Aethera Teknologi Indonesia (ATI) adalah lembaga yang berfokus pada pengembangan teknologi berbasis kecerdasan buatan untuk mendukung pendidikan, bisnis, dan riset di Indonesia. Melalui program pelatihan dan workshop, ATI menghadirkan pembelajaran AI yang praktis, terstruktur, dan relevan dengan kebutuhan industri.
Kami percaya bahwa setiap individu — baik pelajar, profesional, maupun peneliti — dapat berkontribusi dalam transformasi digital melalui pemahaman teknologi AI. Oleh karena itu, seluruh program kami dirancang dengan pendekatan hands-on project, mentor berpengalaman yang tersertifikasi NVIDIA, dan materi terkini yang sesuai dengan tren global.
Detail Pelatihan dan Workshop
Officer
Data Literacy for Professionals
Subject: Digital & Data Skills
Memberikan pemahaman dasar tentang konsep data dan penggunaannya untuk mendukung pekerjaan sehari-hari.
- Menjelaskan definisi data, informasi, dan pengetahuan.
- Mengidentifikasi tipe data (kuantitatif, kualitatif, terstruktur, tidak terstruktur).
- Membaca tabel dan grafik sederhana.
Menginterpretasi angka dasar (mean, median, mode). - Mengenali bias dan kesalahan dalam data.
Menggunakan data untuk mendukung keputusan operasional. - Mengetahui sumber data internal & eksternal organisasi.
- Memahami konsep data privacy & keamanan dasar.
- Menggunakan tools sederhana untuk eksplorasi data (Excel/Google Sheets).
Menyusun laporan singkat berbasis data.
SQL for Business Users
Subject: Digital & Data Skills
Melatih profesional non-teknis agar mampu menggunakan SQL untuk mengambil data dari sistem perusahaan.
- Memahami struktur database relasional.
- Menulis query dasar (SELECT, WHERE).
- Menggunakan operasi JOIN.
- Mengelompokkan data dengan GROUP BY dan HAVING.
- Menggunakan fungsi agregasi (COUNT, SUM, AVG).
- Membuat filter dan sortir data.
- Menulis subquery sederhana.
- Mengekspor hasil query ke spreadsheet.
- Memahami perbedaan OLTP vs OLAP.
- Membuat laporan sederhana berbasis SQL.
Fundamentals of AI & Machine Learning
Subject: AI & ML
Memberikan pemahaman dasar tentang konsep AI dan ML bagi profesional yang belum memiliki latar belakang teknis mendalam.
- Menjelaskan definisi Artificial Intelligence dan Machine Learning.
- Mengenali perbedaan AI, ML, dan Deep Learning.
- Memahami konsep supervised, unsupervised, dan reinforcement learning.
- Mengetahui contoh penggunaan AI dalam kehidupan sehari-hari.
- Memahami alur kerja ML (data–model–evaluasi).
- Mengenali pentingnya data dalam proyek AI.
- Mengetahui metrik dasar evaluasi model (accuracy, precision, recall).
- Memahami keterbatasan dan tantangan AI.
- Mengetahui peluang penerapan AI di industri non-teknis.
- Menumbuhkan literasi AI untuk mendukung pekerjaan harian.
Senior
Practical Machine Learning for Industry
Subject: AI-ML
Praktik ML untuk pemecahan masalah nyata di industri manufaktur, logistik, dan layanan.
- Memahami workflow machine learning (problem–data–model–deployment).
- Mengimpor dan membersihkan dataset industri.
- Menggunakan teknik feature engineering dasar.
- Menerapkan algoritma supervised learning (regresi, klasifikasi).
- Mengevaluasi model dengan metrik akurasi, F1-score, dan ROC.
- Membandingkan baseline model dengan model ML.
- Melakukan tuning hyperparameter sederhana.
- Menyajikan hasil model dalam bentuk visualisasi.
- Membuat mini pipeline untuk workflow end-to-end.
- Membahas keterbatasan ML dan risiko dalam konteks industri.
Applied Data Analytics with Python
Subject: Digital & Data Skills
Analitik data menggunakan Python untuk mendukung pengambilan keputusan berbasis data.
- Instalasi Python dan Jupyter Notebook.
- Membaca dataset dengan Pandas.
- Membersihkan data (handling missing, outlier).
- Membuat visualisasi dasar (Matplotlib, Seaborn).
- Analisis deskriptif data.
- Analisis korelasi antar variabel.
