4,9/5 · 1.000+ ulasan · Umum

Kecerdasan Buatan (AI) di Medan

Les kecerdasan buatan (AI) privat di Medan untuk pelajar SMA, mahasiswa, dan karyawan yang ingin menulis Python lalu melatih model sendiri. Satu tutor satu peserta, mulai Rp211.425 per sesi 60 menit, kunjungan rumah di Kota Medan, Kabupaten Deli Serdang, dan Kota Binjai, atau kelas online. scikit-learn 1.9.1 menuntut Python 3.10 ke atas.

Kecerdasan Buatan (AI) di Medan

Kecerdasan Buatan (AI) jadi lebih dekat, di tempat pilihan keluarga

Tutor kecerdasan buatan (AI) datang dengan rencana belajar yang disusun dari kebutuhanmu.

Apa itu Kecerdasan Buatan (AI) di Medan?

Les kecerdasan buatan (AI) privat di Medan untuk pelajar SMA, mahasiswa, dan karyawan yang ingin menulis Python lalu melatih model sendiri. Satu tutor satu peserta, mulai Rp211.425 per sesi 60 menit, kunjungan rumah di Kota Medan, Kabupaten Deli Serdang, dan Kota Binjai, atau kelas online. scikit-learn 1.9.1 menuntut Python 3.10 ke atas.

Data Utamanya

Untuk siapa
Pelajar SMA, mahasiswa, dan karyawan yang baru pertama kali menulis kode
Titik mulai
Belum pernah menulis satu baris Python pun tetap diterima
Durasi sesi
60, 90, atau 120 menit, dipilih peserta saat pendaftaran
Biaya per sesi
Mulai Rp211.425 per sesi 60 menit
Bahasa dan pustaka
Python dengan scikit-learn, TensorFlow, PyTorch, Keras 3, spaCy, dan OpenCV
Syarat laptop peserta
Sistem 64-bit, Python 3.10 ke atas, pip di atas 19.0
Keluaran tiap proyek
Notebook .ipynb, berkas model terlatih, dan catatan versi pustaka
Tempat belajar
Kunjungan rumah di Kota Medan, Kabupaten Deli Serdang, Kota Binjai, atau online
Sertifikasi yang dibahas
AIF-C01, AI-901, PCEP, PCAP, dan Google PMLE
  • 4,9/5

    1.000+ ulasan
  • 500+

    tutor terverifikasi
  • 1-on-1

    fokus tak terbagi
  • Ke rumahmu

    Medan, tempat mana pun pilihan Anda, atau online
  • Garansi

    bebas ganti tutor
  • Assessment

    kebutuhan diukur dulu
Kenapa Edubisa

Nilai lebih program Kecerdasan Buatan (AI) ini

  • Kode dibaca bersama di layar yang sama

    Tutor duduk di sebelahmu saat galat muncul, jadi jejak kesalahan Python dibaca langsung dari baris terakhir ke atas, bukan ditebak dari cerita sesudahnya.

  • Lingkungan kerja diperiksa sebelum materi dimulai

    Versi Python, pip, dan pustaka di laptopmu dicocokkan dulu dengan syarat scikit-learn, TensorFlow, serta PyTorch, supaya waktu sesi tidak habis untuk menambal pemasangan.

  • Tiap percobaan dicatat beserta skornya

    Satu baris catatan per percobaan: parameter yang diubah, skor F1 pada data validasi, dan matriks kekeliruannya. Kemajuan jadi terbaca dari angka, bukan dari perasaan.

  • Materi berhenti di tempat kamu tersandung

    Kalau bentuk array dan broadcasting NumPy belum jalan, jaringan saraf ditunda. Urutannya mengikuti kesiapanmu, dan satu bahasan boleh memakan dua sesi penuh.

  • Peta sertifikasi dibacakan apa adanya

    Nama ujian, jumlah soal, ambang lulus, dan biaya ujian yang dipublikasikan penyelenggaranya disebutkan lengkap, termasuk angka yang memang tidak mereka publikasikan.

Dibaca dari Angka

Angka resmi yang paling sering ditanyakan sebelum mengambil ujian AI

  • 65

    soal di ujian AIF-C01, 50 berskor dan 15 tak berskor
  • 90

    menit waktu pengerjaan AIF-C01
  • 700

    ambang lulus AIF-C01 pada skala 100 sampai 1000
  • 3.10

    versi Python minimum untuk scikit-learn 1.9.1
Peta sertifikasi

Sertifikasi kecerdasan buatan (AI) yang terbuka pada Oktober 2026 dan angkanya

Edubisa tidak mendaftarkan, tidak menguji, dan tidak menerbitkan satu pun sertifikasi di bawah ini. Semuanya milik penyelenggaranya masing-masing, biayanya dibayar langsung ke mereka, dan angka di tabel ini dibaca dari laman resmi penyelenggara pada 13 Oktober 2026. Nomor versi dan tanggal pensiun bergerak, jadi periksa ulang sebelum mendaftar ujian.

