Hubungi Kami
Hubungi Kami

Online • 3 Months • AI-Project Enterprise

AI-Engineering
Bootcamp

Belajar AI Engineering dari nol, mulai dari Python, machine learning, generative AI, hingga membangun AI project yang bisa menjadi portfolio awal kamu di bidang teknologi

Dibimbing dari 0 hingga jadi AI-Engineer Professional dalam waktu 12 Minggu Bersama Rework Academy

WEEKS LEARNING
0
LEARNING SESSION
0 +
RATING
0 /5
Daftar Sekarang
bottom arrow Lihat Kurikulum

AI Engineering
Bootcamp

Hubungi Kami
Daftar Sekarang

PERKENALAN

Mulai Rintis Karir Jadi AI-Engineer
Professional Dalam 12 Minggu

Mulai Rintis Karir Jadi AI-Engineer Professional Dalam 12 Minggu

Perkembangan artificial intelligence yang semakin cepat membuat banyak perusahaan mulai membutuhkan solusi AI yang dapat dibangun dan diintegrasikan ke dalam sistem kerja mereka. Karena itu, peran AI Engineer semakin relevan untuk memahami cara kerja AI, membangun sistem berbasis machine learning dan generative AI, serta mengembangkan solusi AI untuk kebutuhan bisnis nyata.

Rework Academy menghadirkan AI Engineering Bootcamp yang dirancang secara intensif dan terstruktur untuk membantu peserta mempelajari AI dari dasar hingga implementasi praktis. Selama program, peserta akan belajar melalui live class bersama mentor praktisi, praktik menggunakan tools dan framework yang relevan, membangun aplikasi berbasis AI, mengintegrasikan Large Language Models (LLM) dan AI API, hingga mengerjakan bootcamp project untuk membangun portfolio yang siap ditunjukkan kepada recruiter maupun perusahaan.

Program ini menjadi pilihan tepat untuk kamu yang ingin memulai karier di bidang AI, memahami cara kerja teknologi yang sedang mengubah berbagai industri, membangun skill teknis yang relevan dengan kebutuhan dunia kerja, dan mempersiapkan diri menjadi talenta AI yang siap berkembang di era digital.

Perkembangan artificial intelligence yang semakin cepat membuat banyak perusahaan mulai membutuhkan solusi AI yang dapat dibangun dan diintegrasikan ke dalam sistem kerja mereka. Karena itu, peran AI Engineer semakin relevan untuk memahami cara kerja AI, membangun sistem berbasis machine learning dan generative AI, serta mengembangkan solusi AI untuk kebutuhan bisnis nyata.

ReWork Academy menghadirkan AI Engineering Bootcamp sebagai program intensif untuk membantu peserta belajar dari dasar hingga praktik. Peserta akan mempelajari Python, machine learning, generative AI, LLM, AI API, RAG, hingga membangun AI project yang dirancang untuk menjawab kebutuhan perusahaan atau enterprise.

Program ini cocok untuk kamu yang ingin membangun fondasi karier di bidang AI Engineering dan mempelajari cara membuat solusi AI yang dapat diterapkan dalam kebutuhan nyata.

PROSPEK KARIR

Prospek Karir Yang Luas Dengan Jenjang Karir Yang
Stabil, Sustainable, dan Dibutuhkan Perusahaan

Prospek Karir Yang Luas Dengan Jenjang Karir Yang Stabil, Sustainable, dan Dibutuhkan Perusahaan

