Best Partner For Your Future

COURSE AND TRAINING

Kursus dan Pelatihan

Kami menawarkan kursus Robotika ramah anak tingkat SD, SMP dan SMA dengan pendekatan interaktif dan menyenangkan, di mana anak-anak belajar merakit dan memprogram robot sederhana sambil mengasah kreativitas, logika, dan keterampilan pemecahan masalah.

Untuk mahasiswa dan profesional, kami menyediakan kursus Big Data yang mencakup Data Science, Data Analytics, dan Data Engineering. Program ini membekali peserta dengan keterampilan mengelola, menganalisis, dan memanfaatkan big data menggunakan teknologi terkini.

Kami juga menawarkan kursus AI Microsoft untuk mahasiswa dan profesional, termasuk pelatihan praktik dan persiapan sertifikasi resmi Microsoft, guna membekali peserta dengan kompetensi AI yang diakui secara global.

Sillabus Robotika Beginner

Fasilitas Yang Dibutuhkan & Investasi
  • Robot Kit (Disiapkan Binsys Academy)
  • Internet
  • PC/ Laptop
  • Durasi 16 Jam (2 Jam Per Pertemuan)​

1. Pengenalan Dasar Robotika dan Scratch

    • Apa itu robotika?
      • Konsep dasar robot dan sensor.
      • Contoh robot dalam kehidupan sehari-hari.
    • Mengenal Scratch:
      • Antarmuka Scratch.
      • Blok pemrograman dasar (motion, events).
    • Proyek Mini: Membuat animasi robot bergerak di Scratch.

2. Konsep Pemrograman Dasar dengan Scratch

    • Blok kontrol: loop (repeat, forever), dan kondisi (if-then).
    • Variabel dan operator sederhana: penggunaan variabel untuk menyimpan data.
    • Mengintegrasikan suara dan tampilan: blok sound dan looks.
    • Proyek Mini: Membuat robot virtual yang merespons perintah pengguna.

3. Pengenalan Sensor dan Aktuator

    • Apa itu sensor?
      • Sensor sentuh, cahaya, dan suara.
    • Aktuator: motor, roda, dan lampu LED.
    • Simulasi sensor di Scratch:
      • Pemrograman untuk mendeteksi masukan (contoh: klik tombol, key press).
    • Proyek Mini: Membuat robot virtual yang bergerak mengikuti cahaya atau suara.

4. Konsep Logika dan Pemecahan Masalah

    • Algoritma sederhana untuk menyelesaikan masalah.
    • Pemrograman logika (kombinasi kondisi dan tindakan).
    • Membuat loop bersarang untuk pergerakan kompleks.
    • Proyek Mini: Membuat permainan robot pintar (contoh: robot labirin).

5. Pembuatan Proyek Robotika Fisik (Opsional: Menggunakan Kit Robot Arduino)

    • Merakit robot dasar:
      • Memasang roda, motor, dan sensor.
    • Mengontrol robot menggunakan Scratch:
      • Menyambungkan Scratch ke perangkat fisik (LEGO WeDo atau Arduino).
    • Menguji dan memodifikasi gerakan robot.
    • Proyek: Membuat robot yang mengikuti garis atau robot penyapu (line follower atau robot vacuum mini).

6. Proyek Akhir: Membuat Robot dan Presentasi

    • Tahap 1: Perencanaan proyek (ideasi dan desain robot).
    • Tahap 2: Pemrograman dan pengujian robot.
    • Tahap 3: Presentasi proyek kepada teman dan orang tua.
    • Contoh proyek:
      • Robot penjaga pintu (mendeteksi gerakan).
      • Robot pengantar barang sederhana.

Sillabus Robotika Intermediate

Fasilitas Yang Dibutuhkan & Investasi
  • Robot Kit (Disiapkan Binsys Academy)
  • Internet
  • PC/ Laptop
  • Durasi 32 Jam (2 Jam Per Pertemuan)

1. Pengenalan Dasar Robotika dan Elektronika

    • Apa itu robotika?
      • Sejarah dan aplikasi robot dalam kehidupan sehari-hari.
      • Jenis-jenis robot (industri, medis, edukasi, dll.).
    • Dasar elektronika:
      • Komponen dasar: resistor, LED, motor, sensor.
      • Cara membaca diagram sirkuit sederhana.
    • Proyek Mini: Merakit sirkuit LED sederhana yang dapat berkedip.

2. Pemrograman Dasar untuk Robotika

    • Pengenalan Arduino IDE:
      • Instalasi dan pengaturan awal.
      • Struktur program Arduino (setup dan loop).
    • Pemrograman dasar:
      • Blok kode untuk membaca input dan mengontrol output.
      • Penggunaan digital pin untuk LED, tombol, dan buzzer.
    • Proyek Mini: Membuat lampu lalu lintas sederhana menggunakan Arduino.

