Complete AI & Machine Learning Bootcamp: Panduan Lengkap dari Dasar hingga Mahir

Kuasai keterampilan paling dicari di dunia teknologi saat ini — Artificial Intelligence dan Machine Learning. Kursus ini dirancang sebagai bootcamp lengkap yang membimbing Anda dari fundamental teori hingga implementasi praktis, menggunakan Python dan berbagai pustaka modern seperti NumPy, Pandas, Scikit-learn, TensorFlow, dan OpenCV. Setiap modul dikemas dengan penjelasan konseptual, latihan coding langsung, serta proyek dunia nyata — sehingga Anda tidak hanya memahami teori, tapi juga mampu membangun sistem AI dan ML sendiri.

Dibuat oleh

Renata Putri Henessa

Terakhir diperbarui Oct 2025

Bahasa Indonesia

Complete AI & Machine Learning Bootcamp: Panduan Lengkap dari Dasar hingga Mahir

Yang Akan Anda Pelajari

Memahami prinsip kerja Machine Learning & Artificial Intelligence.

Mengimplementasikan berbagai algoritma ML dan AI di Python.

Menerapkan NLP dan Computer Vision dalam proyek nyata.

Membangun dan mengevaluasi model prediksi serta AI cerdas.

Menguasai end-to-end workflow AI/ML dari data mentah hingga deployment.

Kurikulum Kursus

15 bagian • 63 pelajaran • 16 jam 42 menit

Pengenalan Machine Learning

6 materi • 59 menit

1. Overview of the Course

5 min

2. Apa Itu Machine Learning?

10 min

3. Jenis-Jenis Machine Learning

13 min

4. Machine Learning Pipeline

13 min

5. Konsep Dasar dalam Machine Learning

10 min

6. Tools dan Libraries untuk Machine Learning

8 min

Data Preprocessing

6 materi • 106 menit

1. Explanatory Data Analysis (EDA)

25 min

2. Data Cleaning

21 min

3. Feature Scaling

11 min

4. Data Transformation dan Encoding

19 min

5. Splitting Data untuk Train dan Test

16 min

6. Implementasi Praktis Data Preprocessing

14 min

Supervised Learning - Regression

5 materi • 68 menit

1. Pengantar Linear Regression

12 min

2. Implementasi Linear Regression di Python

10 min

3. Polynomial Regression

14 min

4. Ridge, Lasso, dan Elastic Net Regression

17 min

5. Project - Prediksi Harga Rumah

15 min

Supervised Learning - Classification

6 materi • 98 menit

1. Logistic Regression

24 min

2. Implementasi Logistic Regression di Python

15 min

3. Decision Trees

20 min

4. k-Nearest Neighbors (k-NN)

16 min

5. Support Vector Machines (SVM)

12 min

6. Project - Perbandingan Model Klasifikasi

11 min

Ensemble Learning

4 materi • 50 menit

1. Pengantar Ensemble Learning

11 min

2. Random Forest

14 min

3. Gradient Boosting Algorithms

11 min

4. Project - Deteksi Penipuan Kartu Kredit

14 min

Unsupervised Learning - Clustering

4 materi • 67 menit

1. K-Means Clustering

21 min

2. Hierarchical Clustering

15 min

3. Density-Based Clustering (DBSCAN)

15 min

4. Project - Segmentasi Pelanggan

16 min

Unsupervised Learning - Dimensionality Reduction

4 materi • 58 menit

1. Principal Component Analysis (PCA)

9 min

2. t-SNE untuk Visualisasi Data

17 min

3. Autoencoders

24 min

4. Project - Visualisasi Data Wine

8 min

Association Rule Learning

4 materi • 47 menit

1. Pengantar Association Rules

13 min

2. Apriori Algorithm

10 min

3. FP-Growth Algorithm

12 min

4. Project - Market Basket Analysis

12 min

Pengenalan Artificial Intelligence

4 materi • 38 menit

1. Overview of the Course

7 min

2. Apa Itu Artificial Intelligence?

12 min

3. AI vs Machine Learning vs Deep Learning

9 min

4. Komponen Utama dalam AI

10 min

Fondasi Python untuk AI

2 materi • 55 menit

1. Pengenalan Library Python untuk AI

32 min

2. Teknik Manajemen Data

23 min

Natural Language Processing (NLP)

