Training diadakan secara online melalui video conference.
Pelatihan Practical AI & LLM Engineering dirancang untuk membekali peserta dengan pemahaman praktis dan mendalam dalam membangun solusi AI berbasis Large Language Model (LLM). Selama enam pertemuan, peserta akan mempelajari dasar pemrograman Python khusus untuk LLM, memahami cara kerja embeddings dan vector store, mengeksplorasi teknik prompt engineering, fine-tuning model dengan pendekatan efisien, serta melakukan evaluasi berbasis A/B testing. Di akhir sesi, peserta juga akan memahami proses deployment model LLM secara profesional dan etis, termasuk penerapan alat bantu seperti Docker, FastAPI, hingga penggunaan guardrails dalam konteks AI yang bertanggung jawab.
Training ini sangat cocok bagi Anda yang ingin:
- Memulai karir di bidang AI dengan pendekatan praktis menggunakan Python dan LLM.
- Memahami cara kerja vector embedding dan semantic search yang digunakan dalam aplikasi seperti chatbot atau document retriever.
- Menguasai teknik prompt engineering untuk menghasilkan output LLM yang lebih relevan dan efektif.
- Mempelajari proses fine-tuning model LLM secara efisien dengan tools seperti LoRA dan PEFT.
- Menilai performa model LLM melalui evaluasi berbasis data dan A/B testing.
- Mengimplementasikan model LLM ke dalam aplikasi nyata dengan standar deployment modern dan prinsip AI yang bertanggung jawab.
Apa yang Akan Kamu Pelajari ?
- Python & Data Basics for LLMs
Pemanfaatan Pandas, NumPy, dan spaCy untuk memproses teks dan membagi data ke dalam chunk tokenized. - Embeddings & Vector Stores 101
Pengenalan konsep Sentence-Transformers, FAISS/Chroma, dan implementasi semantic search dengan vector store. - Prompt Engineering Playground
Teknik zero-shot vs few-shot, penggunaan chains & memory dalam LangChain, dan eksperimen A/B prompt. - Fine-Tuning without Pain
Cara melakukan fine-tuning dengan LoRA dan PEFT menggunakan single-GPU dan monitoring dengan Weights & Biases. - Evaluation & A/B Testing
Menerapkan metode evaluasi menggunakan ROUGE/BLEU, validasi berbasis umpan balik manusia, serta visualisasi hasil dengan Streamlit. - LLM Deployment & Ethics
Proses deployment model LLM menggunakan Docker, pembuatan endpoint API dengan FastAPI, serta penerapan AI guardrails untuk menjamin etika dan keamanan. - Hands-on Lab & Mini Project
Setiap pertemuan dilengkapi dengan lab praktis atau mini project seperti membuat aplikasi mini Q&A, melakukan fine-tuning model, serta menguji dan mendemonstrasikan kemampuan model LLM secara nyata.
Fasilitas yang didapat ?
- Modul
- Free Konsultasi
- Sertifikat
- Dukungan Karir
- Souvenir Eksklusif