Subtes Bobot Materi Strategi
AWS Certified AI Practitioner (AIF-C01) 65 soal, 90 menit Lima puluh soal berskor dan lima belas soal tak berskor. Skornya berskala 100 sampai 1000 dengan ambang lulus 700, dan modelnya kompensatoris tanpa kewajiban lulus per domain. Soal yang tidak dijawab dihitung salah dan tidak ada penalti menebak. Biaya ujiannya 100 USD, masa berlakunya tiga tahun, tersedia dalam dua belas bahasa dan Bahasa Indonesia tidak termasuk. Bobot domainnya: dasar AI dan ML 20 persen, dasar AI generatif 24 persen, penerapan foundation model 28 persen, panduan AI yang bertanggung jawab 14 persen, serta keamanan, kepatuhan, dan tata kelola 14 persen. Bentuk soalnya pilihan ganda, pilihan jamak, pengurutan tiga sampai lima respons, pemadanan tiga sampai tujuh prompt, dan studi kasus.
Microsoft Certified: Azure AI Fundamentals (AI-901) dua domain, 40 sampai 45 persen dan 55 sampai 60 persen Ujian wajibnya AI-901, yang menggantikan AI-900 setelah AI-900 pensiun pada 30 Juni 2026. Ambang lulusnya 700, dan pengetahuan yang diandaikan sintaks Python beserta sumber daya Azure. Versi Inggrisnya diperbarui 15 April 2026 dan tanggal pensiunnya belum ditetapkan. Bahasa Indonesia termasuk di antara bahasa yang tersedia. Mengenali konsep dan kemampuan AI 40 sampai 45 persen, lalu menerapkan solusi AI dengan Microsoft Foundry 55 sampai 60 persen. Jumlah soal dan harga ujiannya tidak dipublikasikan Microsoft; rentang umum soal ujiannya 40 sampai 60, dengan 45 menit pengerjaan dan 65 menit waktu duduk di tempat uji. Akses ke Microsoft Learn saat ujian tingkat Fundamentals tidak diberikan.
Google Cloud Professional Machine Learning Engineer 50 sampai 60 soal, 2 jam Pilihan ganda dan pilihan jamak, diawasi daring atau di pusat uji, tanpa prasyarat pendaftaran. Biaya ujiannya 200 USD ditambah pajak. Bahasanya hanya Inggris dan Jepang. Pengalaman yang disarankan tiga tahun di industri dan satu tahun memakai Google Cloud. Ambang lulusnya tidak dipublikasikan Google, jadi jangan menyusun latihan untuk mengejar satu angka tertentu. Sertifikasinya berlaku tiga tahun; jendela perpanjangan tingkat Professional terbuka 60 hari sebelum tanggal nonaktif dan menambah dua tahun, dan perpanjangan masih bisa diajukan sampai 30 hari sesudah tanggal itu.
PCEP, Certified Entry-Level Python Programmer (PCEP-30-02) 30 soal, 40 menit Ambang lulusnya 70 persen, ditambah lima menit untuk perjanjian kerahasiaan dan tutorial. Biaya ujiannya mulai 69 USD dan masa berlakunya lima tahun. Versi PCEP-30-03 masih dalam pengembangan dengan target kuartal ketiga 2026. Ini ujian Python murni, jadi ia pintu masuk paling masuk akal untuk peserta yang baru memulai. Bobot persen per bloknya tidak dipublikasikan di laman sertifikasinya, jadi porsi latihan dibagi dari daftar topiknya, bukan dari bobot yang ditebak.
PCAP, Certified Associate Python Programmer (PCAP-31-03) 40 soal, 65 menit Ambang lulusnya 70 persen, ditambah sepuluh menit untuk perjanjian kerahasiaan dan tutorial. Biaya ujiannya mulai 295 USD, masa berlakunya lima tahun, dan versi PCAP-31-04 ditargetkan kuartal ketiga 2026. Ambil ini sesudah kode Pythonmu sendiri berjalan tanpa dituntun, dan bukan sebagai sasaran pertama. Untuk yang arahnya analisis data, ada PCED-30-02 dengan 40 soal, 60 menit, ambang lulus 75 persen, biaya mulai 69 USD, dan masa berlaku tujuh tahun.
Yang sudah tertutup atau pensiun tidak bisa didaftarkan lagi TensorFlow Developer Certificate: ujiannya sudah ditutup, dan sertifikat yang sudah terbit tetap berlaku tiga tahun terhitung dari tanggal lulus. Azure AI Engineer Associate (AI-102) berstatus pensiun bersama penilaian perpanjangannya, dan durasi ujiannya 100 menit. AWS MLA-C01 dengan 65 soal, 130 menit, dan 150 USD tersedia sampai 28 September 2026, lalu digantikan MLA-C02 dengan 85 soal, 170 menit, serta harga beta 75 USD. Jangan menyusun rencana belajar di atas ujian yang sudah ditutup. Daftar ini diperiksa ulang tiap kali laman resmi penyelenggaranya berubah, dan tanggal pengukurannya ditulis di pengantar tabel.
Isi folder proyek

Yang tersimpan di folder proyek kecerdasan buatan (AI) milikmu

  • Notebook .ipynb untuk tiap proyek

    Kode beserta keluaran tiap sel, jadi urutan keputusanmu bisa dibaca ulang langkah demi langkah.

