Program Digital Talent Scholarship 2021 bertujuan meningkatkan keterampilan digital 60.000 peserta melalui tujuh akademi pelatihan bidang teknologi informasi, seperti Fresh Graduate Academy, Vocational School Graduate Academy, dan Digital Entrepreneurship Academy. Pelatihan dilaksanakan secara daring dan diharapkan meningkatkan daya saing SDM Indonesia di era Industri 4.0.

1. KATA PENGANTAR
Era Digitalisasi pada Industri 4.0 di Indonesia saat ini dihadapkan pada tantangan hadirnya
permintaan dan penawaran talenta digital dalam mendukung perkembangan ekosistem industri teknologi.
Tantangan tersebut perlu dihadapi salah satunya melalui kegiatan inovasi dan inisiasi dari berbagai pihak
dalam memajukan talenta digital Indonesia, baik dari pemerintah maupun mitra kerja pemerintah yang
dapat menyiapkan angkatan kerja muda sebagai talenta digital Indonesia. Kementerian Komunikasi dan
Informatika melalui Badan Penelitian dan Pengembangan Sumber Daya Manusia sejak tahun 2018-2019,
telah menginisiasi Program Digital Talent Scholarship yang telah berhasil dianugerahkan kepada 26.000
penerima pelatihan di bidang teknologi informasi dan komunikasi. Program Digital Talent Scholarship ini
ditujukan untuk memberikan pelatihan dan sertifikasi tema-tema bidang teknologi informasi dan
komunikasi, diharapkan menjadi bagian untuk memenuhi permintaan dan penawaran talenta digital
Indonesia.
Tahun ini, Program Digital Talent Scholarship menargetkan pelatihan peningkatan kompetensi bagi
60.000 peserta yang bertujuan untuk meningkatkan keterampilan dan daya saing SDM bidang teknologi
informasi dan komunikasi sebagai bagian dari program pembangunan prioritas nasional. Program pelatihan
DTS 2021 ditujukan untuk meningkatkan keterampilan, keahlian angkatan kerja muda Indonesia,
masyarakat umum dan aparatur sipil negara di bidang teknologi informasi dan komunikasi sehingga dapat
meningkatkan produktivitas dan daya saing bangsa di era Industri 4.0.
Program DTS 2021 secara garis besar dibagi menjadi Tujuh akademi, yaitu: Fresh Graduate Academy
(FGA), Program pelatihan berbasis kompetensi bersama GlobalTech yang ditujukan kepada peserta
pelatihan bagi lulusan S1 bidang TIK dan MIPA, dan terbuka bagi penyandang disabilitas; Vocational School
Graduate Academy (VSGA), Program pelatihan berbasis kompetensi nasional yang ditujukan kepada peserta
pelatihan bagi lulusan SMK dan Pendidikan Vokasi bidang TI, Telekomunikasi, Desain, dan Multimedia;
Coding Teacher Academy (CTA), Program pelatihan merupakan program pelatihan pengembangan
sumberdaya manusia yang ditujukan kepada peserta pelatihan bagi Guru setingkat SMA/SMK/MA/SMP/SD di
bidang pemrograman. Online Academy (OA), Program pelatihan OA merupakan program pelatihan Online di
bidang Teknologi Informasi yang ditujukan kepada peserta pelatihan bagi Masyarakat umum, ASN,
mahasiswa, dan pelaku industri; Thematic Academy (TA), Program pelatihan TA merupakan program
pelatihan multisektor bagi pengembangan sumberdaya manusia yang ditujukan kepada peserta pelatihan
dari jenjang dan multidisiplin yang berbeda; Regional Development Academy (RDA), Program pelatihan RDA
merupakan program pelatihan pengembangan sumberdaya manusia yang ditujukan untuk meningkatkan
kompetensi ASN di Kawasan Prioritas Pariwisata dan 122 Kabupaten Prioritas Pembangunan. Digital
Entrepreneurship Academy (DEA), Program pelatihan DEA merupakan program pelatihan pengembangan
sumberdaya manusia yang ditujukan kepada talenta digital di bidang Usaha Mikro, Kecil, dan Menengah
(UMKM).
Selamat mengikuti Pelatihan Digital Talent Scholarship, mari persiapkan diri kita menjadi talenta digital
Indonesia.
Jakarta, 24 Februari 2021
Kepala Badan Penelitian dan Pengembangan Sumber Daya Manusia
Kementerian Komunikasi dan Informatika Republik Indonesia
Dr. Hary Budiarto, M.Kom
Pendahuluan