3. Sensor dan Aktuator pada Robotika

    • Mengenal sensor dan cara kerjanya:
      • Sensor jarak (ultrasonik).
      • Sensor cahaya (LDR).
      • Sensor garis (IR).
    • Aktuator:
      • Motor DC dan motor servo.
      • Prinsip kerja dan cara mengendalikannya dengan Arduino.
    • Proyek Mini: Membuat robot sederhana yang dapat berhenti saat mendeteksi rintangan.

4. Robot Berbasis Proyek Sederhana

    • Robot Line Follower:
      • Menggunakan sensor garis untuk mengikuti jalur.
      • Algoritma sederhana untuk belokan kanan/kiri.
    • Robot Avoider:
      • Robot yang dapat menghindari rintangan.
    • Proyek: Membuat robot line follower atau robot avoider dengan desain kreatif.

5. Pemrograman Robotika Tingkat Lanjut

    • Integrasi logika lanjutan:
      • Penggunaan variabel dan fungsi untuk menyederhanakan kode.
      • Pengolahan data dari sensor secara real-time.
    • Komunikasi robot:
      • Menggunakan modul Bluetooth untuk kendali jarak jauh.
      • Mengontrol robot menggunakan smartphone atau komputer.
    • Proyek Mini: Membuat robot Bluetooth yang dapat dikendalikan dari aplikasi ponsel.

6. Proyek Akhir: Robot Multifungsi

    • Tahap 1: Perencanaan proyek (brainstorming ide dan desain robot).
    • Tahap 2: Perakitan robot dan implementasi logika pemrograman.
    • Tahap 3: Pengujian dan debugging robot.
    • Tahap 4: Presentasi hasil proyek.
    • Contoh proyek:
      • Robot penjaga pintu otomatis.
      • Robot pemadam api mini dengan sensor suhu.
      • Robot pembawa barang dengan sensor jarak.

Sillabus Robotika Advance

Fasilitas Yang Dibutuhkan & Investasi
  • Robot Kit (Disiapkan Binsys Academy)
  • Internet
  • PC/ Laptop
  • Durasi 32 Jam (2 Jam Per Pertemuan)

1. Pengenalan Robotika Lanjutan

    • Konsep dasar robotika dan aplikasinya di industri modern.
    • Mengenal berbagai jenis robot (mobile robot, robotic arm, humanoid).
    • Pengenalan mikrokontroler (Arduino, ESP32, atau Raspberry Pi):
      • Perbandingan dan fitur.
      • Instalasi dan pengaturan awal.
    • Proyek Mini: Merakit robot sederhana dengan motor DC dan LED.

2. Elektronika dan Pemrograman Dasar

    • Dasar elektronika:
      • Menghitung arus, tegangan, dan daya.
      • Komponen seperti transistor, IC, dan relai.
    • Pemrograman dasar mikrokontroler:
      • Input digital dan analog (tombol, potensiometer).
      • Output digital (LED, buzzer, motor).
    • Proyek Mini: Membuat robot pemindah barang kecil menggunakan motor servo dan relay.

3. Sensor dan Aktuator Lanjutan

    • Sensor lanjutan:
      • Sensor ultrasonik untuk jarak.
      • IMU (gyroscope dan accelerometer) untuk kestabilan.
      • Sensor suhu dan kelembapan.
    • Aktuator lanjutan:
      • Motor stepper dan pengontrolannya.
      • Motor brushless (BLDC).
    • Proyek Mini: Membuat robot penjaga jarak yang berhenti saat ada objek di depannya.

4. Komunikasi dan IoT untuk Robotika

    • Komunikasi data:
      • Modul Bluetooth (HC-05/HC-06) untuk kontrol nirkabel.
      • Modul Wi-Fi (ESP8266/ESP32) untuk kendali berbasis internet.
    • Pengenalan konsep IoT untuk robotika:
      • Menghubungkan robot dengan cloud platform.
      • Monitoring data sensor secara real-time melalui aplikasi ponsel.
    • Proyek Mini: Membuat robot yang dapat dikendalikan melalui aplikasi smartphone.

5. Algoritma dan Logika Lanjutan

    • Pengenalan dasar kecerdasan buatan untuk robotika:
      • Algoritma garis dan pengenalan objek sederhana.
    • Algoritma navigasi robot:
      • Algoritma line follower.
      • Algoritma penghindaran rintangan (obstacle avoidance).
    • Proyek Mini: Membuat robot penjelajah ruangan dengan algoritma navigasi sederhana.

6. Proyek Akhir: Robot Multifungsi

    • Tahap 1: Perencanaan proyek (brainstorming ide dan desain robot).
    • Tahap 2: Perakitan robot dengan desain kompleks.
    • Tahap 3: Pemrograman logika dan pengujian.
    • Tahap 4: Presentasi hasil proyek.
    • Contoh proyek:
      • Robot pemadam api mini.
      • Robot arm otomatis untuk perakitan sederhana.
      • Robot penyortir barang berdasarkan warna atau ukuran.