Building AI-Ready Data Pipelines
Subject: AI-ML
Workshop praktis tentang bagaimana data dipersiapkan agar siap dipakai untuk proyek AI.
- Memahami perbedaan data operasional & data analitik.
- Mengumpulkan data dari berbagai sumber.
- Membersihkan data (missing, outlier).
- Melakukan transformasi data untuk ML.
- Menggunakan ETL tools sederhana.
- Mengenal data lake & data warehouse.
- Membuat feature store sederhana.
- Mengelola data labeling untuk supervised learning.
- Menyusun dokumentasi data.
- Memahami pentingnya data governance untuk AI.
Generative AI & Prompt Engineering for Professionals
Subject: AI-ML
Memanfaatkan LLM (Large Language Models) untuk meningkatkan produktivitas kerja dengan keterampilan prompt engineering.
- Memahami konsep dasar Generative AI.
- Mengenali peran LLM dalam pekerjaan profesional.
- Membuat prompt dasar untuk teks.
- Menyusun prompt efektif untuk analisis dokumen.
- Menggunakan prompt untuk menghasilkan ringkasan.
- Menggunakan prompt untuk ideasi & brainstorming.
- Mendesain prompt untuk coding assistant.
- Memahami keterbatasan LLM & bias.
- Mengetahui prinsip etika penggunaan GenAI.
- Mengintegrasikan GenAI ke alur kerja harian.
Building AI-Ready Data Pipelines
Subject: AI-ML
Workshop praktis tentang bagaimana data dipersiapkan agar siap dipakai untuk proyek AI.
- Memahami perbedaan data operasional & data analitik.
- Mengumpulkan data dari berbagai sumber.
- Membersihkan data (missing, outlier).
- Melakukan transformasi data untuk ML.
- Menggunakan ETL tools sederhana.
- Mengenal data lake & data warehouse.
- Membuat feature store sederhana.
- Mengelola data labeling untuk supervised learning.
- Menyusun dokumentasi data.
- Memahami pentingnya data governance untuk AI.
Executif
AI for Non-Technical Leaders
Subject: AI-ML
- Memahami konsep AI & ML tanpa kode.
- Mengenali tren adopsi AI global.
- Mengidentifikasi peluang AI dalam organisasi.
- Memahami keterbatasan AI.
- Mengukur nilai bisnis dari AI.
- Menghubungkan strategi AI dengan visi perusahaan.
- Memahami risiko etis AI.
- Menentukan prioritas proyek AI.
- Mengetahui peran data dalam keberhasilan AI.
- Merancang roadmap adopsi AI tingkat eksekutif.
Leading with Data
Subject: Digital Leadership
Membekali pemimpin dengan keterampilan mengambil keputusan strategis berbasis data.
- Memahami konsep data-driven decision making.
- Mengidentifikasi KPI bisnis yang relevan.
- Menggunakan dashboard eksekutif.
- Membaca tren data strategis.
- Menghubungkan insight data dengan strategi bisnis.
- Mengkomunikasikan hasil analitik ke stakeholder.
- Mengintegrasikan data dari berbagai departemen.
- Memahami keterbatasan data.
- Menentukan prioritas berdasarkan analitik.
- Mengembangkan budaya organisasi berbasis data.
AI Ideation & Use Case Design for Industry
Subject: AI-ML
Membantu tim profesional dan eksekutif mengidentifikasi peluang AI di organisasi mereka.
- Memahami potensi AI di berbagai industri.
- Mengenali tantangan bisnis yang bisa dipecahkan AI.
- Menggunakan framework ideasi (Design Thinking + AI Canvas).
- Menyusun problem statement untuk AI.
- Mengidentifikasi data yang dibutuhkan untuk solusi AI.
- Menilai kelayakan proyek AI (teknis & bisnis).
- Membuat prioritas use case AI.
- Membuat AI project charter.
- Memahami resiko etika & regulasi AI.
- Menyusun roadmap implementasi use case AI.
Responsible & Ethical AI
Subject: Digital Leadership
Memberikan wawasan tentang tata kelola, etika, dan risiko implementasi AI di organisasi.
- Memahami isu bias dalam AI.
- Menjelaskan prinsip transparansi AI.
- Mengenali regulasi global terkait AI.
- Menilai risiko privasi & keamanan data.
- Menetapkan prinsip fairness dalam proyek AI.
- Memahami konsep explainable AI.
- Mengelola risiko AI dalam organisasi.
- Menyusun framework tata kelola AI.
- Menetapkan kode etik penggunaan AI.
- Mempromosikan literasi etika AI di perusahaan.