  • Berkas data bersih beserta versi mentahnya

    Dua berkas disimpan terpisah supaya setiap langkah pembersihan bisa dijalankan ulang dari awal kalau ada yang keliru.

  • Catatan versi pustaka dan versi Python

    Satu berkas teks berisi nama dan nomor versi tiap pustaka, termasuk versi Python yang dipakai, supaya proyeknya masih berjalan enam bulan kemudian.

  • Berkas model terlatih beserta tahap pra-pemrosesannya

    Keduanya disimpan sebagai satu kesatuan. Model yang dipindahkan sendirian memberi jawaban berbeda di komputer lain.

  • Tabel percobaan dan skornya

    Satu baris per percobaan: apa yang diubah, metrik yang dipakai, angka pada data validasi, dan matriks kekeliruannya.

  • Satu berkas README cara menjalankan ulang

    Perintah pemasangan, urutan menjalankan notebook, dan letak datanya. Berkas inilah yang dibaca orang lain saat portofoliomu dibuka.

Tutor Kami

Siapa yang mengajar Kecerdasan Buatan (AI)

Setiap tutor lolos seleksi, wawancara, dan uji materi sebelum mengajar di Medan.

  • Grace C., Teknik Informatika · Universitas Mikroskil — tutor les kecerdasan buatan (AI) Medan Edubisa

    Grace C.

    Teknik Informatika · Universitas Mikroskil
  • Jovi S., Teknik Informatika · Universitas Katolik Soegijapranata — tutor les kecerdasan buatan (AI) Medan Edubisa

    Jovi S.

    Teknik Informatika · Universitas Katolik Soegijapranata
  • Boni D., Sistem Informasi · STMIK Triguna Dharma — tutor les kecerdasan buatan (AI) Medan Edubisa

    Boni D.

    Sistem Informasi · STMIK Triguna Dharma
  • Jessica B., Teknik Informatika · Universitas Mikroskil — tutor les kecerdasan buatan (AI) Medan Edubisa

    Jessica B.

    Teknik Informatika · Universitas Mikroskil
Buat siapa

Les kecerdasan buatan (AI) ini terasa pas kalau laptop dan niatmu sudah begini

  • Laptopmu bersistem 64-bit dan masih punya ruang beberapa gigabyte untuk PyTorch beserta TensorFlow

  • Kamu siap menulis kode sendiri, termasuk mengetik ulang baris yang galat sampai ia berjalan

  • Kamu punya satu pertanyaan yang jawabannya ada di dalam data, misalnya memperkirakan harga atau memilah pesan masuk

  • Kamu bersedia mengunduh pustaka dan memasang Python di luar jam sesi

  • Matematika sekolahmu masih bisa dipanggil kembali, terutama persentase, rata-rata, dan pembacaan grafik

  • Kamu mau dinilai dari angka pada data uji, dan bukan dari tampilan hasilnya

Bandingkan

Apa yang berubah saat kecerdasan buatan (AI) dipegang satu tutor penuh?

Aspek yang dibandingkan Les Kecerdasan Buatan (AI) Privat Edubisa Ke rumah di Medan Kursus Kecerdasan Buatan (AI) Kelompok Belajar Kecerdasan Buatan (AI) Sendiri
Perhatian tutor saat belajar kecerdasan buatan (AI) Tercurah ke satu siswa Terpecah ke satu kelasSendirian saja
Materi kecerdasan buatan (AI) disesuaikan level siswa Disusun dari hasil tes awal Satu materi untuk satu kelasDitebak sendiri
Jadwal menyesuaikan keluarga di Medan Anda yang memilih hari dan jam Jadwal ditentukan kelasBebas, tetapi mudah tertunda
Latihan praktik kecerdasan buatan (AI) terarah Dipilih dari kelemahan Anda SeragamBerburu sendiri
Tutor kecerdasan buatan (AI) bisa diganti Diganti lewat admin, tanpa biaya Mengikuti pengajar kelasTidak berlaku
Pemetaan kebutuhan kecerdasan buatan (AI) di awal Sesi pertama dipakai memetakan Langsung masuk materiTidak ada
Bedah materi

Peta materi kecerdasan buatan (AI): dari sintaks Python sampai metrik F1

Sepuluh bahasan di bawah disusun menurut urutan yang benar-benar dipakai di sesi, bukan menurut daftar isi buku. Kolom titik rawan memuat kesalahan yang berulang di kelas ini, dan kolom terakhir memuat cara tutor menanganinya.