Kurikulum Data Analysis

Fasilitas Yang Dibutuhkan & Investasi
  • Internet
  • PC/ Laptop
  • Durasi 32 Jam (2 Jam Per Pertemuan)

1. Pengenalan Data Analytics

  • Apa itu Data Analytics?
    • Definisi dan ruang lingkup.
    • Peran Data Analyst di berbagai industri.
  • Tipe-Tipe Data Analytics
    • Descriptive Analytics.
    • Diagnostic Analytics.
    • Predictive Analytics.
    • Prescriptive Analytics.

2. Dasar-Dasar Data Analytics

  • Statistik Dasar
    • Mean, Median, Mode, dan Range.
    • Probabilitas dan Distribusi.
    • Korelasi dan Regresi Sederhana.
  • Pengantar SQL
    • Query dasar (SELECT, INSERT, UPDATE, DELETE).
    • Join, Subquery, dan Fungsi Agregasi.
    • Optimisasi Query.

3. Pembersihan dan Pengolahan Data (Data Wrangling)

  • Penanganan data hilang (Missing Data).
  • Deteksi dan penanganan outlier.
  • Normalisasi dan Standarisasi Data.
  • Mengubah format data (Pivoting, Unpivoting).

4. Visualisasi Data dan Storytelling

  • Prinsip dasar visualisasi data.
  • Bekerja dengan alat visualisasi:
    • Matplotlib dan Seaborn di Python.
    • Power BI:
      • Membuat dashboard interaktif.
      • Pembuatan laporan visual.
      • Memahami visualisasi seperti bar chart, scatter plot, dan map.
  • Storytelling menggunakan data:
    • Narasi berbasis data.
    • Presentasi hasil analisis.

5. Power BI untuk Data Analytics

  • Pengenalan Power BI
    • Instalasi dan pengaturan awal.
    • Memahami antarmuka Power BI.
  • Mengimpor Data ke Power BI
    • Menghubungkan data dari Excel, SQL, dan sumber lain.
    • Membersihkan data menggunakan Power Query.
  • Transformasi Data di Power BI
    • Membuat kolom kalkulasi dan DAX (Data Analysis Expressions).
  • Visualisasi di Power BI
    • Membuat dashboard interaktif.
    • Membuat grafik, tabel, dan peta.
  • Sharing dan Publikasi
    • Membagikan laporan melalui Power BI Service.
    • Membuat laporan mobile-friendly.

6. Analisis Lanjutan

  • Exploratory Data Analysis (EDA)
    • Identifikasi pola dan tren.
    • Analisis segmentasi.
  • Data Forecasting
    • Teknik dasar peramalan.
    • Implementasi di Power BI.
  • Analitik Prediktif (Predictive Analytics)
    • Regresi sederhana dan clustering.
    • Integrasi Power BI dengan Python untuk analisis prediktif.

7. Pengelolaan Data (Data Management)

  • Pengantar Data Governance.
  • Pembuatan data model yang efisien.
  • Mengelola data besar di Power BI.

8. Proyek Data Analytics

  • Studi kasus:
    • Analisis penjualan.
    • Analisis sentimen pelanggan.
    • Peramalan permintaan produk.
  • Membuat laporan end-to-end di Power BI:
    • Mulai dari pengumpulan data hingga presentasi visual.

9. Persiapan Karier di Bidang Data Analytics

  • Membangun portofolio proyek analitik.
  • Persiapan wawancara kerja Data Analyst.
  • Sertifikasi Power BI dan Data Analytics (Microsoft, Google).

Kurikulum Data Sience

Fasilitas Yang Dibutuhkan & Investasi
  • Internet
  • PC/ Laptop
  • Durasi 32 Jam (2 Jam Per Pertemuan)

1. Dasar-Dasar Data Science

  • Pengenalan Data Science
    • Apa itu Data Science?
    • Peran Data Scientist.
    • Aplikasi Data Science di dunia nyata.
  • Dasar Pemrograman
    • Python untuk Data Science (pandas, numpy, matplotlib).
    • Dasar-dasar R (opsional).
  • Dasar Matematika dan Statistika
    • Statistik Deskriptif: Mean, Median, Mode, dan Variansi.
    • Probabilitas dan Distribusi.
    • Kalkulus dan Aljabar Linear untuk Data Science.

2. Pengolahan Data (Data Wrangling dan Preprocessing)

  • Pengumpulan Data
    • Bekerja dengan file CSV, Excel, JSON, dan database.
    • API dan web scraping untuk pengumpulan data.
  • Pembersihan Data
    • Penanganan data hilang (missing values).
    • Pendeteksian dan penanganan outlier.
  • Transformasi Data
    • Normalisasi dan Standarisasi.
    • Encoding data kategorikal.

