Kurikulum ML Engineer

Belajar menjadi ML Engineer lewat enam modul.

Mulai dari dasar AI, Python, dan machine learning. Lanjutkan ke deep learning, penerapan model, dan satu proyek akhir.

Lihat kurikulum Kelas Saya
Urutan modul01 — 06
  1. 01
    Dasar AIKonsep, data, dan penerapan
  2. 02
    PythonSintaks dan pengolahan data
  3. 03
    Machine LearningTraining dan evaluasi model
  4. 04
    Deep LearningNeural network dan arsitektur
  5. 05
    ML TerapanModel untuk kasus nyata
  6. 06
    Proyek akhirModel, API, dan dokumentasi
6Modul berurutan
5Modul pembelajaran
1Proyek akhir
1Sertifikat kelulusan
Kurikulum ML Engineer

Ikuti materi sesuai urutan

Setiap modul menambah kemampuan yang dibutuhkan pada modul berikutnya. Mulai dari modul pertama bila kamu belum memiliki dasar Python dan machine learning.

Modul 1

Belajar Dasar AI

10 jamDasar6 bagian
1
Kompetensi

Memahami Dasar AI

Kenali konsep AI, hubungannya dengan data, machine learning, dan deep learning sebelum masuk ke tahap pemrograman.
Modul 2

Memulai Pemrograman dengan Python

60 jamDasar14 bagian
2
Kompetensi

Menguasai Python

Gunakan Python untuk menulis program, mengolah struktur data, menguji kode, dan memakai library yang dibutuhkan dalam machine learning.
Modul 3

Belajar Machine Learning untuk Pemula

90 jamPemula11 bagian
3
Kompetensi

Memulai Machine Learning

Bangun model klasifikasi, regresi, dan clustering dari data tabular, lalu perbaiki performanya dengan feature engineering dan tuning.
Modul 4

Belajar Fundamental Deep Learning

110 jamMenengah13 bagian
4
Kompetensi

Menguasai Fundamental Deep Learning

Latih neural network untuk teks, time series, gambar, dan rekomendasi serta pahami cara model dikonversi untuk digunakan.
Modul 5

Machine Learning Terapan

80 jamMahir10 bagian
5
Kompetensi

Menerapkan Machine Learning

Rancang sistem machine learning dan terapkan pada predictive analytics, analisis sentimen, computer vision, serta sistem rekomendasi.
Modul 6

Proyek Machine Learning

90 jamMahir10 bagian
6
Kompetensi

Membangun Proyek Machine Learning End-to-End

Rumuskan masalah, siapkan data, latih dan evaluasi model, deploy API, lalu dokumentasikan hasilnya sebagai portofolio.
Konsultasi 1-on-1

Sudah punya proyek, tetapi belum yakin langkah berikutnya?

Kirimkan konteks riset, tugas akhir, prototype, atau proyek timmu. Kita dapat membahas framing masalah, dataset, preprocessing, model, evaluasi, dan alur eksperimen yang perlu dirapikan.

Lihat format konsultasi
01Framing masalahTujuan dan output yang ingin dicapai
02Review teknisData, model, metrik, dan hasil
03Rencana eksperimenLangkah berikutnya yang dapat dikerjakan
Cara belajar

Baca, coba, lalu evaluasi.

Materi memberi konteks, lab memperlihatkan prosesnya, dan proyek membantu menguji pemahamanmu.

Konsep bisa diamati

Lab dan visualisasi memperlihatkan perubahan yang biasanya hanya muncul sebagai angka atau persamaan.

Kuis untuk memeriksa pemahaman

Setiap modul memiliki kuis. Kamu perlu mendapat minimal 70% untuk melanjutkan ke modul berikutnya.

Sertifikat yang bisa diverifikasi

Setelah seluruh tahap selesai, kamu mendapat sertifikat dengan kode kredensial yang dapat diperiksa kembali.

Hasil belajar yang bisa ditunjukkan

Beberapa kelas berakhir dengan proyek, API, atau aplikasi sederhana yang dapat kamu masukkan ke gallery.

Mulai belajar

Mulai dari modul pertama.

Bangun dasar AI terlebih dahulu, lalu lanjutkan ke Python dan modul berikutnya sesuai urutan.

Buka Belajar Dasar AI