Bahasan Yang dicakup Titik rawan Cara kami mendampingi
Logika pemrograman dan sintaks Python (Pondasi) Variabel, kondisi, perulangan, fungsi, dan cara membaca jejak galat dari baris terakhir ke atas.Indentasi dianggap hiasan. Di Python ia batas blok, jadi satu spasi yang bergeser mengubah arti program tanpa memunculkan satu pesan galat pun. Setiap galat dibaca bersama sebelum kodenya disentuh, dan kamu yang membacakan barisnya supaya pola jejaknya kamu kenali sendiri.
NumPy, bentuk array, dan broadcasting (Pra-pemrosesan) Indeks, potongan, operasi antar array, dan aturan penyesuaian bentuk ketika dua array berbeda ukuran.Bentuk (n,) dan (n,1) terlihat sama ketika dicetak, lalu scikit-learn menolak masukannya dengan pesan yang menyebut dimensi. Tiap latihan dibuka dengan mencetak atribut shape sebelum dan sesudah transformasi, sampai kebiasaan itu berjalan sendiri.
Membaca dan membersihkan tabel data (Paling lama) Kolom kosong, tipe data yang salah terbaca, baris ganda, dan kategori yang ditulis dengan ejaan berbeda.Baris bermasalah langsung dibuang. Kalau yang terbuang justru kelas yang jarang muncul, modelnya kehilangan contoh yang paling perlu dipelajari. Jumlah baris dicatat sebelum dan sesudah setiap pembersihan, dan alasan tiap penghapusan ditulis di notebook pada sel yang sama.
Pembagian data latih, validasi, dan uji (Titik paling rawan) Pembagian tiga bagian, pengacakan, stratifikasi untuk kelas tak seimbang, dan kapan data uji boleh dibuka.Penskalaan dihitung dari seluruh data lalu datanya dibagi belakangan, sehingga data uji ikut mewarnai hasil dan skornya terbaca lebih bagus daripada kenyataannya. Seluruh tahap pra-pemrosesan dipasang di dalam pipeline, supaya ia hanya belajar dari data latih dan tidak bisa menyelip ke data uji.
Tiga paradigma pembelajaran (Istilah resmi) Supervised, unsupervised, dan reinforcement learning, berikut istilah model, algoritma, pelatihan, inferensi, bias, dan keadilan yang dipakai daftar resmi AIF-C01.Klasifikasi dan regresi tertukar karena keduanya disebut prediksi, padahal yang satu memulangkan label dan yang lain memulangkan angka. Tiap istilah diminta kamu definisikan ulang dengan contoh dari datamu sendiri, bukan dengan kalimat salinan dari dokumentasi.
Model klasik, dari regresi linear sampai ensemble (Inti scikit-learn) Model linear, nearest neighbors, naive Bayes, decision tree, dan ensemble, mengikuti urutan taksonomi supervised learning scikit-learn.Model paling rumit dicoba lebih dulu. Padahal regresi linear sering sudah cukup, dan tanpa pembanding sederhana tidak ada tolok ukur untuk menilai yang rumit itu. Satu model dasar dilatih lebih dulu sebagai pembanding, dan tiap model baru harus mengalahkan angka itu supaya layak dipakai.
Metrik: akurasi, presisi, recall, F1, dan AUC (Penilaian) Matriks kekeliruan, perbedaan presisi dan recall, kapan F1 dipakai, serta apa yang diukur AUC pada kurva ROC.Pada data yang 95 dari 100 barisnya satu kelas, akurasi 95 persen bisa dicapai model yang selalu menebak kelas mayoritas. Metrik ditetapkan sebelum pelatihan dijalankan, beserta alasannya, dan matriks kekeliruan selalu dipasang di sebelah angkanya.
Jaringan saraf dan Keras 3 (Deep learning) Lapisan, fungsi aktivasi, pelatihan bertahap, dan pemilihan backend JAX, TensorFlow, atau PyTorch lewat Keras 3.Backend diganti sesudah baris import keras dijalankan. Setelannya jadi tidak berpengaruh, dan kesalahannya lalu dicari di tempat yang salah. Satu sel pertama di notebook dipakai khusus untuk menetapkan backend, dan urutan sel itu diperiksa tiap kali notebook dibuka ulang.
Pengolahan bahasa alami (NLP) Tokenisasi, model bahasa n-gram, klasifikasi teks dengan regresi logistik, embedding, lalu transformer dan tahap pralatih.Analisis sentimen dikira pintu masuk bidang ini. Rujukan Jurafsky dan Martin menaruh kata dan token di bab kedua, sementara leksikon sentimen baru muncul di bab 23. Urutan materinya mengikuti rujukan itu, jadi analisis sentimen dikerjakan sesudah klasifikasi teks berjalan, dan tidak sebelumnya.
Computer vision dan klasifikasi gambar (Prasyarat berat) Pembacaan citra, prapemrosesan piksel, dan pelatihan model klasifikasi gambar dengan satu label untuk satu gambar.Deteksi objek diminta padahal yang dilatih klasifikasi gambar, dan klasifikasi mengandaikan satu gambar hanya memuat satu kelas. Prasyaratnya dibuka apa adanya: kuliah rujukan CS231n menuntut kemahiran Python, kalkulus, aljabar linear, serta probabilitas dan statistik dasar, jadi bagian ini ditempatkan paling akhir.