2. Tujuan Pembelajaran
• Tujuan Umum
Setelah mempelajari modul ini peserta latih diharapkan mampu menjelaskan lingkup
pelatihan Artificial Intelligence untuk membuat sistem intelijen dari data menggunakan
metodologi Data Science sesuai SKKNI.
• Tujuan Khusus
Adapun tujuan mempelajari unit kompetensi melalui modul Pengantar Pelatihan AI
untuk Instruktur ini adalah untuk menyiapkan peserta latih sehingga pada akhir
pelatihan diharapkan memiliki kemampuan sebagai berikut:
1. Mampu menjelaskan lingkup pelatihan bidang Artificial Intelligence
2. Mampu menjelaskan lingkup kompetensi yang diperlukan pada pengembangan
sistem intelijensi menggunakan data
3. Mampu memasang tools utama yang diperlukan untuk menyelesaikan masalah
dengan menggunakan data science.
Latar belakang
Unit kompetensi ini dinilai berdasarkan tingkat kemampuan peserta dalam memahami
konsep dasar Artificial Intelligence termasuk konsep dari teknologi Artificial
Intelligence. Adapun penilaian dilakukan dengan menggabungkan serangkaian metode
untuk menilai kemampuan dan penerapan pengetahuan pendukung penting. Penilaian
dilakukan dengan mengacu kepada Kriteria Unjuk Kerja (KUK) dan dilaksanakn di
Tempat Uji Kompetensi (TUK), ruang simulasi atau workshop dengan cara:
1.1. Lisan
1.2. Wawancara
1.3. Tes tertulis
1.4. Metode lain yang relevan
Deskripsi Pelatihan
Tujuan utama dari modul pelatihan ini adalah untuk membantu para peserta memahami
lingkup pelatihan pengembangan aplikasi intelijen menggunakan data science dan
kompetensi yang diperlukan untuk.
Kompetensi Dasar
A. Mampu menjelaskan lingkup pelatihan Artificial Intelligence beserta kompetensi
yang terkait untuk kegiatan Data science
B. Mampu memasang tools untuk pengembangan kegiatan Data science
Indikator Hasil Belajar

3. Peserta mampu memasang tools yang diperlukan dalam membuat aplikasi intelijen
menggunakan pendekatan data science
INFORMASI PELATIHAN
Akademi Thematic Academy
Mitra Pelatihan Kementerian Komunikasi dan Informatika
Tema Pelatihan Data Scientist: Artificial Intelligence untuk Dosen
dan Instruktur
Sertifikasi • Certificate of Attainment;
• Sertifikat Kompetensi Associate Data Scientist
Persyaratan Sarana Peserta/spesifikasi device
Tools/media ajar yang akan digunakan
Memiliki laptop/komputer dengan spesifikasi
minimal :
• RAM minimal 2 GB (disarankan 4 GB)
• Laptop dengan 32/64-bit processor
• Laptop dengan Operating System Windows 7,
8, 10, MacOS X atau Linux
• Laptop dengan konektivitas WiFi dan memiliki
Webcam
• Akses Internet Dedicated 126 kbps per peserta
per perangkat
• Memiliki aplikasi Zoom
• Memiliki akun Google Colab
Aplikasi utama yang akan digunakan selama
pelatihan
• Google Colab
• Jupyter notebook
Tim Penyusun Windy Gambetta, Ir., MBA (ITB)
INFORMASI PEMBELAJARAN
Unit Kompetensi Materi
pembelajaran
Kegiatan
pembelajaran
Durasi
Pelatihan
Rasio
Praktek : Teori
Sumber
pembelajaran
- Pengantar
Pelatihan
Daring/Online Live Class 2
JP
LMS 4 JP @
45 menit
70:30 LMS
Materi Pokok

4. Penjelasan Pelatihan
Sub Materi Pokok
• Silabus Pelatihan AI untuk Instruktur
• Jadwal Pelaksanaan Pelatihan AI untuk Instruktur
• Instalasi Berbagai Tool untuk Pelatihan