4 materi • 76 menit

1. Dasar-Dasar NLP

21 min

2. Menggunakan Word Embeddings

24 min

3. Aplikasi NLP

20 min

4. Proyek - Model Klasifikasi Teks

11 min

Computer Vision

4 materi • 79 menit

1. Dasar-Dasar Pemrosesan Gambar

29 min

2. Pengenalan Pengenalan Objek dan Ekstraksi Fitur

16 min

3. Aplikasi Computer Vision

20 min

4. Proyek - Klasifikasi Gambar

14 min

Pencarian dan Optimasi dalam AI

4 materi • 91 menit

1. Dasar-Dasar Pencarian

35 min

2. Teknik Optimasi

20 min

3. Aplikasi Pencarian dalam AI

26 min

4. Proyek - Implementasi A Search

10 min

Reinforcement Learning

2 materi • 42 menit

1. Pengenalan Reinforcement Learning

21 min

2. Dasar-Dasar Q-Learning

21 min

Generative AI

4 materi • 68 menit

1. Pengenalan Generative AI

14 min

2. Menggunakan Autoencoders

23 min

3. Aplikasi Generative AI

14 min

4. Proyek - Membangun Model AI

17 min

Tentang Kursus Ini

Dalam era digital yang digerakkan oleh data, AI dan Machine Learning menjadi tulang punggung inovasi di berbagai bidang: kesehatan, keuangan, otomasi, hingga teknologi kreatif.

Kursus ini memberikan pengalaman belajar menyeluruh, mulai dari pembersihan data, membangun model prediksi, hingga menciptakan AI yang mampu belajar sendiri dan menghasilkan konten baru.

Anda akan belajar bagaimana cara kerja algoritma Supervised dan Unsupervised Learning, menerapkan Deep Learning untuk pengenalan pola, serta memahami cara AI belajar dari pengalaman melalui Reinforcement Learning.

Di akhir kursus, Anda akan memiliki portofolio proyek AI dan ML yang dapat ditampilkan untuk karier di bidang teknologi data dan kecerdasan buatan.

📘 Yang Akan Anda Pelajari

Konsep dasar Machine Learning dan Artificial Intelligence.
Pipeline ML: preprocessing, training, evaluation, dan deployment.
Teknik Supervised Learning (Regression & Classification).
Unsupervised Learning seperti Clustering dan Dimensionality Reduction.
Implementasi Natural Language Processing (NLP) dan Computer Vision.
Penerapan Reinforcement Learning untuk decision-making.
Pembuatan model Generative AI dengan Autoencoder dan teknik modern.
Optimasi model dan penerapan AI automation pipelines.
Proyek dunia nyata: prediksi harga rumah, klasifikasi gambar, segmentasi pelanggan, dan banyak lagi.

🚀 Mengapa Mengambil Kursus Ini?

Kurikulum lengkap dan berjenjang, dari dasar hingga advanced.
Setiap konsep dilengkapi dengan implementasi praktis di Python.
Berbasis proyek nyata, sehingga hasil belajar bisa langsung diterapkan.
Diajarkan oleh praktisi dengan pengalaman di dunia data & AI.
Memberi Anda fondasi kuat untuk berkarier sebagai Data Scientist, ML Engineer, atau AI Specialist.

Persyaratan

Pengetahuan dasar tentang Python (variabel, fungsi, loop, dll).
Pemahaman dasar tentang statistik dan matematika linear akan membantu.
Laptop/PC dengan Python dan pustaka utama seperti NumPy, Pandas, TensorFlow, dan Scikit-learn terinstal.