silabus thematic academy ai for future workforce

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



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


membuat problem scope

dengan bantuan template


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


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



4

Python Fundamentals

- Peserta mampu mengenal

sintaks python dasar dan

membedakan antara

komentar dan kode dalam

sebuah Notebook


variabel dan membedakan

antara integer, float dan

- Live Session

- Praktik

(Lab Jupyter

Notebook/

Google

Colab)

3

5

Python Functions and Packages

- Peserta mampu mengenal

Python libraries dan

membedakan antara NumPy,

Pandas, Matplotlib dan

Scikit-Learn


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/

Google

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/

Google

Colab)

3

Versi Publikasi #1-

10022021



7

Thinking Frameworks

- Design Thinking

- System thinking

- Entrepreneurship Mind


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


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


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



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/

Google

Colab)

3

10


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/

Google

Colab)

3

11


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/

Google

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



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/

Google

Colab)

3

14

Image Processing and AI Lab 1st

Half Part II

- Merincikan apa yang dapat


machine learning





aplikasi yang mampu


- Live Session

- Praktik (Lab

Jupyter

Notebook/

Google

Colab)

3

15

Image Processing and AI Lab 2nd

Half Part III

- Merincikan apa yang dapat


machine learning





aplikasi yang mampu


- Live Session

- Praktik (Lab

Jupyter

Notebook/

Google

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



antara klasifikasi gambar,

deteksi objek dan segmentasi

gambar

Notebook/

Google

Colab)

17


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/

Google

Colab)

3

18


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/

Google

Colab)

3

19

AI Project Pitfalls


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

silabus thematic academy ai for future workforce

Documents