3. Analisis Data (Exploratory Data Analysis – EDA)

  • Visualisasi Data dengan Matplotlib dan Seaborn.
  • Analisis korelasi dan pola.
  • Identifikasi tren, anomali, dan distribusi data.

4. Machine Learning Dasar

  • Supervised Learning
    • Regresi Linear dan Logistik.
    • Decision Trees dan Random Forest.
  • Unsupervised Learning
    • K-Means Clustering.
    • PCA (Principal Component Analysis).
  • Evaluasi Model
    • Akurasi, Precision, Recall, F1 Score.

5. Big Data dan Pengelolaan Data Skala Besar

  • Pengantar Big Data.
  • Dasar-dasar Hadoop dan Spark.
  • Bekerja dengan database SQL dan NoSQL (MySQL, MongoDB).

6. Visualisasi Data dan Dashboarding

  • Pembuatan visualisasi data interaktif dengan Tableau atau Power BI.
  • Dasar-dasar pembuatan laporan dan dashboard profesional.

7. Proyek Data Science

  • Studi kasus: Prediksi penjualan, analisis sentimen, atau klasifikasi gambar.
  • End-to-end pipeline: Dari pengumpulan data hingga interpretasi hasil.

Kurikulum Data Engineering

Fasilitas Yang Dibutuhkan & Investasi
  • Internet
  • PC/ Laptop
  • Durasi 32 Jam (2 Jam Per Pertemuan)

1. Pengenalan Data Engineering

  • Apa itu Data Engineering?
    • Definisi dan peran Data Engineer.
    • Perbedaan antara Data Engineer, Data Scientist, dan Data Analyst.
  • Arsitektur Data
    • Data pipelines, ETL (Extract, Transform, Load).
    • Batch processing vs. Real-time processing.

2. Dasar-Dasar Pemrograman untuk Data Engineering

  • Python untuk Data Engineering
    • Manipulasi data dengan Pandas dan NumPy.
    • Penanganan file (CSV, JSON, XML).
  • SQL untuk Data Engineering
    • Query dasar: SELECT, INSERT, UPDATE, DELETE.
    • Join, Subquery, dan Fungsi Agregasi.
    • Optimisasi Query.

3. Sistem Database dan Penyimpanan Data

  • Relational Databases (RDBMS)
    • MySQL, PostgreSQL, atau SQL Server.
    • Desain skema database.
  • NoSQL Databases
    • MongoDB, Cassandra, atau DynamoDB.
    • Penyimpanan data semi-terstruktur dan tidak terstruktur.
  • Data Warehousing
    • Pengantar Data Warehousing.
    • Tools seperti Snowflake, Google BigQuery, atau Amazon Redshift.

4. ETL dan Data Pipelines

  • ETL Process
    • Konsep Extract, Transform, Load.
    • Tools ETL populer: Apache NiFi, Talend, dan Airbyte.
  • Membangun Data Pipeline
    • Menggunakan Apache Airflow untuk orkestrasi pipeline.
    • Automasi tugas menggunakan Python.

5. Big Data Technologies

  • Pengantar Big Data
    • Apa itu Big Data?
    • 4V dalam Big Data: Volume, Velocity, Variety, Veracity.
  • Framework Big Data
    • Apache Hadoop: HDFS, MapReduce.
    • Apache Spark: DataFrame API, SparkSQL.

6. Cloud Computing untuk Data Engineering

  • Platform Cloud
    • AWS, Google Cloud Platform (GCP), atau Microsoft Azure.
  • Cloud Data Services
    • Amazon S3, Google Cloud Storage, atau Azure Blob Storage.
    • Database cloud seperti RDS, Cloud SQL, dan Cosmos DB.

7. Pemrosesan Data Real-Time

  • Stream Processing
    • Konsep dan penggunaan Apache Kafka.
    • Implementasi real-time analytics menggunakan Apache Flink atau Spark Streaming.
  • Event-Driven Architectures
    • Integrasi data real-time menggunakan Pub/Sub dan Event Hubs.

8. DevOps dan Data Engineering

  • Penggunaan Docker dan Kubernetes
    • Membuat container untuk aplikasi data.
    • Orkestrasi pipeline dengan Kubernetes.
  • CI/CD untuk Data Pipelines
    • Automasi pengujian dan deployment.
  • Infrastructure as Code
    • Terraform atau AWS CloudFormation.

9. Data Security dan Governance

  • Keamanan Data
    • Enkripsi data dan kontrol akses.
    • Kerangka kerja keamanan data (GDPR, HIPAA).
  • Data Governance
    • Metadata management.
    • Data cataloging dengan tools seperti Apache Atlas.

10. Proyek Data Engineering End-to-End

  • Membuat pipeline data yang mencakup:
    • Pengambilan data dari API atau database.
    • Transformasi dan pembersihan data.
    • Penyimpanan data di warehouse atau lake.
    • Pengiriman data ke aplikasi analitik atau dashboard.
  • Studi kasus:
    • Sistem rekomendasi berbasis data.
    • Analitik real-time untuk platform e-commerce.