5. A. Materi Pelatihan
1. Silabus Pelatihan
1.1 Deskripsi Pelatihan
Pelatihan ini merupakan salah satu tema pelatihan Thematic Academy Digital Talent
Scholarship 2021 yang ditujukan untuk meningkatkan keterampilan digital,
khususnya dalam bidang data science, dan meningkatkan daya saing lulusan
pelatihan di lapangan kerja dan dunia usaha industri informasi di bidang data science
dalam menggunakan data untuk mendapatkan insights atau model pengetahuan yang
dapat dipergunakan dalam membuat sistem pengambilan keputusan berbasis AI
sederhana.
1.2 Output Pelatihan
Setelah mengikuti pelatihan ini, peserta diharapkan mampu untuk:
• Melakukan pengembangan model berbasis data mengikuti suatu metodologi
Data Science
• Menentukan objektif bisnis, teknis dan Rencana Projek Data Science
• Mengumpulkan Data
• Menelaah/ Menganalisis data
• Menentukan objek atau Memilah Data
• Membersihkan Data
• Mengkonstruksi Data
• Membangun Model
• Melakukan Deployment Model
1.3 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:

6. • Modul belajar dalam bentuk Video, Slide pembelajaran, dan potongan kode
program
• Ujian dalam bentuk exam
• Ujian dalam bentuk praktek
1.4 Penilaian
Sistem penilaian yang diterapkan bagi peserta terdiri atas beberapa komponen
• Kehadiran minimal 70%,
• Menyelesaikan Tugas Mandiri
• Menyelesaikan Tugas Akhir
• Ujian Akhir
Sedangkan komponen penilaian yang dipakai adalah sebagai berikut:
• Kehadiran x 10%
• Tugas Akhir x 50%
• Ujian Akhir x 40%
1.5 Jadwal dan Topik Pembelajaran
Materi pembelajaran mengikuti Kompetensi Kerja Nasional Indonesia No 299 Tahun
2020 Bidang Keahlian Artificial Intelligence sub bidang Data Science untuk Skema
Data Scientist. Untuk itu maka topik pembelajaran yang diberikan adalah sebagai
berikut.
Tanggal Topik Outcome Aktivitas Kelas JP
Sabtu,
31/07/2021
Pengantar AI 1:
• Pengantar Course
• Pemasangan Tools
Tools terkait terpasang di PC
peserta
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
4JP Kelas
2JP Mandiri
Minggu,
1/08/2021
Pengantar AI 2:
Teknologi dan Aplikasi AI
● Peserta mampu
memahami konsep dasar
AI serta cabangnya
● Peserta mampu
mengidentifikasi
pemanfaatan AI
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2JP Kelas
4JP Mandiri
Sabtu,
7/08/2021
Metodologi Pengembangan
AI menggunakan data
Peserta mampu mengetahui
alur proses pengembangan
Pemaparan
materi
2JP Kelas
4JP Mandiri

7. aplikasi AI berbasis Data menggunakan
bahan ajar, dan
diskusi
Minggu,
8/08/2021
Tools Proyek data Science
Peserta mampu memahami
dan menggunakan dasar tools
yang akan dipergunakan untuk
menangani data (Python,
pandas, numpy, dll.)
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2JP Kelas
4JP Mandiri
Sabtu,
14/08/2021
Business Understanding:
Menentukan objektif bisnis,
teknis dan Rencana Projek
Data Science
Peserta mampu memahami
langkah Business
Understanding untuk
menentukan masalah bisnis
yang dapat diselesaikan
dengan menggunakan tugas
data analytics yang sesuai
beserta metrics
keberhasilannya.
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2JP Kelas
4JP Mandiri
Unit Kompetensi:
J.62DMI00.001.1 - Menentukan Objektif Bisnis
J.62DMI00.002.1 - Menentukan Tujuan Teknis Data Science
J.62DMI00.003.1 - Membuat Rencana Proyek Data Science
Minggu,
15/08/2021
Data Understanding 1:
• Mengumpulkan Data
• Menelaah Data
dengan Metoda
Statistik
● Peserta mampu melakukan
pengambilan data untuk
proses data science
● Peserta mampu melakukan
telaah data menggunakan
metoda statistik
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2JP Kelas
4JP Mandiri
Unit Kompetensi:
J.62DMI00.004.1 - Mengumpulkan Data
J.62DMI00.005.1 - Menelaah Data
Sabtu,
21/08/2021
Data Understanding 2:
Menelaah data dengan
Visualisasi
Peserta mampu menggunakan
teknik visualisai untuk
menganalisis data
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2JP Kelas
4JP Mandiri
Unit Kompetensi:
J.62DMI00.005.1 - Menelaah Data
Minggu,
22/08/2021
Data Preparation 1:
Menentukan objek atau
Memilah Data,
Membersihkan Data,
Memvalidasi Data
● Peserta mampu memilih
objek untuk dipergunakan
selanjutnya, baik memilih
record ataupun atribut/
feature.
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2JP Kelas
4JP Mandiri

