Semua Jalur Paket Modul Ebook Kelas langsung Ada pelajaran gratis Early access Dasar Pemula Menengah Lanjutan
Jalur Karier Data Scientist Jalur Karier AI Engineer Python untuk Data Science Data Analytics: Statistik & Visualisasi Data Pengantar Machine Learning Pengantar Deep Learning & Neural Network LLM, Prompt Engineering & Context Engineering Membangun AI Agent: Harness Engineering MLOps: Deploy Model Machine Learning & Deep Learning Computer Vision dengan Deep Learning Natural Language Processing (NLP)
Paket jalur karier hemat 40%
Dari Python pertama sampai model yang berjalan di produksi.
1 Python untuk Data Science 2 Data Analytics: Statistik & Visualisasi Data 3 Pengantar Machine Learning 4 Pengantar Deep Learning & Neural Network 5 MLOps: Deploy Model Machine Learning & Deep Learning $27$45 Hemat $18
5 jalur, masing-masing milik Anda selamanya. Jalur yang sudah dimiliki dikurangkan saat checkout.
Paket jalur karier hemat 40%
Membangun produk di atas deep learning, LLM, dan agen.
1 Python untuk Data Science 2 Pengantar Deep Learning & Neural Network 3 LLM, Prompt Engineering & Context Engineering 4 Membangun AI Agent: Harness Engineering 5 MLOps: Deploy Model Machine Learning & Deep Learning 6 Computer Vision dengan Deep Learning 7 Natural Language Processing (NLP) $38$63 Hemat $25
7 jalur, masing-masing milik Anda selamanya. Jalur yang sudah dimiliki dikurangkan saat checkout.
Jalur · Dasar
Statistik secukupnya untuk tidak salah baca angka, dan grafik yang jujur tentang angka itu.
Yang akan Anda pelajari
01 Correlation 02 Bayesian 03 Sampling dan Uji Hipotesis + 6 modul lagi Jalur · Dasar
Dari "supervised itu apa" sampai SHAP, K-means, sistem rekomendasi, dan forecasting.
Yang akan Anda pelajari
01 Getting Started 02 Dataset Splitting, Cross-Validation, Data Leakage 03 Training, Evaluation, Bias–Variance, Tuning + 9 modul lagi 12 modul 21 pelajaran 6j 26mJalur · Menengah
Jaringan saraf, dari satu neuron sampai transformer.
Yang akan Anda pelajari
01 Dasar-Dasar Neural Network 02 Melatih Jaringan yang Dalam 03 PyTorch untuk Deep Learning + 3 modul lagi 6 modul 21 pelajaran 6j 46mJalur · Dasar
Bahasa yang dipakai untuk menganalisis data — bukan untuk membangun aplikasi.
Yang akan Anda pelajari
01 Mulai dari Sini 02 Struktur Data yang Dipakai Setiap Hari 03 pandas Sampai Bisa Dipercaya Jalur · Menengah
Cara kerja LLM, cara memberi instruksi, dan cara mengisi konteksnya.
Yang akan Anda pelajari
01 Cara Kerja LLM 02 Dasar Prompt Engineering 03 Context Engineering + 3 modul lagi 6 modul 22 pelajaran 5j 41mJalur · Lanjutan
Ketika model boleh melakukan sesuatu, bukan hanya menjawab.
Yang akan Anda pelajari
01 Dasar-Dasar AI Agent 02 Harness Engineering 03 Alat dan Model Context Protocol + 3 modul lagi 6 modul 20 pelajaran 5j 48mJalur · Menengah
Model yang hanya hidup di notebook belum selesai.
Yang akan Anda pelajari
01 Sistem ML di Produksi 02 Mengemas dan Menyajikan Model 03 Menyajikan Deep Learning dan LLM + 3 modul lagi 6 modul 19 pelajaran 5j 47mJalur · Menengah
Mengajari mesin melihat: dari piksel sampai deteksi objek.
Yang akan Anda pelajari
01 Dasar-Dasar Citra Digital 02 Klasifikasi Gambar dengan CNN 03 Deteksi Objek + 3 modul lagi 6 modul 17 pelajaran 5j 31mJalur · Menengah
Dari kantong kata sampai embedding dan transformer.