11. Persiapan Karier di Data Engineering

  • Membuat portofolio proyek Data Engineering.
  • Panduan wawancara kerja Data Engineer.
  • Sertifikasi terkait (AWS Data Analytics, Google Professional Data Engineer, Databricks).

Artificial Intelligence for Kids

Fasilitas Yang Dibutuhkan & Investasi​
  • Internet
  • PC/ Laptop
  • Durasi 32 Jam (2 Jam Per Pertemuan)

1. Pengenalan AI dan Scratch

  1. Pengenalan AI dan aplikasinya dalam kehidupan sehari-hari

  2. Mengenal Scratch dan cara membuat proyek sederhana

  3. Quick Quiz (2 pertanyaan)

  4. AI Activity-1

  5. Proyek Kelas: Membuat permainan interaktif sederhana

  6. Kesimpulan

2. Machine Learning Dasar

  1. Apa itu Machine Learning?

  2. Jenis-jenis Machine Learning

  3. Quick Quiz (4 pertanyaan)

  4. Aktivitas AI: Rock Paper Scissors

  5. Proyek Kelas: Shooting Game Part 2

  6. Kesimpulan

3. Supervised Learning

  1. Apa itu Supervised Learning?

  2. Klasifikasi vs Regresi

  3. Aktivitas AI: Thing Translator

  4. Quick Quiz (4 pertanyaan)

  5. Proyek Kelas: Smart Classroom

  6. Kuis Kelas (4 pertanyaan)

4. Klasifikasi dalam AI

  1. Pengenalan Klasifikasi

  2. Aplikasi Klasifikasi dalam AI

  3. Aktivitas AI: Hand Track

  4. Quick Quiz (4 pertanyaan)

  5. Proyek Kelas: Cat, Dog, dan Duck

  6. Kuis Kelas (4 pertanyaan)

5. NLP dan Chatbots

  1. Pengolahan Bahasa Alami (NLP)

  2. Aktivitas: Mitsuku

  3. Analisis Sentimen

  4. Quick Quiz (3 pertanyaan)

  5. Proyek Kelas: Chatbots

6. Regresi dan Dataset

  1. Pengenalan Dataset dan Regresi

  2. Apa itu Data?

  3. Aktivitas AI: Regression

  4. Quick Quiz (3 pertanyaan)

  5. Kuis Kelas (4 pertanyaan)

7. Decision Trees dalam AI

  1. Pengenalan Decision Trees

  2. Struktur Decision Trees

  3. Aktivitas AI: Akinator

  4. Proyek Kelas: Tic Tac Toe

  5. Quick Quiz (3 pertanyaan)

  6. Kesimpulan

8. Evaluasi dan Proyek Akhir

  1. Aktivitas AI: AI Music & POGO Kids!

  2. Proyek Kelas: Pac Man

  3. Kuis Akhir (25 pertanyaan)

  4. Proyek Akhir: AI Chatbot

Sillabus Microsoft Azure AI 102

Fasilitas Yang Dibutuhkan & Investasi
  • Internet
  • PC/ Laptop
  • Akun Microsoft Azure
  • Durasi 16 Jam (2 Jam Per Pertemuan)

1. Pengenalan Azure AI Platform

  • Minggu 1:
    • Konsep dasar AI dan Machine Learning.
    • Mengenal layanan Azure AI: Azure Cognitive Services, Azure Machine Learning, dan Bot Framework.
    • Konfigurasi awal:
      • Membuat akun Azure.
      • Menyiapkan Azure Portal dan CLI.

2. Menggunakan Azure Cognitive Services

  • Minggu 2-3:
    • Azure Language Services:
      • Analisis sentimen dengan Text Analytics API.
      • Deteksi dan penerjemahan bahasa menggunakan Translator API.
    • Azure Vision Services:
      • Analisis gambar dengan Computer Vision API.
      • Pengenalan wajah menggunakan Face API.
    • Azure Speech Services:
      • Konversi teks ke suara dan sebaliknya.
      • Implementasi Speech Translation.
    • Proyek: Membuat aplikasi analisis sentimen berbasis teks dan gambar.

3. Membangun dan Mengintegrasikan Bot dengan Azure Bot Framework

  • Minggu 4-5:
    • Pengenalan Bot Framework SDK.
    • Membuat chatbot dasar menggunakan Azure Bot Service.
    • Menambahkan QnA Maker untuk chatbot berbasis FAQ.
    • Mengintegrasikan bot ke saluran komunikasi (Microsoft Teams, Web Chat).
    • Proyek: Membuat chatbot untuk layanan pelanggan.

4. Menggunakan Azure Machine Learning

  • Minggu 6-7:
    • Pengenalan Azure Machine Learning Studio.
    • Membangun model machine learning tanpa coding.
    • Mendeploy model ML sebagai endpoint API di Azure.
    • Memonitor dan mengevaluasi performa model.
    • Proyek: Membuat prediksi harga rumah berdasarkan data historis.