8. ● Peserta mampu
melakukan proses
pembersihan data dan
untuk memperbaiki
kualitas data.
● Peserta mampu
melakukan proses
memvalidasi data dan
untuk memperbaiki
kualitas data.
Unit Kompetensi:
J.62DMI00.007.1 - Menentukan Objek Data
J.62DMI00.008.1 - Membersihkan Data
J.62DMI00.006.1 - Memvalidasi Data
Sabtu,
28/08/2021
Data Preparation 2:
Mengkonstruksi Data
Peserta mampu melakukan
proses normalisasi data dan
transformasi data sederhana
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2JP Kelas
4JP Mandiri
Unit Kompetensi
J.62DMI00.009.1 - Mengkonstruksi Data
Minggu,
29/08/2021
Data Preparation 3:
Mengkonstruksi Data
Peserta mampu melakukan
proses feature engineering
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2JP Kelas
4JP Mandiri
Unit Kompetensi:
UK J.62DMI00.009.1 - Mengkonstruksi Data
UK J.62DMI00.010.1 - Menentukan Label Data
Sabtu,
4/09/2021
Membangun Model 1 ● Peserta mampu
melakukan kegitan
persiapan pemodelan
seperti pembagian data,
penyusunan scenario
pemodelan.
● Peserta mampu
melakukan proses
pemodelan klasifikasi
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2JP Kelas
4JP Mandiri
Unit Kompetensi:
J.62DMI00.012.1 - Membangun Skenario Model
J.62DMI00.013.1 - Membangun Model
Minggu,
5/09/2021
Membangun Model 2 Peserta mampu melakukan
proses pemodelan regresi
Pemaparan
materi
menggunakan
2JP Kelas
4JP Mandiri

9. bahan ajar, dan
diskusi
Unit Kompetensi:
UK J.62DMI00.013.1 - Membangun Model
Sabtu,
11/09/2021
Membangun Model 3
Peserta mampu melakukan
proses pemodelan
clustering(?)
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2JP Kelas
4JP Mandiri
Unit Kompetensi:
UK J.62DMI00.013.1 - Membangun Model
Minggu,
12/09/2021
Membangun Model 4
Peserta mampu melakukan
proses pemodelan ANN
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2JP Kelas
4JP Mandiri
Unit Kompetensi:
UK J.62DMI00.013.1 - Membangun Model
Sabtu,
18/09/2021
Membangun Model 5:
Evaluasi
Peserta mampu melakukan
proses pemodelan dan
membandingkan
performansinya berdasar
metrik evaluasi)
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2JP Kelas
4JP Mandiri
Unit Kompetensi:
J.62DMI00.014.1 - Mengevaluasi Hasil Pemodelan
J.62DMI00.015.1 - Melakukan Proses Review Pemodelan
Minggu,
19/09/2021
Melakukan Deployment
Model
Peserta mampu melakukan
deployment model menjadi
sistem yang dapat
dioperasikan (web)
Pemaparan
materi
menggunakan
bahan ajar, dan
diskusi
2 JP Kelas
4JP Mandiri
Unit Kompetensi
J.62DMI00.016.1 - Membuat Rencana Deployment Model
J.62DMI00.017.1 - Melakukan Deployment Model
1.6Tugas Besar atau Tugas Akhir
Selama pembelajaran peserta mendapatkan tugas harian per orang dan tugas besar
yang bersifat tugas kelompok. Deskripsi tugas besar adalah sebagai berikut.
• Satu kelompok 3 orang (kecuali satu kelompok yang berjumlah 4 orang)
• Anggota kelompok berada dalam satu kelas yang sama