Yang akan Anda pelajari
01 Representasi Teks 02 Klasifikasi Teks 03 Ekstraksi Informasi + 3 modul lagi 6 modul 19 pelajaran 5j 33mCoba Korelasi & kuartet Anscombe
Modul · Pemula
Apa yang diukur r, apa yang tidak, dan kapan ia berbohong.
1 pelajaran 14 min 2 simulasiModul · Pemula
Tiga jenis pembelajaran, dan dua cara membedakan data yang menentukan hampir semua keputusan berikutnya.
2 pelajaran 30 min 2 simulasiTermasuk di Pengantar Machine Learning· $9 Coba Aturan Bayes, dihitung
Modul · Pemula
Cara membalik probabilitas, dan kenapa tes 99% akurat bisa salah sembilan dari sepuluh kali.
1 pelajaran 18 min 1 simulasiTermasuk di Data Analytics: Statistik & Visualisasi Data· $9 Modul · Pemula
Kenapa rata-rata sampel berperilaku begitu teratur, apa arti p-value yang sebenarnya, dan berapa data yang Anda butuhkan.
3 pelajaran 58 min 5 simulasiTermasuk di Data Analytics: Statistik & Visualisasi Data· $9 Coba Split train / test & kebocoran
Modul · Pemula
Sebelum algoritma apa pun. Split yang salah menghasilkan angka bagus yang bohong.
2 pelajaran 34 min 2 simulasiTermasuk di Pengantar Machine Learning· $9 Modul · Pemula
Algoritma yang tidak belajar apa pun, dan justru karena itu ia mengajarkan banyak hal.
1 pelajaran 16 min 1 simulasiTermasuk di Pengantar Machine Learning· $9 Modul · Menengah
Cari batas yang paling lebar jaraknya ke kedua kelas. Sederhana, dan sangat kuat di dimensi tinggi.
1 pelajaran 20 min 1 simulasiTermasuk di Pengantar Machine Learning· $9 Modul · Pemula
Model tertua, paling mudah dijelaskan, dan masih sering jadi baseline yang sulit dikalahkan.
1 pelajaran 18 min 2 simulasiTermasuk di Pengantar Machine Learning· $9 Coba Decision tree & random forest
Modul · Menengah
Dari satu pohon yang bisa digambar, ke ratusan pohon yang memenangkan hampir semua kompetisi data tabular.
1 pelajaran 22 min 2 simulasiTermasuk di Pengantar Machine Learning· $9 Modul · Menengah
Tiga alat yang menjawab tiga pertanyaan berbeda. Memakai yang salah menghasilkan jawaban yang salah dengan meyakinkan.
1 pelajaran 22 min 3 simulasiTermasuk di Pengantar Machine Learning· $9 Coba Taman bermain neural network
Modul · Pemula
Apa yang sebenarnya dihitung sebuah neural network, kenapa nonlinearitas adalah intinya, dan bagaimana bobotnya belajar.
4 pelajaran 1j 20m 7 simulasiTermasuk di Pengantar Deep Learning & Neural Network· $9 Coba REPL Python, langkah demi langkah
Modul · Pemula
Kenapa Python, apa yang perlu dipasang, dan bagaimana cara membaca error.
2 pelajaran 20 min 1 simulasiTermasuk di Python untuk Data Science· $9 Coba REPL Python, langkah demi langkah
Modul · Pemula
List, dict, tuple, set — dan kapan memilih yang mana.
1 pelajaran 15 min 1 simulasiTermasuk di Python untuk Data Science· $9 Coba Bengkel feature engineering
Modul · Pemula
Memuat, membersihkan, mengelompokkan, menggabungkan. Empat hal yang jadi isi hari kerja.
1 pelajaran 20 min 1 simulasiTermasuk di Python untuk Data Science· $9 Modul · Menengah
Merancang, menjalankan, dan membaca eksperimen produk — termasuk kesalahan yang membuat hasilnya tidak berarti.
4 pelajaran 1j 3m 4 simulasiTermasuk di Data Analytics: Statistik & Visualisasi Data· $9 Coba Pasang garis dengan tangan
Modul · Menengah
Membaca koefisien, mengendalikan confounder, dan memeriksa apakah model regresi Anda bisa dipercaya.
