🔎 Overview #
Dasar bekerja dengan Large Language Model (LLM) — memahami cara kerja LLM secara konseptual, teknik prompt engineering, dan penggunaan API LLM komersial (OpenAI/Anthropic/Gemini) untuk membangun fitur berbasis AI. Kursus ini membuka jalur LLM/GenAI yang jadi pembeda utama profesi AI Engineer di pasar 2026.
🏷️ Status: Wajib Project — kursus ini membangun kompetensi inti jalur LLM/GenAI yang membedakan AI Engineer di pasar kerja saat ini, sehingga wajib menghasilkan project portofolio penuh: dokumentasi + GitHub + opsi masuk portfolio.edusoftcenter.com.
Prasyarat: Kursus Machine Learning Fundamentals (wajib).
📚 Struktur Silabus #
Fase A — Tatap Muka (16 Jam, 2 Hari Fullday) #
Hari 1 (8 Jam) #
- Sesi 1 (Teori, 2 jam): Apa itu LLM, cara kerja secara konseptual (tokenization, context window, temperature), perbedaan model open-source vs closed-source.
- Sesi 2 (Praktik Terbimbing, 2 jam): Setup akses API (OpenAI/Anthropic), memanggil API pertama lewat Python, memahami parameter (temperature, max_tokens, system prompt).
- Sesi 3 (Teori Lanjutan, 2 jam): Teknik prompt engineering — zero-shot, few-shot, chain-of-thought, role prompting, structured output (JSON mode).
- Sesi 4 (Praktik Terbimbing Lanjutan, 2 jam): Praktik menyusun prompt untuk berbagai use case (ringkasan, klasifikasi teks, ekstraksi data terstruktur), evaluasi kualitas output.
Hari 2 (8 Jam) #
- Sesi 5 (Latihan Mandiri Terbimbing, 3 jam): Soal berjenjang — menyusun prompt untuk kasus bisnis berbeda (customer service, ringkasan dokumen, klasifikasi sentimen).
- Sesi 6 (Simulasi Mini-Case, 3 jam): Membangun script yang memproses banyak input teks lewat LLM API (mis. mengklasifikasi 20 review pelanggan), dibahas bersama.
- Sesi 7 (Review & Evaluasi, 1,5 jam): Recap, diskusi batasan & etika penggunaan LLM (hallucination, bias, data privacy).
- Sesi 8 (Briefing Project Pasca-Training, 0,5 jam): Brief: bangun 1 tool berbasis LLM API untuk kasus nyata pilihan sendiri (mis. asisten ringkasan email, klasifikasi tiket support), tenggat H+14.
Fase B — Pasca-Training (Online, self-paced, tenggat disarankan H+14) #
Script/tool berfungsi + dokumentasi prompt yang dipakai dan alasan desainnya, push ke GitHub, submit via dashboard Elearning (edusoftcenter.com/dashboard/) untuk direview. Project yang lolos review bisa diajukan masuk portfolio.edusoftcenter.com.
🛠️ Tools & Software #
- Python, OpenAI/Anthropic API, Jupyter Notebook/VS Code
🎯 Output Kompetensi #
Setelah menyelesaikan kursus, peserta mampu:
- Memahami cara kerja LLM secara konseptual.
- Menyusun prompt efektif untuk berbagai use case.
- Mengintegrasikan API LLM ke dalam script/aplikasi sederhana.
⏳ Durasi & Mode Kursus #
- Total: 16 Jam (2x sesi fullday @ 8 jam) + Project Pasca-Training mandiri (tenggat H+14)
- Online — live via platform digital, akses rekaman fleksibel.
- Offline (Solo) — tatap muka reguler di lokasi Edusoft.
- Offline Custom Location — tersedia untuk grup/korporat luar kota (hubungi kami untuk penjadwalan).
💰 Biaya Kursus #
- Kelas Reguler: Rp 1.000.000
- Kelas Private: Rp 2.000.000
Tertarik Ikut Kursus LLM & Prompt Engineering Fundamentals?
Tanyakan jadwal terdekat, harga, dan cara pendaftaran langsung ke tim kami via WhatsApp.
Atau isi form ini, tim kami yang hubungi Anda balik
Cukup isi nama & no. WhatsApp — kursus sudah terpilih otomatis sesuai halaman ini, tapi bisa diganti.
📅 Jadwal Batch #
Kelas privat tersedia kapan saja — kelas reguler by request, hubungi kami untuk jadwal.
❓ Pertanyaan Umum (FAQ) #
Apa prasyarat sebelum mengikuti Kursus LLM & Prompt Engineering Fundamentals? #
Wajib sudah menyelesaikan Kursus Machine Learning Fundamentals, karena kursus ini melanjutkan fondasi pemahaman model AI ke arah LLM dan aplikasi berbasis API komersial.
Apakah kursus ini mengajarkan cara melatih LLM dari nol? #
Tidak. Fokus kursus ini adalah menggunakan LLM lewat API komersial (OpenAI/Anthropic/Gemini) dan teknik prompt engineering, bukan melatih model dari nol yang membutuhkan resource komputasi besar.
Apa kelanjutan setelah menyelesaikan kursus ini? #
Kursus lanjutan yang disarankan adalah Membangun Aplikasi AI dengan LangChain & RAG, capstone roadmap AI Engineer yang mengajarkan cara membangun aplikasi AI berbasis data spesifik.
Disusun & direview oleh Komarudin Syarif — Trainer Edusoft Center.
Terakhir diperbarui: 9 Agustus 2026.
