Silabus Pelatihan AI Pupuk Kaltim V3

Materi 1: Warming up - Dasar-dasar Data Science

• Sistem AI Berbasis Data
• CRISP-DM (Cross-Industry Standard Process for Data Mining)
• Tipe Data
• Exploratory Data Analysis

Materi 2: Dasar-dasar AI dan Machine Learning

• Overview AI dan ML
• Unsupervised
  • Clustering
• Supervised
  • Klasifikasi
  • Regresi

Materi 3: Clustering

• Pengenalan Algoritma: K-Means dan DBScan
• Implementasi
• Evaluasi

Materi 4: Klasifikasi

• Pengenalan Algoritma: Decision Tree, Random Forest, SVC, Logistic Regression
• Implementasi
• Evaluasi
• Feature Importance

Materi 5: Regresi

• Pengenalan Algoritma: Linear Reg., Support Vector Reg., Random Forest Reg., Gradient Boosting Reg.
• Implementasi
• Evaluasi
• Feature Importance
• Transformasi: Tanpa Normalisasi, Standard Scaling, Min-Max Scaling

Materi 6: Overview Deep Learning

• Arsitektur Dasar Neural Network
• Implementasi berbasis citra (YOLO dan Roboflow)
• Referensi untuk pembelajaran lanjutan

Materi 7: Basic Forecasting

• Pengenalan Algoritma: AutoARIMA, Tree-Based Regressor
• Penggunan pipeline library untuk forecasting: Pycarets Regression
• Perbandingan model statistik, machine learning berdasarkan studi kasus (peramalan harga pupuk dunia)
• Hubungan regresi dengan forecasting

Materi 8: Advanced Forecasting

• Studi Kasus di PKT
• Recursive Multi-Step Forecasting
• Zero-shot forecasting: Amazon Chronos
• Ensemble Learning via PyCarets

Materi 9: Overview Generative AI

• Overview Generative AI
• Demonstrasi: Stable Diffusion

Materi 10: Praktik LLM untuk Use Case Specific

• Overview Large Language Models (LLM): Ollama, LangChain
• Panduan Setup dan Instalasi
• Menambah pengetahuan LLM dari dokumen: Retrieval-Augmented Generation (RAG)

Wrap-up

• Deployment di HuggingFace
• Review materi keseluruhan
• Diskusi case study