Apa yang benar-benar dikerjakan di sesi kecerdasan buatan (AI)?

Artificial Intelligence disingkat AI, dan dalam bahasa Indonesia disebut kecerdasan buatan.

Di kelas privat ini tidak ada kanvas yang digambar dan tidak ada tata letak yang diatur. Sepanjang sesi kamu memegang dua hal saja: tabel data dan berkas kode Python.

Pekerjaannya berulang dalam satu lingkaran yang sama. Data dibaca, kolom yang kosong atau salah tipe dibereskan, sebagian baris disisihkan sebagai data uji, model dilatih di sisa barisnya, lalu skornya dihitung pada baris yang disisihkan tadi. Begitu skornya jelek, yang diubah bisa datanya, fiturnya, atau modelnya, dan lingkaran itu diputar lagi.

Karena itu kemajuan di kelas ini tidak terlihat dari tampilan layar. Yang bergerak adalah angka pada data uji dan isi folder proyekmu. Program lain yang objek kerjanya memang tampak di layar bisa kamu telusuri di katalog program Edubisa Medan.

Sorotan utama

Enam pustaka Python yang dipasang peserta sebelum sesi pertama

  • scikit-learn 1.9.1

    Pustaka utama untuk model klasik. Syarat minimumnya Python 3.10, NumPy 1.24.1, SciPy 1.10.0, joblib 1.4.0, dan threadpoolctl 3.5.0. Angka itulah yang dicocokkan lebih dulu dengan isi laptopmu.

  • TensorFlow 2.21.0

    Rilis 6 Maret 2026 dan menuntut Python 3.10 ke atas. Laman panduan resminya masih menulis angka lama, jadi versi yang dipakai di kelas dibaca dari laman paketnya, bukan dari panduannya.

  • PyTorch 2.14.1

    Rilis 30 September 2026, juga menuntut Python 3.10 ke atas. Selektor di laman panduannya masih memulangkan versi 1.13.0, dan selisih itu dibahas di sesi pemasangan supaya kamu tidak mengunduh versi yang salah.

  • Keras 3

    Satu antarmuka untuk tiga mesin hitung: JAX, TensorFlow, dan PyTorch. Backend-nya wajib ditetapkan sebelum baris import keras dijalankan, dan urutan itu yang paling sering tertukar.

  • spaCy 3.8.16

    Untuk pekerjaan bahasa, berpasangan dengan transformers 5.19.0 dan NLTK 3.10.3. spaCy menyatakan dukungan Python di bawah 3.15, jadi ia menolak Python 3.15 yang terbit 9 Oktober 2026.

  • opencv-python 5.0.0.93

    Untuk pekerjaan gambar dan video, rilis 2 Juli 2026, dengan syarat Python 3.6 ke atas sehingga ia pustaka paling longgar di daftar ini.

Versi Python mana yang dipakai dan mana yang dihindari

Python merilis satu versi fitur tiap Oktober.

Diukur 13 Oktober 2026, keadaannya begini: 3.15 terbit 9 Oktober 2026 dan berstatus bugfix, 3.14 terbit 7 Oktober 2025 dan juga bugfix, sedangkan 3.13, 3.12, serta 3.11 sudah masuk tahap security. Versi 3.16 dijadwalkan 6 Oktober 2027.

Pilihan di kelas ini jatuh pada nomor yang seluruh pustakanya mau dipasang, dan itu jarang nomor tertinggi. spaCy 3.8.16 menyatakan dukungannya di bawah Python 3.15, jadi laptop yang baru dipasangi 3.15 akan gagal memasang pustaka pengolahan bahasanya. Pilihan amannya 3.12 atau 3.13, dan keduanya masih jauh dari tanggal akhir dukungan: 3.12 sampai Oktober 2028 dan 3.13 sampai Oktober 2029, sementara 3.11 berhenti Oktober 2027.

Nomor versi bergerak terus. Angka di halaman ini diukur 13 Oktober 2026, dan tutor memeriksanya ulang di sesi pemasangan supaya kamu tidak mengunduh pasangan versi yang sudah berganti.

Titik tekannya

Empat kesalahan yang membuat skor model terlihat lebih bagus daripada kenyataannya

  • Penskalaan dihitung dari seluruh data

    Rata-rata dan simpangan dihitung dulu dari semua baris, baru datanya dibagi. Data uji sudah ikut mewarnai angkanya, jadi skornya terbaca bagus di laptop lalu jatuh begitu dipakai pada data baru.
  • Akurasi dibaca pada kelas yang tak seimbang

    Kalau 95 dari 100 baris berlabel sama, model yang selalu menebak label mayoritas sudah memperoleh akurasi 95 persen tanpa belajar apa pun. Angka itu benar secara hitungan dan kosong secara makna.
  • Data uji dipakai berulang untuk memilih model

    Setiap kali model dipilih berdasarkan skor data uji, data itu berhenti menjadi data uji. Karena itu pembagiannya tiga, yaitu latih, validasi, dan uji, dan bagian terakhir dibuka sekali di penghujung.
  • Model disimpan tanpa tahap pra-pemrosesannya

    Berkas model dipindahkan, sementara tahap pembersihan dan penyandian kolomnya tertinggal. Di komputer lain jawabannya berbeda, dan yang disalahkan biasanya modelnya padahal yang hilang langkah sebelumnya.