3 pelajaran 49 min 4 simulasiTermasuk di Data Analytics: Statistik & Visualisasi Data· $9 Coba Korelasi & kuartet Anscombe
Modul · Pemula
Gambar dulu, ringkas kemudian — dan pilih grafik dari pertanyaan yang ingin dijawab, bukan dari menu.
3 pelajaran 42 min 3 simulasiTermasuk di Data Analytics: Statistik & Visualisasi Data· $9 Modul · Pemula
Anatomi grafik matplotlib, grafik statistik seaborn, dan grafik interaktif dengan plotly.
3 pelajaran 48 min 1 simulasiTermasuk di Data Analytics: Statistik & Visualisasi Data· $9 Modul · Menengah
Mendesain dashboard yang benar-benar dipakai, memilih KPI, dan menyampaikan temuan sebagai cerita.
3 pelajaran 42 min 2 simulasiTermasuk di Data Analytics: Statistik & Visualisasi Data· $9 Modul · Pemula
Sumbu yang terpotong, sumbu ganda, rentang yang dipilih-pilih — cara mengenali dan tidak membuatnya.
2 pelajaran 26 min 2 simulasiTermasuk di Data Analytics: Statistik & Visualisasi Data· $9 Coba Trade-off bias–variance
Modul · Pemula
Cara melatih, cara mengukur dengan metrik yang benar, dan satu trade-off yang menjelaskan hampir semua kegagalan model.
3 pelajaran 48 min 3 simulasiTermasuk di Pengantar Machine Learning· $9 Coba Ambang batas klasifikasi
Modul · Pemula
Namanya regresi, kerjanya klasifikasi. Dan keluarannya probabilitas — yang lebih berguna dari kelas.
1 pelajaran 18 min 1 simulasiTermasuk di Pengantar Machine Learning· $9 Coba Bengkel feature engineering
Modul · Menengah
Pekerjaan yang paling sering menentukan hasil, dan paling jarang dibahas di tutorial.
1 pelajaran 20 min 1 simulasiTermasuk di Pengantar Machine Learning· $9 Coba k-means, langkah demi langkah
Modul · Menengah
Menemukan kelompok tanpa label dengan K-means, dan meringkas banyak kolom menjadi sedikit dengan PCA.
Termasuk di Pengantar Machine Learning· $9 Coba Lab sistem rekomendasi
Modul · Menengah
Mengisi sel kosong di matriks pengguna–item dengan tiga cara — segmen demografis, fitur item, dan tetangga yang mirip — lalu mengukur mana yang benar.
4 pelajaran 1j 18m 5 simulasiTermasuk di Pengantar Machine Learning· $9 Modul · Menengah
Optimizer, jadwal learning rate, inisialisasi, normalisasi, dan regularisasi — hal-hal yang membuat pelatihan benar-benar konvergen.
4 pelajaran 1j 5m 4 simulasiTermasuk di Pengantar Deep Learning & Neural Network· $9 Modul · Menengah
Tensor, autograd, nn.Module, DataLoader, dan pelatihan di GPU — PyTorch secukupnya untuk bekerja sendiri.
4 pelajaran 1j 14m 2 simulasiTermasuk di Pengantar Deep Learning & Neural Network· $9 Modul · Menengah
Konvolusi, pooling, dan arsitektur CNN — kenapa berbagi bobot membuat gambar bisa dipelajari.
3 pelajaran 54 min 4 simulasiTermasuk di Pengantar Deep Learning & Neural Network· $9 Coba Self-attention, dihitung
Modul · Menengah
Dari RNN dan LSTM ke self-attention — arsitektur di balik setiap LLM modern.
3 pelajaran 56 min 3 simulasiTermasuk di Pengantar Deep Learning & Neural Network· $9 Modul · Menengah
Men-debug pelatihan, melacak eksperimen, dan satu proyek akhir dari data mentah sampai model yang dievaluasi.
3 pelajaran 1j 17m 1 simulasiTermasuk di Pengantar Deep Learning & Neural Network· $9 Coba Self-attention, dihitung
Modul · Pemula
Token, embedding, attention, dan prediksi token berikutnya — mekanika yang menjelaskan hampir semua perilaku LLM.
4 pelajaran 1j 4m 3 simulasiTermasuk di LLM, Prompt Engineering & Context Engineering· $9 Modul · Pemula
Instruksi yang jelas, contoh, penalaran bertahap, dan keluaran terstruktur — teknik yang terbukti, tanpa mantra.
