Modul ini mengajarkan cara membangun agen AI yang berfungsi sebagai asisten keuangan pribadi. Berbeda dengan chatbot biasa, agen AI mampu mengambil tindakan nyata seperti menyimpan data transaksi, menganalisis pola pengeluaran, dan memberikan saran finansial yang personal. Peserta akan belajar merancang arsitektur sistem, membangun antarmuka chat dengan React, mengimplementasikan logika agen AI dengan function calling menggunakan Google Gemini API, mengelola state dan database, serta melakukan testing dan refinement untuk menghasilkan aplikasi yang robust dan production-ready

Modul ini memperkenalkan fundamental machine learning, mulai dari definisi, kategori (supervised, unsupervised, dan reinforcement learning), hingga proses pengolahan data. Peserta akan mempelajari cara bekerja dengan dataset, melakukan preprocessing untuk NLP, menerapkan feature engineering, dan memahami pentingnya train-test split serta validation dalam membangun model machine learning yang akurat.

Modul ini memandu Anda membangun aplikasi Document Summarizer lengkap yang dapat meringkas dokumen panjang secara otomatis menggunakan Large Language Model (LLM). Anda akan mempelajari arsitektur sistem end-to-end, mulai dari perancangan backend untuk upload dan parsing dokumen (PDF, DOCX, TXT), integrasi dengan LLM API (OpenAI GPT/Anthropic Claude), teknik prompt engineering, hingga implementasi chunking dengan pola Map-Reduce untuk menangani dokumen panjang. Modul juga mencakup pembangunan frontend interaktif dengan React dan deployment aplikasi ke platform cloud untuk produksi

Modul ini membahas secara komprehensif proses pembuatan sistem klasifikasi otomatis untuk pertanyaan pelanggan menggunakan machine learning. Dimulai dari pemahaman masalah klasifikasi teks, mendefinisikan kategori yang tepat, hingga pengumpulan dan preprocessing data. Peserta akan mempelajari teknik pelabelan data yang konsisten, representasi teks menggunakan Bag-of-Words dan TF-IDF, serta pembagian dataset yang optimal. Modul ini mengeksplorasi tiga algoritma machine learning tradisional (Naive Bayes, SVM, dan Logistic Regression) beserta implementasinya, dilanjutkan dengan evaluasi model menggunakan metrik seperti accuracy, precision, recall, dan F1-score. Peserta juga akan memahami cara mengatasi overfitting/underfitting, melakukan hyperparameter tuning, dan mempertimbangkan aspek bias serta interpretabilitas model. Bagian akhir fokus pada deployment model ke production, pembuatan API untuk prediksi real-time, integrasi dengan sistem email dan helpdesk, automated routing berdasarkan confidence score, serta monitoring dan maintenance model secara berkelanjutan untuk memastikan performa optimal.

Modul ini membahas tahap krusial setelah pengembangan aplikasi AI: deployment, keamanan, monitoring, etika, dan pengembangan berkelanjutan. Anda akan mempelajari berbagai platform hosting untuk aplikasi AI (Vercel, Railway, Hugging Face Spaces), implementasi keamanan API dengan rate limiting dan autentikasi, serta praktik monitoring dan maintenance aplikasi. Modul ini juga menekankan pentingnya AI yang bertanggung jawab dengan membahas isu bias, privasi, transparansi, dan dampak sosial. Di akhir modul, Anda akan belajar mempresentasikan proyek AI secara profesional dan mendapatkan roadmap untuk pengembangan karir di bidang AI

-