Satuan yang dipakai menilai pekerjaanmu di kelas ini

Di program desain satuannya piksel dan milimeter.

Di sini satuannya angka tanpa dimensi, dan tiga di antaranya paling sering dipakai. Akurasi menghitung berapa bagian tebakan yang benar. F1 menggabungkan presisi dan recall menjadi satu angka, berguna saat satu kelas jauh lebih sedikit daripada kelas lainnya. AUC mengukur luas di bawah kurva ROC, yaitu seberapa baik model memisahkan dua kelas pada berbagai ambang.

Ketiganya disebut panduan resmi ujian AWS Certified AI Practitioner sebagai metrik performa yang perlu dikenali, bersama urutan pipeline-nya: pengumpulan data, analisis data eksploratif, pra-pemrosesan, rekayasa fitur, pelatihan, penyetelan hyperparameter, evaluasi, penerapan, lalu pemantauan.

Satu matriks kekeliruan dipasang di samping tiap angka. Tanpa matriks itu kamu tahu skornya bergerak tetapi tidak tahu jenis kesalahan mana yang berkurang, dan di kelas privat perbedaan itulah yang menentukan materi sesi berikutnya.

Biar kamu tahu

Tiga tempat menjalankan kode, dan batas masing-masing

  • Laptop peserta sendiri

    Dipasang sekali, lalu jalan tanpa internet. Syarat yang dipublikasikan TensorFlow: sistem 64-bit, Ubuntu 16.04 ke atas, Windows 7 ke atas dengan C++ redistributable, atau macOS 10.12.6 ke atas, dan pada macOS dukungan GPU memang tidak ada.
  • Colab tanpa langganan

    Notebook berjalan paling lama 12 jam. Akses GPU di jenjang ini dibatasi ketat, tipe GPU dan TPU berubah-ubah, sumber dayanya tidak dijamin, dan batas pemakaiannya sengaja tidak dipublikasikan Google.
  • Colab Pro+

    Batas jalannya sampai 24 jam bila unit komputasinya cukup. Ini langganan berbayar milik Google, dibayar peserta langsung ke Google, dan berada di luar tarif les.

Berkas apa yang keluar dari tiap proyek kecerdasan buatan (AI)

Program yang objeknya gambar menghasilkan berkas gambar.

Di sini keluarannya tiga macam, dan ketiganya berupa teks atau biner yang tidak bisa dinilai hanya dengan melihatnya.

Pertama, notebook berekstensi .ipynb. Isinya kode beserta keluaran tiap sel, jadi orang lain bisa membaca urutan keputusanmu sampai ke hasil terakhirnya. Kedua, berkas model hasil pelatihan. Ia memuat angka hasil belajar, dan tanpa tahap pra-pemrosesan yang sama ia memberi jawaban berbeda di komputer lain. Ketiga, catatan versi pustaka: satu berkas teks berisi nama dan nomor versi tiap pustaka, dan itulah yang membuat proyekmu masih bisa dijalankan enam bulan kemudian.

Ketiganya tersimpan di laptop peserta, bukan di layanan mana pun. Soal cara kerja kelas privat ini secara umum, penjelasannya ada di halaman tentang Edubisa.

Ringkasnya

Lima nama tugas AI yang paling sering tertukar

  • Klasifikasi dan regresi

    Keduanya memakai kata prediksi. Klasifikasi memulangkan label, regresi memulangkan angka berkelanjutan, dan metrik penilaiannya berbeda sejak awal.

  • Klasifikasi teks dan analisis sentimen

    Analisis sentimen adalah subtugas klasifikasi teks, sejajar dengan natural language inference dan pengecekan kebenaran tata bahasa. Menyebutnya dua bidang terpisah membuat urutan belajarnya kacau.

  • Klasifikasi gambar dan deteksi objek

    Klasifikasi gambar memberi satu label untuk seluruh gambar dan mengandaikan hanya ada satu kelas di dalamnya. Mencari posisi beberapa objek sekaligus adalah tugas yang lain.

  • Pelatihan dan inferensi

    Pelatihan adalah proses model menyesuaikan diri pada data. Inferensi adalah pemakaian model yang sudah jadi. Daftar istilah resmi AIF-C01 memisahkan keduanya, dan biaya komputasinya pun berbeda jauh.

  • Machine learning dan deep learning

    Deep learning adalah cabang machine learning yang memakai jaringan saraf berlapis. Tiga paradigma pembelajarannya tetap sama: supervised, unsupervised, dan reinforcement learning.