4 pelajaran 58 min 1 simulasiTermasuk di LLM, Prompt Engineering & Context Engineering· $9 Coba Embedding & pencarian semantik
Modul · Menengah
Apa yang masuk ke jendela konteks, dari mana asalnya, dan dalam urutan apa — keterampilan inti membangun aplikasi LLM.
4 pelajaran 1j 4m 2 simulasiTermasuk di LLM, Prompt Engineering & Context Engineering· $9 Modul · Menengah
Memanggil API, streaming, tool calling, caching, dan mengendalikan biaya serta latensi di produksi.
4 pelajaran 1j 6m 5 simulasiTermasuk di LLM, Prompt Engineering & Context Engineering· $9 Modul · Menengah
Dataset evaluasi, LLM-as-judge, dan uji regresi untuk prompt — mengganti "kelihatannya bagus" dengan angka.
3 pelajaran 44 min 1 simulasiTermasuk di LLM, Prompt Engineering & Context Engineering· $9 Modul · Menengah
Halusinasi, prompt injection, dan guardrail — risiko yang harus dipahami sebelum aplikasi LLM menyentuh pengguna.
3 pelajaran 45 min 3 simulasiTermasuk di LLM, Prompt Engineering & Context Engineering· $9 Modul · Menengah
Apa itu agent, apa itu harness, dan kapan sebuah masalah memang butuh agent — dan kapan tidak.
4 pelajaran 1j 13m 4 simulasiTermasuk di Membangun AI Agent: Harness Engineering· $9 Modul · Menengah
Konteks, izin, sandbox, error, dan tracing — semua yang membuat agent bisa dipercaya di luar demo.
4 pelajaran 1j 2m 5 simulasiTermasuk di Membangun AI Agent: Harness Engineering· $9 Modul · Menengah
Menghubungkan agent ke API, database, dan file — dengan MCP sebagai antarmuka standar.
3 pelajaran 50 min 2 simulasiTermasuk di Membangun AI Agent: Harness Engineering· $9 Modul · Menengah
Orchestrator dan worker, subagent, dan isolasi konteks — kapan membagi pekerjaan membantu, dan kapan merugikan.
3 pelajaran 42 min 3 simulasiTermasuk di Membangun AI Agent: Harness Engineering· $9 Modul · Menengah
Evaluasi tingkat tugas, analisis lintasan, dan metrik keandalan dan biaya.
3 pelajaran 46 min 3 simulasiTermasuk di Membangun AI Agent: Harness Engineering· $9 Modul · Menengah
Human-in-the-loop, keamanan, dan satu proyek akhir: agent yang menyelesaikan tugas nyata dengan aman.
3 pelajaran 1j 15m 3 simulasiTermasuk di Membangun AI Agent: Harness Engineering· $9 Modul · Menengah
Kenapa model memburuk setelah dirilis, apa bedanya inferensi batch dan online, dan apa yang harus dipantau.
4 pelajaran 1j 4m 4 simulasiTermasuk di MLOps: Deploy Model Machine Learning & Deep Learning· $9 Modul · Menengah
Dari notebook ke layanan: menyimpan model, API dengan FastAPI, dan container Docker yang bisa diulang.
Termasuk di MLOps: Deploy Model Machine Learning & Deep Learning· $9 Modul · Menengah
GPU, batching, kuantisasi, dan format seperti ONNX — membuat model besar cukup cepat dan cukup murah.
Termasuk di MLOps: Deploy Model Machine Learning & Deep Learning· $9 Modul · Menengah
Pelacakan eksperimen, model registry, dan pipeline otomatis dari data mentah sampai model yang dirilis.
3 pelajaran 47 min 2 simulasiTermasuk di MLOps: Deploy Model Machine Learning & Deep Learning· $9 Modul · Menengah
Deteksi drift, performa dengan label terlambat, strategi pelatihan ulang, dan rilis yang aman.
3 pelajaran 48 min 4 simulasiTermasuk di MLOps: Deploy Model Machine Learning & Deep Learning· $9 Modul · Menengah
Satu model, dari notebook sampai layanan di cloud yang dipantau — semua bagian track ini dalam satu proyek.