Title

AI Engineer

Salary Range

Rp6.500.000+

Title

Machine Learning Engineer

Salary Range

Rp8.000.000+

Title

AI/ML Engineer

Salary Range

Rp8.000.000+​

Title

LLM Engineer

Salary Range

Rp7.500.000+

Title

AI Automation Specialist

Salary Range

Rp8.150.000+

LEARNING FACILITIES

Lihat Bagaimana Kami Membantu
Kamu Jadi Talenta Yang AI-Proof

Lihat Bagaimana Kami Membantu Kamu Jadi Talenta Yang AI-Proof

Intensive Learning

Belajar Secara Intensif
Bersama Mentor Praktisi
Selama 12 Minggu

Belajar Secara Intensif Bersama Mentor Praktisi Selama 12 Minggu

Practicioner Mentor

Fokus Membangun
Kompetensi dan Portfolio
Dalam Bidang AI-Engineer

Fokus Membangun Kompetensi dan Portfolio
Dalam Bidang AI-Engineer

Bootcamp Project

Akan Terjun Langsung Membuat AI-Project Untuk Solusi Enterprise

Materi Terupdate 2026
Sesuai Perkembangan
Industri Teknologi dan AI

Syllabus.pdf

Mendapatkan Official
Sertifikat dan Raport
dari Rework Academy

Mendapatkan Official Sertifikat dan Raport dari Rework Academy

Exclusive Community

Akses komunitas untuk
networking, diskusi, event
alumni, dan peluang karier.

CURRICULUM

Kurikulum Pembelajaran AI-Engineering Bootcamp

Kurikulum Pembelajaran AI-Engineering Bootcamp

Kurikulum AI-Engineer Berbasis Industri 2026

Peserta akan memahami landscape AI modern, perbedaan AI/ML/DL/GenAI, peran AI Engineer, serta cara membaca arsitektur produk AI dari sisi sistem.

  • Mempelajari perbedaan Artificial Intelligence, Machine Learning, Deep Learning, dan Generative AI
  • Memahami evolusi AI dari rule-based system hingga generative AI
  • Menganalisis penggunaan AI di industri SaaS, fintech, healthcare, dan e-commerce
  • Membedakan peran Data Scientist, Machine Learning Engineer, dan AI System Engineer
  • Mempelajari komponen utama AI system: data source, model layer, inference layer, application layer
  • Praktik membuat diagram arsitektur sederhana untuk AI chatbot atau AI search system
  • Memahami tools AI Engineer seperti Python, Hugging Face, LangChain, Vector Database, dan LLM API
  • Praktik menyiapkan environment, mengelola API key, dan mencoba request pertama ke Gemini API.
  • Student Kit for Beginners: Kamus 150+ Istilah AI-Engineering [PDF]
  • AI-Engineering Handbook for Beginners by Rework Academy [PDF]

Peserta akan belajar dasar Python yang dibutuhkan untuk membangun sistem AI, mulai dari logika program, data processing, API request, hingga version control.

  • Mempelajari struktur dasar program Python untuk kebutuhan AI system
  • Praktik menggunakan variables, data types, list, dictionary, conditionals, loops, dan functions
  • Memahami cara membaca, menulis, dan membedah script Python sederhana
  • Mempelajari penggunaan library Python untuk data processing
  • Praktik menggunakan NumPy dan Pandas untuk load, filter, dan aggregate data
  • Memahami konsep API, HTTP request-response, dan format data JSON
  • Praktik menarik data dari API publik menggunakan library Requests
  • Mempelajari Git dan GitHub untuk commit, push, pull, dan versioning kode

Peserta akan memahami cara mengambil, membersihkan, mengubah, dan menyimpan data agar siap digunakan dalam pipeline AI secara lebih terstruktur.

  • Mempelajari jenis data dalam AI system: structured, text, image, dan audio
  • Memahami sumber data seperti public dataset, API, database, dan internal company data
  • Praktik mengeksplor dataset dari Kaggle dan Hugging Face Datasets
  • Mempelajari masalah umum dataset seperti missing values, duplicate records, dan inconsistent format
  • Praktik data cleaning menggunakan Pandas untuk menghapus data kosong dan duplikat
  • Memahami data transformation, normalisasi, encoding, dan text data processing dasar
  • Praktik feature engineering sederhana untuk menambahkan fitur baru pada dataset
  • Membangun simple data pipeline: fetch, clean, transform, save, dan push ke GitHub

Peserta akan belajar konsep dasar Machine Learning, pembagian dataset, evaluasi model, serta risiko overfitting, underfitting, bias, dan hallucination dalam sistem AI