5. Desain dan Implementasi Solusi End-to-End AI

  • Minggu 8-9:
    • Menggabungkan Cognitive Services, Bot Framework, dan Machine Learning ke dalam satu solusi.
    • Menggunakan Azure Functions untuk mengotomasi alur kerja.
    • Integrasi data dari Azure Storage dan Azure SQL Database.
    • Proyek: Membuat aplikasi AI yang mencakup chatbot, analisis data, dan rekomendasi berbasis ML.

6. Keamanan dan Kepatuhan dalam Azure AI

  • Minggu 10:
    • Mengimplementasikan Azure Role-Based Access Control (RBAC).
    • Mengamankan endpoint API dengan Azure Key Vault.
    • Mematuhi kebijakan privasi data dengan Azure Policy.
    • Proyek Mini: Menambahkan lapisan keamanan pada aplikasi AI.

7. Monitoring, Optimization, dan Skalabilitas

  • Minggu 11:
    • Monitoring solusi AI dengan Azure Monitor dan Application Insights.
    • Mengoptimalkan biaya dan performa.
    • Menggunakan Azure Kubernetes Service (AKS) untuk skalabilitas model ML.

8. Ujian Simulasi dan Penyelesaian Proyek Akhir

  • Minggu 12:
    • Simulasi Ujian AI-102: Menguji pengetahuan dan keterampilan dengan soal berbasis kasus nyata.
    • Proyek Akhir: Merancang dan mengimplementasikan solusi AI lengkap, seperti:
      • Chatbot AI untuk e-commerce.
      • Aplikasi pengenalan gambar dan suara.

Sillabus Microsoft Azure AI 900

Fasilitas Yang Dibutuhkan & Investasi
  • Internet
  • PC/ Laptop
  • Akun Microsoft Azure
  • Durasi 16 Jam (2 Jam Per Pertemuan)

1. Pengenalan Artificial Intelligence (AI)

  • Minggu 1:
    • Konsep dasar AI: Definisi, jenis, dan penerapannya.
    • Perbedaan AI, Machine Learning, dan Deep Learning.
    • Pengenalan Microsoft Azure dan manfaatnya untuk AI.
    • Menyiapkan akun Microsoft Azure dan mengenal Azure Portal.

2. Pengenalan Azure AI Services

  • Minggu 2:
    • Azure Cognitive Services: Layanan utama dan kasus penggunaannya.
    • Azure Machine Learning: Membuat dan mendeploy model ML.
    • Azure Bot Services: Membuat chatbot.
    • Praktik: Eksplorasi Azure Portal untuk layanan AI.

3. Menggunakan Azure Cognitive Services

  • Minggu 3-4:
    • Vision:
      • Analisis gambar dan ekstraksi teks dari gambar (OCR).
      • Pengenalan wajah dengan Face API.
    • Language:
      • Analisis sentimen dengan Text Analytics API.
      • Deteksi dan penerjemahan bahasa dengan Translator API.
    • Speech:
      • Text-to-Speech dan Speech-to-Text.
      • Speech Translation.
    • Decision:
      • Membuat rekomendasi menggunakan Personalizer API.
    • Praktik: Membuat aplikasi sederhana menggunakan Cognitive Services.

4. Membuat Chatbot dengan Azure Bot Services

  • Minggu 5:
    • Pengenalan Azure Bot Framework.
    • Membuat chatbot sederhana dengan QnA Maker.
    • Integrasi chatbot ke Microsoft Teams atau website.
    • Proyek Mini: Membuat chatbot untuk pertanyaan umum.

5. Pengenalan Azure Machine Learning

  • Minggu 6:
    • Konsep dasar Machine Learning.
    • Pengenalan Azure Machine Learning Studio.
    • Membuat model ML tanpa coding.
    • Mendeploy model sebagai endpoint API.
    • Praktik: Membuat model prediksi sederhana menggunakan Azure ML Studio.

6. Etika AI dan Keamanan Data di Azure

  • Minggu 7:
    • Prinsip AI yang bertanggung jawab (Responsible AI).
    • Keamanan data dan privasi di Azure.
    • Menggunakan Azure Role-Based Access Control (RBAC).
    • Praktik: Menambahkan keamanan pada aplikasi AI dengan Azure Key Vault.

7. Simulasi Ujian dan Proyek Akhir

  • Minggu 8:
    • Simulasi Ujian AI-900:
      • Latihan soal berbasis kasus nyata untuk mempersiapkan ujian sertifikasi.
    • Proyek Akhir:
      • Merancang dan mendeploy solusi AI sederhana, seperti:
        • Chatbot untuk layanan pelanggan.
        • Aplikasi analisis sentimen dari ulasan produk.

