Silabus Thematic Academy AI for Future Workforce: Associate AI-Analyst

(1)

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

(2)

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

(3)

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 7^thGen

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 membedakan 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

-Live Session 3

(4)

Versi Publikasi #1-

10022021 Intel® AI for Future Workforce: Associate AI-Analyst

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 menggunakan 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

(5)

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/

Google 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/

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

Jupyter Notebook/

Google Colab)

3

(6)

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

(7)

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

Jupyter Notebook/

Google Colab)

3

10 Image Processing: Basic Techniques Part II Lab 1^stHalf

- 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)

Jupyter Notebook/

Google Colab)

3

11 Image Processing: Basic

Techniques Part III Lab 2^ndHalf

- 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)

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

- Live Session 3

(8)

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

Jupyter Notebook/

Google Colab)

3

14

Image Processing and AI Lab 1^st Half Part II

- Merincikan apa yang dapat dimanfaatkan dari model machine learning

Jupyter Notebook/

Google Colab)

3

15

Image Processing and AI Lab 2^nd Half Part III

- Merincikan apa yang dapat dimanfaatkan dari model machine learning

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

Jupyter

3

(9)

antara klasifikasi gambar, deteksi objek dan segmentasi gambar

Notebook/

Google Colab)

17

Image Processing: Inference Models using OpenVINO Lab 1^st Half Part II

- Menjalankan model inferensi pada Intel Compute Stick 2 (NCS2)

- Menggunakan model inferensi untuk melakukan klasifikasi gambar

Jupyter Notebook/

Google Colab)

3

18

Image Processing: Inference Models using OpenVINO Lab 2^nd Half Part III

- Menggunakan model inferensi untuk melakukan deteksi objek

- Merancang sebuah aplikasi untuk menyelesaikan sebuah masalah menggunakan satu atau lebih dari metode ini

Jupyter Notebook/

Google 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

(10)