Kenapa unduhan pustaka jadi urusan jaringan rumah di Medan

Ada satu hal yang tidak muncul di program lain mana pun di katalog ini: sebelum sesi pertama berjalan, beberapa gigabyte harus turun lebih dulu ke laptopmu.

PyTorch dan TensorFlow berukuran besar, dan bagian computer vision menambah pustaka gambarnya sendiri.

Karena kelas ini mendatangi rumah di Kota Medan, Kabupaten Deli Serdang, dan Kota Binjai, waktu unduhan itu jatuh pada jaringan rumahmu sendiri. Satu sesi enam puluh menit yang habis untuk menunggu bilah unduhan adalah sesi yang terbayar tanpa satu baris kode pun ditulis.

Karena itu daftar pustaka beserta nomor versinya disebutkan lebih dulu, dan pemasangannya dikerjakan peserta di luar jam sesi. Waktu kunjungan dipakai untuk hal yang memang menuntut orang di sebelahmu: membaca pesan galat, membedah bentuk data, dan memutuskan metrik mana yang dipakai.

Biaya les, biaya ujian, dan biaya langganan dihitung terpisah

Tarif les mengikuti durasi sesi yang kamu pilih sendiri.

Angkanya Rp211.425 per sesi 60 menit, Rp268.778 per sesi 90 menit, dan Rp345.248 per sesi 120 menit. Durasi ditetapkan saat pendaftaran, bersama hari dan jamnya.

Di luar itu ada dua pos yang tidak masuk tarif les. Pertama, biaya ujian sertifikasi, dibayar langsung ke penyelenggaranya: AWS mencantumkan 100 USD untuk AIF-C01, Google 200 USD ditambah pajak untuk Professional Machine Learning Engineer, dan Python Institute mulai 69 USD untuk PCEP serta mulai 295 USD untuk PCAP. Microsoft tidak mempublikasikan harga AI-901, dan harga dalam rupiah tidak dipublikasikan satu pun penyelenggara yang angkanya dibaca di sini.

Kedua, langganan komputasi seperti Colab Pro+, bila kamu memilihnya. Keduanya dibayar peserta sendiri dan keduanya tidak wajib untuk mengikuti kelas ini. Rincian lanjutannya bisa ditanyakan lewat halaman hubungi Edubisa.

Detail

Empat tanda kamu siap pindah dari scikit-learn ke PyTorch

  • Bentuk data sudah tidak membingungkan

    Perbedaan antara bentuk (n,) dan (n,1) langsung kamu kenali dari pesan galat, dan kamu tahu di mana memperbaikinya tanpa menebak.
  • Pipeline sudah jadi kebiasaan

    Pembersihan, penyandian, dan penskalaan sudah kamu pasang di dalam satu pipeline, jadi tidak ada lagi langkah yang tertinggal saat modelnya dipindahkan.
  • Metrik dipilih sebelum model dilatih

    Kamu menetapkan dulu akan menilai dengan F1 atau AUC, lengkap dengan alasannya, baru menjalankan pelatihan. Urutan ini yang membedakan percobaan dari coba-coba.
  • Data yang kamu pegang tidak lagi berbentuk tabel

    Begitu masukannya gambar, suara, atau teks panjang, model klasik mulai kehabisan cara. Di titik itu jaringan saraf berlapis baru masuk akal, dan tidak sebelumnya.
Urutannya

Urutan mendaftar les kecerdasan buatan (AI) di Medan

  1. Ceritakan target proyek AI yang ingin kamu selesaikan

    Memperkirakan angka, mengenali gambar, atau mengolah teks. Targetnya menentukan pustaka mana yang dipasang paling awal.

  2. Pilih durasi sesi 60, 90, atau 120 menit beserta hari dan jamnya

    Jadwal mingguan ditetapkan di langkah ini, dan dari situ biaya per sesinya ikut jelas.

  3. Tutor kecerdasan buatan (AI) dicocokkan ke slot jadwal itu

    Pencocokan memakai jadwal yang sudah kamu tetapkan. Bila kamu memerlukan tutor dengan pengalaman di bidang tertentu, sampaikan di tahap ini dan ketersediaannya kami periksakan.

  4. Pasang Python dan pustakanya di laptopmu

    Daftar versinya dikirim lebih dulu, lengkap dengan syarat minimum tiap pustaka, supaya unduhan besarnya rampung di luar jam sesi.

  5. Sesi pertama dipakai memeriksa lingkungan kerja dan membaca data pertamamu

    Versi Python, pip, dan pustaka dicek di tempat, lalu satu berkas data dibuka bersama dan bentuknya dibedah kolom per kolom.

Penasaran soal les kecerdasan buatan (AI) di Medan? Ini penjelasannya

Harus bisa Python dulu sebelum masuk kelas kecerdasan buatan (AI)?

Tidak. Sesi pertama sampai ketiga biasanya masih berisi variabel, kondisi, perulangan, dan fungsi, sebab tanpa itu kode pelatihan model hanya bisa disalin dan tidak bisa diperbaiki. Yang perlu ada di laptopmu cuma Python 3.10 ke atas, karena scikit-learn 1.9.1 menolak versi di bawahnya.