Sillabus Mobile Android App Development

Fasilitas Yang Dibutuhkan & Investasi
  • Internet
  • PC/ Laptop
  • Durasi 32 Jam (2 Jam Per Pertemuan)

1. Pengenalan Mobile App Development dan Kotlin

  • Dasar-Dasar Mobile App Development
    • Apa itu Mobile App Development?
    • Platform Android dan ekosistemnya.
  • Pengenalan Kotlin
    • Apa itu Kotlin? Keunggulan dibandingkan Java.
    • Instalasi dan pengaturan Kotlin di Android Studio.

2. Dasar-Dasar Kotlin untuk Pemula

  • Sintaks Dasar Kotlin
    • Variabel, tipe data, dan operasi dasar.
    • Kontrol alur: if, when, for, dan while.
  • Fungsi dan Pemrograman Modular
    • Cara mendefinisikan fungsi.
    • Parameter dan pengembalian fungsi.
  • Pemrograman Berorientasi Objek
    • Kelas, objek, dan inheritance.
    • Interface, abstract class, dan lambda.

3. Pengenalan Android Development

  • Struktur Proyek Android
    • Memahami file XML dan folder proyek.
    • Manifest Android dan konfigurasi aplikasi.
  • Desain Antarmuka Pengguna (UI)
    • Layout XML: LinearLayout, RelativeLayout, ConstraintLayout.
    • Komponen UI dasar: TextView, Button, EditText, ImageView.
  • Activity dan Fragment
    • Apa itu Activity dan Fragment?
    • Siklus hidup Activity dan Fragment.

4. Interaksi Pengguna

  • Event Handling
    • OnClickListener untuk tombol dan aksi lainnya.
  • Intents
    • Navigasi antar Activity dan pengiriman data.
    • Implicit Intent untuk fitur bawaan Android (panggilan, kamera).

5. Penyimpanan Data Lokal

  • Shared Preferences
    • Menyimpan data sederhana (key-value).
  • SQLite Database
    • CRUD menggunakan SQLite.
    • Menggunakan Room Library untuk manajemen database.
  • File Storage
    • Menyimpan dan membaca file.

6. Pemrograman Jaringan dan API

  • Mengakses Data dari Internet
    • Menggunakan HTTP dengan Retrofit.
    • Parsing JSON data dengan Gson atau Moshi.
  • Integrasi RESTful API
    • Membuat aplikasi client-server sederhana.
  • Pemrosesan Data Real-Time
    • Menggunakan WebSocket atau Firebase Realtime Database.

7. Pemrograman Tingkat Lanjut

  • RecyclerView dan Adapter
    • Membuat daftar dinamis dengan RecyclerView.
    • Mengatur klik item dan data binding.
  • ViewModel dan LiveData
    • Pemisahan logika bisnis dan UI menggunakan MVVM.
  • Dependency Injection
    • Menggunakan Dagger atau Koin.

8. Pemrosesan Multimedia

  • Audio dan Video
    • Memutar file media di aplikasi.
    • Menggunakan MediaPlayer dan ExoPlayer.
  • Kamera dan Gambar
    • Menggunakan kamera bawaan.
    • Menampilkan dan menyimpan gambar.

9. Pengujian dan Debugging

  • Unit Testing
    • Membuat unit test di Kotlin.
  • Instrumentation Testing
    • Menguji UI dengan Espresso.
  • Debugging
    • LogCat dan alat debugging Android Studio.

10. Deployment dan Publikasi Aplikasi

  • Optimasi Aplikasi
    • Optimasi ukuran APK dan performa aplikasi.
  • Deployment ke Play Store
    • Membuat keystore untuk signing APK.
    • Proses publikasi di Google Play Store.

11. Proyek Akhir: Aplikasi Mobile End-to-End

  • Membuat aplikasi lengkap seperti:
    • To-Do List dengan penyimpanan lokal.
    • E-commerce App dengan API.
    • Social Media App dengan Firebase.

12. Persiapan Karier di Mobile App Development

  • Membuat portofolio aplikasi Android.
  • Tips wawancara untuk posisi Android Developer.
  • Sertifikasi terkait Kotlin dan Android Development.

Sillabus Web Development

Fasilitas Yang Dibutuhkan & Investasi
  • Internet
  • PC/ Laptop
  • Durasi 32 Jam (2 Jam Per Pertemuan)

1. Pengenalan Laravel dan Dasar-Dasar Web Development

  • Apa itu Laravel?
    • Sejarah dan keunggulan Laravel.
    • Konsep MVC (Model-View-Controller).
  • Dasar-Dasar Web Development
    • HTML, CSS, dan JavaScript untuk Laravel.
    • Pengantar PHP dan sintaks dasar.
  • Instalasi Laravel
    • Instalasi Composer dan Laravel.
    • Struktur folder Laravel.

2. Routing dan Controllers

  • Routing di Laravel
    • Pengaturan rute dasar.
    • Route parameters dan named routes.
  • Controllers
    • Membuat controller.
    • Menghubungkan controller dengan routes.