10. • Tujuan: Menerapkan Metodologi AI (Data Science) untuk menyelesaikan
permasalahan pada satu organisasi (data nyata)
• Outcome: Suatu aplikasi intelijen dalam bentuk aplikasi berbasis web yang
menggunakan pengetahuan hasil dari proses pembelajaran (data science)
• Data yang dipergunakan
a. Bersifat bebas dengan memperhatikan etika pengumpulannya (legal,
menjaga privasi, dll.) diharapkan dari organisasi atau perusahaan
sendiri.
b. Tidak diperbolehkan dari dataset umum seperti dari repositori uci.edu
ataupun dataset dari kaggle, netflix atau repositori lainnya.
c. Diperbolehkan dari data awal dari open data dalam negeri seperti
Portsl Satu Data data.go.id.
• Penilaian
a. Kemajuan berkala (per minggu)
b. Hasil akhir aplikasi berupa aplikasi web yang dideploy di suatu cloud.
Jadwal pelaksanaan adalah sebagai berikut.
Minggu Tanggal Materi Yang dikumpulkan Batas
1 31-7-2021
dan 1-8-
2021
Pembentukan
Kelompok
Daftar Anggota kelompok 6-8-
2021
2 7-8-2021
dan 8-8-
2021
Metodologi Data
Science
Deskripsi Masalah (draft) 13-8-
2021
3 14-8-2021
dan 15-8-
2021
Business
Understanding
Data Understanding-
1
-Perbaikan Deskripsi Masalah
- Hasil Telaahan Data
(Statistik)
20-8-
2121
4 21-8-2021
dan 22-8-
2021
Data Understanding-
2
Data Preparation-1
- Hasil Telaahan Data
(Visualisasi)
- Hasil Perbaikan Data
(Cleansing)
5 28-8-2021
dan 29-8-
2021
Data Preparation-2
Data Preparation-3
- Hasil Perbaikan Data
a.
Normalisasi/Transformasi
b. Feature Engineering
3-9-
2021
6 4-9-2021
dan 5-9-
2021
Membangun Model-
1 Klasifikasi
Model Klasifikasi dan/ atau
Regresi
10-9-
2021

11. Membangun Model-
2 Regresi
7 11-9-2021
dan 12-9-
2021
Membangun Model-
3 Clustering
Membangun Model
ANN
- Model Clustering
- Model ANN
17-9-
2021
8 18-9-2021
dan 19-9-
2021
Evaluasi
Deployment
- Aplikasi Web 26-9-
2021
2. Pemasangan Tools yang Diperlukan dalam Pembelajaran
Beberapa tools yang akan dipergunakan selama pembelajaran adalah sebagai
berikut:
• Python
• Development Environment:
o Google Colab (https://colab.research.google.com/).
○ Jupyter Notebook (https://jupyter.org/)
● Library python seperti
○ NumPy,
○ SciPy,
○ Pandas,
○ Matplotlib,
○ Seaborn,
○ Scikit-learn
2.1Instalasi python
Interpreter bahasa python dapat didownload sesuai dengan sistem operasi yang
dipergunakan di situs http://www.python.org/downloads/windows/
Untuk sistem Windows, tergantung dari versi windows yang dipergunakan maka
pemasangan dapat dilakukan dengan mengikuti Langkah sebagai berikut.
• Pilih versi stabil (stable version) yang akan didownload, yaitu:
python-3.9.6 atau
python-3.8.10
• Buka (dengan melakukan klik 2x) file installer python yang baru saja
didownload
• Ikuti langkah instalasi sampai selesai

12. • Lakukan pengujian apakah python berhasil terpasang dengan membuka
promp Command > lalu mengetikkan python atau pyton3
• Jika terpasang maka akan ditampilkan versi pythonnya
2.2 Instalasi Library python
Sementara library python yang akan dipasang dapat dilakukan dengan melalui pip atau
conda.
2.2.1 Menggunakan pip
Dari command prompt lakukan
Contoh
pip install numpy
pip install scikit-learn

