunikasi (TIK)
2. Berumur 18 - 30 tahun pada saat pendaftaran 3. Memiliki ketertarikan untuk mengembangkan karir atau melanjutkan studi di
Versi Publikasi #1-
10022021
bidang Information Technology (IT) / Information System (IS) / pekerjaan lainnya yang berkaitan
Persyaratan Sarana Peserta
Memiliki laptop/komputer dengan spesifikasi minimal : 1. Core i3 7th Gen
2. 4GB RAM
3. Integrated Graphics Card
4. Webcam
5. Microsoft Windows 10 / Linux Ubuntu 18.04 / MacOS 10.15
Kriteria Pengajar Memiliki sertifikat pelatihan Intel® AI for Future Workforce
Kapasitas Kelas 50 Peserta dengan 1 orang Pengajar dan 1 orang asisten Pengajar
Sistem Penilaian Nilai minimal kelulusan 70%
Komponen Penilaian Tingkat Kehadiran x 10%
Tugas harian x 30%
Tugas Praktek akhir x 30%
Ujian Tertulis x 30%
Jadwal Pelatihan Tanggal Pendaftaran
Tanggal Tes Substansi
Verifikasi Berkas
Tanggal Pengumuman
Tanggal Pelaksanaan
Pelatihan
13 – 23 September 2021
24 September - 3 Oktober 2021
4 – 6 Oktober 2021
7 Oktober 2021 11 Oktober – 19 Desember 2021
Jadwal sewaktu-waktu dapat berubah tanpa pemberitahuan*
Intel® AI for Future Workforce: Associate AI-Analyst
Pertemuan Topik Outcome Aktivitas Kelas JP
1
AI Demystified & Made Easy
- Peserta mampu membeda-
kan aplikasi AI & non-AI
- Peserta memperoleh
keyakinan untuk membuat
aplikasi AI-nya sendiri
- Peserta mendemonstrasikan
bagaimana AI membuat
keputusan dengan
menggunakan Perceptron
- Peserta memodifikasi sebuah
aplikasi AI sederhana dengan
menggunakan Teachable
Machine Tool.
- Peserta dapat
mengidentifikasi beberapa
cara dimana AI akan
mempengaruhi aktivitas
-Live Session
3
Versi Publikasi #1-
10022021
Intel® AI for Future Workforce: Associate AI-Analyst
Pertemuan Topik Outcome Aktivitas Kelas JP
sehari-hari mereka
- Peserta dapat
mengidentifikasi beberapa
cara dimana AI akan
mempengaruhi masa depan
mereka
2
AI Project Cycle and Intro to
Azure ML Studio
- Peserta akan mampu
mengidentifikasi dan
menjelaskan 5 tahapan dari
proyek AI
- Peserta akan mampu
membuat problem scope
dengan bantuan template
- Peserta akan mampu
membedakan tipe
pemodelan yang ditemukan
di ML.
