Membangun Asisten Pengetahuan Berbasis RAG

Untuk siapa • Developer backend atau full-stack yang ingin menambah kemampuan membangun aplikasi LLM. • Data analyst yang sudah lancar Python dan ingin masuk ke AI engineering. • Tim IT internal yang ditugasi membuat chatbot dokumen untuk kantor sendiri. Yang akan Anda bangun Asisten pengetahuan untuk satu kumpulan dokumen nyata (SOP, kebijakan HR, atau dokumentasi produk, minimal 30 dokumen). Asisten mengambil potongan yang relevan, menjawab dengan kutipan sumber, dan berkata "tidak ditemukan" bila jawabannya memang tidak ada di dokumen. Setelah kelas ini Anda mampu • Memecah dokumen menjadi potongan (chunking) dan memilih strategi yang cocok untuk jenis dokumennya. • Membuat embedding dan menyimpannya di basis data vektor, lalu mengambil kembali potongan yang relevan. • Merancang prompt yang memaksa model menjawab hanya dari konteks dan menyebut sumbernya. • Mengukur kualitas jawaban dengan set uji sendiri: ketepatan, kelengkapan, dan tingkat halusinasi. • Membatasi akses dokumen per pengguna sehingga asisten tidak membocorkan dokumen yang tidak boleh dibaca penanya. Prasyarat • Lancar Python: fungsi, kelas, virtual environment, memanggil REST API. • Pernah memakai SQL dasar. • Akun penyedia LLM mana pun, berbayar atau model terbuka yang dijalankan lokal. Instruktur mencantumkan perkiraan biaya API selama kelas. Cara belajar Belajar mandiri sesuai waktu Anda, sekitar 36 jam termasuk mengerjakan karya. Tidak ada jadwal sesi langsung. Karya dikerjakan dalam empat tahap (kerangka, draf, revisi, final), dan setiap tahap direview oleh reviewer bernama yang memberi umpan balik tertulis. Rubrik penilaian bisa Anda baca sebelum mulai mengerjakan. Kredensial Lulus tahap final dengan skor berbobot minimal 70% akan memberi Anda kredensial Terverifikasi Exelern dengan halaman verifikasi publik. Halaman itu memuat karya Anda, nama reviewer, dan rubrik yang dipakai, sehingga pemberi kerja bisa memeriksanya sendiri.