13. Untuk setiap library yang diperlukan silakan lakukan instalasi.
2.2.2 Menggunakan anaconda
Anaconda dapat didownload dari situs
https://docs.anaconda.com/anaconda/install/windows/ Lakukan instalasi
sesuai urutan di bawaah ini.
• Unduh Anaconda Installer dari situs tersebut
• Klik dua kali file installer yang telah diunduh untuk menjalankannya
• Tekan “I Agree” setelah membaca informasi tentang lisensi
• Pilih instalasi tunggal (“Just Me”) dam tekan tombol Next
• Pilih folder tujuan untuk instalasi
• Pilih apakah akan menambahkan Anaconda ke dalam variable
environment PATH.
• Pilih apakah akan menjadikan Anaconda sebagai default
• Tekan tombol Install dan tekan Next
• Jika sudah terpasang dengan baik akan ditampilkan boks dialog
sebagai berikut.

14. Anaconda juga dapat dipasang melalui command prompt
conda install <nama-library>

15. 2.3Instalasi Lingkungan Pengembangan
Terdapat dua lingkungan yang akan dipergunakan yaitu google colab dan Jupyter
Notebook.
2.3.1 Google Colab
Seperti layanan Google lainnya, Google Colab merupakan sebuah layanan cloud
sehingga untuk menggunakannya pengguna haraus terhubung dengaan
internet. Layanan ini dapat dipergunakan untuk menulis dan mengeksekusi
Python di browser anda tanpa mengkonfigurasi, dapat menggunakan GPU, dan
dapat di-share dengan rekan kerja.
Pergunakan link https://colab.research.google.com di browser anda untuk
mengakses google colab.
2.3.2 Jupyter Notebook
Berbeda dengan Google Colab, Jupyter Notebook adalah lingkungan
pengembangan local sehingga dapat dipergunakan tanpa terhubung dengan
internet. Akibatnya kemampuannya sangat tergantung pada kemampuan
peralatan computer pribadi yang dipergunakan. Jupyter notebook juga dapat
dipasang dengan berbagai cara. Dua di antaranya adalah melalui pip dan
melalui Anaconda.
Jika menggunakan pip maka di command prompt lakukan perintah
pip install jupyter

16. Untuk mengaktifkan jupyter notebook lakukan perintah di bawah ini pada
command prompt:
Jupyter notebook
Window akan muncul sebagai berikut.
Sementara jika sudah memiliki Anaconda Navigator jika sudah memiliki Anaconda
Navigator, bisa dilihat apakah status Launch atau Install. Jika install maka berarti
belum terpasang dan untuk memasangnya silakan klik satu kali pada pilihan
jupyter notebook. Jika sudah terpasang (status Launch) silakan di-klik Launch
untuk menjalankan/ mengaktifkan.

17. Jupyter notebook siap dipergunakan jika tampilan seperti di bawah ini
terlihat.

18. Untuk masuk ke notebook Python untuk menggunakannya dapat dengan memilih
tombol New seperti di bawah ini.
Lingkungan pemrograman python akan muncul seperti ini.

19. Tugas Dan Proyek Pelatihan
1. Instalasi berbagai tools aplikasi yang diperlukan
2. Menjalankan program python (hello word)
Link Referensi Modul Pertama
1. Dokumen siabus Thematic Academy Digital Talent Scholarship Artificial Intelligence untuk Instruktur,
Kementerian Komunikasi dan Informatika, 2021
2. Standard Kompetensi Kerja Nasional Indonesia No 299 Tahun 2020 Bidang Keahlian Artificial
Intelligence sub bidang Data science: https://skkni.kemnaker.go.id/tentang-skkni/dokumen
3. https://www.anaconda.com
4. https://jupyter.org
5. https://colab.research.google.com
6. https://www.python.org
7. https://numpy.org
8. https://scikit-learn.org
9. https://pandas.pydata.org
10. https://www.scipy.org
11. https://matplotlib.org
12. https://seaborn.pydata.org
Link Pertanyaan Modul Ketiga
Bahan Tayang
Power Point
Link room Pelatihan dan Jadwal live sesi bersama instruktur
Zoom
Penilaian
Komposisi penilaian Tugas Pengantar Pelatihan: Nilai 100

20. Target Penyelesaian Modul Pertama
1 hari / sampai 6 JP