- Peserta akan merasakan
daya AI dalam aplikasi
terkait industry tanpa perlu
coding
- Peserta akan memperoleh
pengetahuan dalam meng-
gunakan AI Project Cycle
untuk berbagai aplikasi
terkait industri
- Live Session
3
3
Common Trade Application of
AI: Using No-code
2 use cases lab :
- Employee Attrition Prediction
- Recommendation System
- Peserta mampu menjelaskan
apa yang dimaksud dengan
Employee Attrition dan
Recommendation System
- Peserta mampu menjelaskan
AI Project Cycle dalam use
case-nya
- Peserta dapat membuat
model employee attrition
prediction dan
Recommendation System
menggunakan Microsoft
Azure Machine Learning
Studio
- Live Session
- Praktik (Lab
Azure ML Studio)
3
Versi Publikasi #1-
10022021
Intel® AI for Future Workforce: Associate AI-Analyst
Pertemuan Topik Outcome Aktivitas Kelas JP
4
Python Fundamentals
- Peserta mampu mengenal
sintaks python dasar dan
membedakan antara
komentar dan kode dalam
sebuah Notebook
- Peserta mampu menjelaskan
variabel dan membedakan
antara integer, float dan
- Live Session
- Praktik
(Lab Jupyter
Notebook/
Colab)
3
5
Python Functions and Packages
- Peserta mampu mengenal
Python libraries dan
membedakan antara NumPy,
Pandas, Matplotlib dan
Scikit-Learn
- Peserta mampu menjelaskan
NumPy Arrays dan
membedakan antara Python
Lists dan NumPy Arrays
- Peserta mampu
memanipulasi data
menggunakan NumPy
Functions dan menggunakan
slicing untuk membuat
Subarrays
- Peserta mampu
menghubungkan bagaimana
matplotlib divisualisasikan
- Peserta mampu
mengidentifikasikan kata-
kata kunci untuk
mengimport Modul dan
Paket dalam Python
- Live Session
- Praktik (Lab
Jupyter
Notebook/
Colab)
3
6
Common Trade Application of
AI: Using Python
2 use cases lab:
- Employee Attrition Prediction
- Recommendation System
- Peserta mampu
menggunakan model AI
untuk menyelesaikan
berbagai masalah aplikasi
industri menggunakan
Python
- Live Session
- Praktik (Lab
Jupyter
Notebook/
Colab)
3
Versi Publikasi #1-
10022021
Intel® AI for Future Workforce: Associate AI-Analyst
Pertemuan Topik Outcome Aktivitas Kelas JP
7
Thinking Frameworks
- Design Thinking
- System thinking
- Entrepreneurship Mind
- Peserta mampu menjelaskan
apa yang dimaksud dengan
human-centric design
- Peserta mampu
mendemonstrasikan peranan
Design Thinking dan AI bias
dalam pengembangan proyek
AI melalui sebuah studi kasus
dan latihan terarah
- Peserta mampu menjelaskan
sebuah sistem sebagai
komponen interconnected
dan elemen individu tidak
menunjukkan keseluruhan
sampai terhubung Bersama
- Peserta mampu
menghubungkan system
thinking melalui sebuah
video dan sebuah contoh
terarah diikuti dengan
melakukan sebuah System
Map
- Peserta mampu menjelaskan
Entrepreneurial Mindset dan
menjelaskan pentingnya
dalam konteks kesempatan
untuk pekerjaan masa depan
- Peserta mampu merumuskan
sebuah Value Proposition
Canvas dalam usaha
mencapai kesesuaian
menggiunakan solusi AI yang
diusulkan dari Latihan
System Thinking sebelumnya
- Peserta mampu membuat
sebuah elevator pitch
menjelaskan ide dan nilai
usulan mereka dihasilkan
dengan menggunakan
VPC mereka
- Live Session
3
Versi Publikasi #1-
10022021
Intel® AI for Future Workforce: Associate AI-Analyst
Pertemuan Topik Outcome Aktivitas Kelas JP
8
ML/DL Learning (Supervised
and Unsupervised)
- Peserta mempelajari
perbedaan antara Supervised
dan Unsupervised Learning
pada tingkat dasar
- Peserta mampu
mengaplikasikan
pengetahuan tentang teknik
ML/DL yang diperoleh untuk
menyelesaikan masalah
- Live Session
3
9
Image Processing: Basic
Techniques Theory Part I
- Dapat menjelaskan
bagaimana sebuah komputer
dapat mempersepsikan
(melihat) gambar
- Live Session