3. Blade Templating Engine

  • Dasar-Dasar Blade
    • Syntax Blade (direktif @if, @foreach, dll).
    • Layout dengan @yield dan @section.
  • Komponen dan Inklusi
    • Membuat komponen Blade.
    • Menggunakan partial views (@include).

4. Database dan Eloquent ORM

  • Konfigurasi Database
    • Mengatur koneksi database di .env.
  • Migrations
    • Membuat dan menjalankan migration.
    • Modifikasi tabel dengan migration.
  • Eloquent ORM
    • Model dan relasi dasar (one-to-one, one-to-many, many-to-many).
    • Query builder vs. Eloquent.

5. Validasi dan Form Handling

  • Form Handling
    • Membuat form HTML dengan Blade.
    • Menggunakan request data di controller.
  • Validasi
    • Validasi form dengan Laravel.
    • Custom validation rules.

6. Authentication dan Authorization

  • Laravel Authentication
    • Menggunakan php artisan make:auth (versi lama) atau Laravel Breeze.
    • Login, register, dan logout.
  • Authorization
    • Middleware untuk proteksi rute.
    • Policies dan gates.

7. RESTful API Development

  • Dasar-Dasar API
    • Membuat API routes.
    • Membuat JSON response.
  • API Authentication
    • Menggunakan Laravel Passport atau Sanctum.
  • Testing API
    • Menggunakan Postman untuk menguji API.

8. File Management dan Upload

  • Mengunggah file dengan Laravel.
  • Mengatur storage file di Laravel.
  • Menampilkan file yang diunggah (gambar, dokumen).

9. Testing dan Debugging

  • Debugging di Laravel
    • Menggunakan Laravel Debugbar.
    • Log error di Laravel.
  • Testing Otomatis
    • Unit testing dengan PHPUnit.
    • Feature testing di Laravel.

10. Deployment

  • Persiapan Deployment
    • Menggunakan .env untuk environment settings.
    • Optimasi aplikasi dengan artisan commands.
  • Deployment ke Server
    • Deploy Laravel ke shared hosting atau VPS.
    • Penggunaan Laravel Forge atau Docker.

11. Proyek Akhir: Aplikasi Web Laravel

  • Membuat aplikasi web lengkap, seperti:
    • Sistem Blog: CRUD artikel, kategori, dan komentar.
    • E-commerce: Sistem produk, keranjang belanja, dan checkout.
    • Manajemen Data: Sistem manajemen pengguna dan laporan.
  • Dokumentasi proyek dan presentasi.

12. Persiapan Karier di Web Development

  • Membuat portofolio aplikasi Laravel.
  • Tips wawancara untuk posisi Web Developer.
  • Sertifikasi Laravel atau PHP terkait.

Our mission

Komposisi kegiatan belajar

Kegiatan belajar pada kursus IT melibatkan kombinasi antara teori mendalam tentang konsep teknologi informasi dan praktik langsung melalui proyek atau simulasi dunia nyata. Peserta kursus juga sering didorong untuk berkolaborasi dalam kelompok guna mengembangkan keterampilan pemecahan masalah dan pemrograman secara efektif.

Teori
0 %
Praktek
0 %
Studi Kasus
0 %

Faq

Frequently Asked Questions

FAQ (Frequently Asked Questions) kegiatan belajar pada kursus IT mencakup informasi seputar metode pembelajaran, durasi, dan kebutuhan perangkat

Ya, kursus ini dirancang untuk pemula dan akan dimulai dari konsep dasar hingga tingkat lanjutan.

Anda hanya perlu laptop atau komputer dengan koneksi internet stabil dan perangkat lunak yang akan kami informasikan sebelum kelas dimulai.

Durasi kursus bervariasi, biasanya antara 4 hingga 12 minggu, tergantung pada materi yang diambil.

Ya, kami menyediakan jadwal kelas pagi, sore, dan malam untuk menyesuaikan kebutuhan peserta. kami juga memberikan opsi offline ataupun online

Ya, peserta yang menyelesaikan kursus dan memenuhi persyaratan akan mendapatkan sertifikat resmi.

Ya, Anda akan memiliki akses ke mentor yang siap membantu melalui forum diskusi atau sesi konsultasi.

Ya, peserta akan bekerja pada proyek nyata sebagai bagian dari pembelajaran untuk meningkatkan pemahaman dan pengalaman.

Kami memberikan kesempatan untuk mengikuti kembali kelas yang tidak dihadiri sebelumnya pada kelas lain. Dan untuk sesi online kami menyiapkan rekaman untuk dapat pelajari kembali

Ya, ada tugas dan ujian yang dirancang untuk mengukur pemahaman dan kemajuan Anda selama kursus.

Kami tidak memberikan jaminan pekerjaan, tetapi peserta akan mendapatkan dukungan berupa pelatihan wawancara dan akses ke jaringan rekrutmen.