2 pelajaran 1j 14m 1 simulasiTermasuk di MLOps: Deploy Model Machine Learning & Deep Learning· $9 Modul · Pemula
Gambar sebagai angka, konvolusi sebagai jumlah berbobot yang digeser, dan kenapa CNN mempelajari filternya sendiri.
3 pelajaran 48 min 4 simulasiTermasuk di Computer Vision dengan Deep Learning· $9 Modul · Menengah
Membangun CNN di PyTorch, transfer learning dari model pralatih, dan mengevaluasi classifier dengan jujur.
3 pelajaran 56 min 3 simulasiTermasuk di Computer Vision dengan Deep Learning· $9 Modul · Menengah
Bounding box, IoU, detektor satu tahap seperti YOLO, dan cara membaca mAP.
3 pelajaran 53 min 3 simulasiTermasuk di Computer Vision dengan Deep Learning· $9 Modul · Menengah
Klasifikasi per piksel: segmentasi semantik dan instance, U-Net, dan model segmentasi umum.
3 pelajaran 46 min 2 simulasiTermasuk di Computer Vision dengan Deep Learning· $9 Coba Self-attention, dihitung
Modul · Menengah
ViT, CLIP, dan model vision-language — ketika gambar dan teks berbagi satu ruang embedding.
3 pelajaran 52 min 2 simulasiTermasuk di Computer Vision dengan Deep Learning· $9 Modul · Menengah
Model di perangkat edge dan mobile, latensi kamera real-time, dan satu proyek akhir.
2 pelajaran 1j 16m 2 simulasiTermasuk di Computer Vision dengan Deep Learning· $9 Coba Embedding & pencarian semantik
Modul · Pemula
Dari one-hot ke word embedding ke embedding kontekstual — bagaimana mesin mewakili makna kata.
3 pelajaran 50 min 4 simulasiTermasuk di Natural Language Processing (NLP)· $9 Modul · Menengah
Analisis sentimen, deteksi topik, dan routing tiket — dari TF-IDF + regresi logistik sampai fine-tuning transformer.
4 pelajaran 1j 8m 3 simulasiTermasuk di Natural Language Processing (NLP)· $9 Modul · Menengah
Named entity recognition, ekstraksi relasi, dan mengubah dokumen bebas menjadi data terstruktur.
3 pelajaran 48 min 3 simulasiTermasuk di Natural Language Processing (NLP)· $9 Coba Self-attention, dihitung
Modul · Menengah
Encoder, decoder, BERT dan GPT — arsitektur yang mengubah NLP, dan cara memakai model pralatih.
3 pelajaran 48 min 2 simulasiTermasuk di Natural Language Processing (NLP)· $9 Coba Embedding & pencarian semantik
Modul · Menengah
Embedding kalimat, database vektor, dan mengevaluasi retrieval — fondasi pencarian modern dan RAG.
3 pelajaran 46 min 3 simulasiTermasuk di Natural Language Processing (NLP)· $9 Modul · Menengah
Slang, campur kode, bahasa daerah, dan sumber daya seperti IndoNLU — ditutup dengan satu proyek akhir.
3 pelajaran 1j 13m 1 simulasiTermasuk di Natural Language Processing (NLP)· $9 Kelas: pandas untuk Pemula Dua jam, langsung praktik. Memuat data kotor sungguhan, memeriksanya, membersihkannya, dan menjawab satu pertanyaan bisnis dengannya. Bawa laptop.
15 Okt, 19.00 WIB · 2j · Muhammad Ramadiansyah
Webinar: Memilih Metrik yang Benar Kenapa akurasi hampir selalu metrik yang salah, dan bagaimana menurunkan pilihan metrik dari biaya kesalahan — bukan dari kebiasaan. Dengan tiga contoh kasus nyata dari fintech, kesehatan, dan ritel.
22 Okt, 20.00 WIB · 1j 15m · Muhammad Ramadiansyah
Workshop: SHAP dari Nol sampai Surat Penolakan Melatih model kredit, menjelaskannya dengan SHAP, lalu mengubah penjelasan itu menjadi kalimat yang bisa dibaca nasabah yang ditolak. Bagian terakhir itu yang paling sulit dan paling jarang dilatih.
30 Okt, 19.00 WIB · 3j · Muhammad Ramadiansyah