- Praktik (Lab
Jupyter
Notebook/
Colab)
3
10
Image Processing: Basic
Techniques Part II Lab 1st Half
- Dapat mendaftar 3 aplikasi
dunia nyata dari visi
komputer
- Dapat mengaplikasikan
teknik dasar untuk
menyelesaikan sebuah
tantangan visi komputer
(mis: mendeteksi ketika
seseorang pulang ke rumah)
- Live Session
- Praktik (Lab
Jupyter
Notebook/
Colab)
3
11
Image Processing: Basic
Techniques Part III Lab 2nd Half
- Dapat mendaftar 3 teknik
dasar untuk memproses
gambar menggunakan
OpenCV dan Python
- Dapat mengaplikasikan
teknik dasar untuk
menyelesaikan sebuah
tantangan visi komputer
(mis: mendeteksi ketika
seseorang pulang ke rumah)
- Live Session
- Praktik (Lab
Jupyter
Notebook/
Colab)
3
12
AI Ethics
- Peserta memiliki lebih
banyak tools untuk
merancang solusi AI yang
lebih baik
- Peserta mampu berpikir
kritis dalam mengaplikasikan
konsep Etika AI
menggunakan 6 Prinsip
Kanvas Etika AI
- Live Session
3
Versi Publikasi #1-
10022021
Intel® AI for Future Workforce: Associate AI-Analyst
Pertemuan Topik Outcome Aktivitas Kelas JP
13 Image Processing and AI Theory Part I
- Mampu membedakan pendekatan rule-based dan machine-learning
- Menjelaskan apa itu seleksi
berdasarkan fitur
- Menjelaskan mengapa
penting memilih fitur yang
relevan
- Menjelaskan apa itu presisi
dan recall
- Merinci apa yang dapat
dimanfaatkan dari model
machine learning
- Menyebutkan Langkah-
langkah dasar untuk melatih
sebuah model klasifikasi
- Mengembangkan sebuah
aplikasi yang mampu
melakukan klasifikasi
- Live Session
- Praktik (Lab
Jupyter
Notebook/
Colab)
3
14
Image Processing and AI Lab 1st
Half Part II
- Merincikan apa yang dapat
dimanfaatkan dari model
machine learning
- Menyebutkan Langkah-
langkah dasar untuk melatih
sebuah model klasifikasi
- Mengembangkan sebuah
aplikasi yang mampu
melakukan klasifikasi
- Live Session
- Praktik (Lab
Jupyter
Notebook/
Colab)
3
15
Image Processing and AI Lab 2nd
Half Part III
- Merincikan apa yang dapat
dimanfaatkan dari model
machine learning
- Menyebutkan Langkah-
langkah dasar untuk melatih
sebuah model klasifikasi
- Mengembangkan sebuah
aplikasi yang mampu
melakukan klasifikasi
- Live Session
- Praktik (Lab
Jupyter
Notebook/
Colab)
3
16
Image Processing: Inference
Models using OpenVINO Theory
Part I
- Menjelaskan apa itu
konvolusi, dan
mendemonstrasikan
bagaimana dapat digunakan
untuk mentransformasikan
sebuah gambar
- Menjelaskan perbedaan
- Live Session
- Praktik (Lab
Jupyter
3
Versi Publikasi #1-
10022021
Intel® AI for Future Workforce: Associate AI-Analyst
Pertemuan Topik Outcome Aktivitas Kelas JP
antara klasifikasi gambar,
deteksi objek dan segmentasi
gambar
Notebook/
Colab)
17
Image Processing: Inference
Models using OpenVINO Lab 1st
Half Part II
- Menjalankan model inferensi
pada Intel Compute Stick 2
(NCS2)
- Menggunakan model
inferensi untuk melakukan
klasifikasi gambar
- Live Session
- Praktik (Lab
Jupyter
Notebook/
Colab)
3
18
Image Processing: Inference
Models using OpenVINO Lab 2nd
Half Part III
- Menggunakan model
inferensi untuk melakukan
deteksi objek
- Merancang sebuah aplikasi
untuk menyelesaikan sebuah
masalah menggunakan satu
atau lebih dari metode ini
- Live Session
- Praktik (Lab
Jupyter
Notebook/
Colab)
3
19
AI Project Pitfalls
- Peserta mampu menjelaskan
apa itu AI Project Pitfalls
dalam hubungannya dengan
AI Project Cycle
- Peserta mampu
mendemonstrasikan Critical
Thinking dan pertimbangan
tentang AI Project Pitfalls
melalui penggunaan AI
Project Checklist
- Live Session
3
20
Image Processing Project:
Pneumonia Detection Theory
- Peserta akan mempelajari
mengaplikasikan AI Project
Cycle pada masalah
Pneumonia Detection
- Live Session
3