Laptop seperti apa yang sanggup melatih model di rumah?

TensorFlow mensyaratkan sistem 64-bit, Ubuntu 16.04 ke atas, Windows 7 ke atas dengan C++ redistributable, atau macOS 10.12.6 ke atas, dan pada macOS dukungan GPU memang tidak ada. Dukungan GPU lewat pemasangan tensorflow dengan paket CUDA hanya berjalan di Linux atau WSL2. Latihan di kelas ini memakai data berukuran kecil, jadi prosesor biasa sudah cukup.

Kenapa notebook di Google Colab berhenti sendiri di tengah pelatihan?

Notebook Colab tanpa langganan berjalan paling lama 12 jam. Google menyatakan akses GPU di jenjang itu dibatasi ketat, tipe GPU dan TPU berubah-ubah, serta sumber dayanya tidak dijamin, dan batas pemakaiannya sengaja tidak dipublikasikan. Colab Pro+ menaikkan batasnya sampai 24 jam bila unit komputasinya cukup, dan langganan itu dibayar peserta langsung ke Google.

Versi Python mana yang aman dipakai sekarang?

Diukur 13 Oktober 2026, Python 3.15 dan 3.14 berstatus bugfix sementara 3.13, 3.12, dan 3.11 sudah masuk tahap security. Kelas ini memakai 3.12 atau 3.13 karena spaCy 3.8.16 menyatakan dukungan Python di bawah 3.15, jadi memasang 3.15 membuat pustaka pengolahan bahasanya gagal terpasang. Dukungan 3.11 berhenti Oktober 2027.

Apa bedanya klasifikasi teks dan analisis sentimen?

Klasifikasi teks adalah tugas memberi label pada sebuah teks, dan analisis sentimen salah satu subtugasnya, sejajar dengan natural language inference serta pengecekan kebenaran tata bahasa. Urutan belajarnya pun berbeda dari dugaan banyak orang: rujukan Jurafsky dan Martin menaruh kata dan token di bab kedua, sedangkan leksikon sentimen baru muncul di bab 23.

Klasifikasi gambar sudah cukup untuk mendeteksi beberapa objek sekaligus?

Belum. Klasifikasi gambar memberi label pada seluruh gambar dan mengandaikan gambar itu hanya memuat satu kelas, sedangkan mencari posisi beberapa objek adalah tugas deteksi yang berbeda. Metrik keduanya sama, yaitu akurasi, recall, presisi, dan F1, dan perbedaan tugas itulah yang sering membuat proyek pertama terasa gagal padahal modelnya bekerja sesuai rancangannya.

Sertifikasi AI mana yang masih dibuka pada Oktober 2026?

AWS Certified AI Practitioner dengan kode AIF-C01 masih dibuka. Microsoft memindahkan Azure AI Fundamentals ke ujian AI-901 setelah AI-900 pensiun pada 30 Juni 2026, sementara Azure AI Engineer Associate dengan kode AI-102 berstatus pensiun. Ujian TensorFlow Developer Certificate sudah ditutup penyelenggaranya, dan sertifikat yang sudah terbit tetap berlaku tiga tahun terhitung dari tanggal lulus.

Berapa biaya ujian sertifikasinya dan siapa yang membayar?

Biaya ujian dibayar langsung ke penyelenggaranya dan berada di luar tarif les. AWS mencantumkan 100 USD untuk AIF-C01, Google 200 USD ditambah pajak untuk Professional Machine Learning Engineer, dan Python Institute mulai 69 USD untuk PCEP serta mulai 295 USD untuk PCAP. Microsoft tidak mempublikasikan harga AI-901 dan hanya menulis bahwa harganya mengikuti negara tempat ujian diawasi.

Model yang sudah dilatih disimpan dalam bentuk apa?

Satu berkas model hasil pelatihan, satu notebook .ipynb yang memuat urutan langkahnya, dan satu catatan versi pustaka. Ketiganya tersimpan di laptop peserta sendiri. Berkas model yang dipindahkan tanpa tahap pra-pemrosesannya akan memberi jawaban berbeda di komputer lain, dan itu kesalahan yang paling sering muncul di proyek pertama.

Apa yang justru tidak diuji di AIF-C01?

Panduan resmi AIF-C01 versi 1.4 menyebut batasnya secara eksplisit: menulis kode model atau algoritma, rekayasa data dan fitur, penyetelan hyperparameter, pembangunan pipeline atau infrastruktur, serta analisis matematis dan statistis model berada di luar cakupan. Kandidat sasarannya punya paparan AI dan ML di AWS sampai enam bulan, memakai solusinya dan belum membangunnya.

Chat sekarang, kami siapkan kelas kecerdasan buatan (AI)-mu

Kelas privat kecerdasan buatan (AI) di Medan disiapkan sesuai kebutuhanmu. Mulai dari konsultasi, tanpa komitmen.