  • Mempelajari konsep Machine Learning dan cara model menemukan pola dari data
  • Memahami supervised learning, unsupervised learning, dan pengantar reinforcement learning
  • Membedakan model training dan model inference dalam workflow AI
  • Mempelajari pembagian data menjadi training set, validation set, dan test set
  • Memahami overfitting, underfitting, dan generalization pada model AI
  • Praktik membaca metrik evaluasi seperti accuracy, precision, recall, dan F1-score
  • Menganalisis trade-off precision vs recall dalam konteks bisnis
  • Memahami risiko data bias, model hallucination, dan keterbatasan representasi data

Peserta akan memahami dasar Deep Learning, neural network, text embeddings, arsitektur Transformer, serta penggunaan pre-trained model untuk inference berbasis teks.

  • Mempelajari struktur Neural Network: input layer, hidden layer, dan output layer
  • Memahami weights, biases, activation functions, dan cara model belajar pola
  • Mempelajari text embeddings untuk mengubah teks menjadi representasi angka
  • Memahami keterbatasan RNN dan LSTM dalam memproses teks panjang
  • Mempelajari Transformer Architecture dan self-attention sebagai fondasi LLM modern
  • Memahami perbedaan training from scratch, transfer learning, fine-tuning, dan inference
  • Praktik menjalankan sentiment analysis menggunakan pre-trained model
  • Menganalisis output probabilitas dari model NLP modern berbasis Hugging Face

Peserta akan belajar cara kerja Transformer dan Large Language Model, termasuk tokenization, self-attention, model inference, dan pengaturan parameter output LLM.

  • Mempelajari evolusi NLP dari pendekatan tradisional hingga Transformer
  • Memahami keterbatasan Bag-of-Words dan RNN dalam memahami konteks bahasa
  • Mempelajari self-attention, multi-head attention, positional encoding, encoder, dan decoder
  • Memahami Large Language Model sebagai model deep learning berskala besar
  • Mempelajari model card dan limitasi LLM seperti hallucination dan bias
  • Memahami tokenization, input tokens, output tokens, dan pengaruhnya terhadap biaya
  • Praktik memanggil LLM melalui Gemini API menggunakan Python
  • Praktik mengatur temperature, max tokens, dan top-p untuk mengontrol output model

Peserta akan memahami bagaimana AI mengubah teks menjadi vector, menghitung kemiripan makna, dan menggunakan embedding untuk semantic search atau recommendation system.

  • Mempelajari konsep text embedding sebagai representasi teks dalam bentuk vector
  • Memahami perbedaan Bag-of-Words dengan embedding modern
  • Menganalisis bagaimana embedding menangkap makna semantik dari teks
  • Praktik membuat embedding menggunakan Gemini Embeddings API
  • Mempelajari semantic similarity dan cara membandingkan makna antar kalimat
  • Praktik menghitung cosine similarity menggunakan Python dan NumPy
  • Memahami vector representation dalam ruang multidimensi
  • Mempelajari perbedaan embedding model berbasis API dan open-source

Peserta akan belajar membangun semantic search dengan vector database, mulai dari membuat embedding, menyimpan data, melakukan query, hingga membaca ranking hasil pencarian.

  • Mempelajari perbedaan keyword search dan semantic search
  • Memahami cara kerja vector search untuk menemukan data paling relevan
  • Mempelajari cosine similarity dan cara membaca similarity score
  • Praktik membuat index vector database menggunakan Pinecone
  • Praktik melakukan upsert: menyimpan embedding dan metadata ke vector database
  • Praktik melakukan query berbasis vector untuk menarik dokumen paling relevan
  • Mempelajari arsitektur vector database, ANN, HNSW, dan metadata filtering
  • Memahami perbedaan FAISS untuk prototipe lokal dan Pinecone untuk managed service

Peserta akan memahami ekosistem LLM, perbedaan proprietary dan open-source model, cara memilih model, serta menggunakan Hugging Face untuk menjalankan inference.

  • Mempelajari peran LLM dalam sistem AI modern
  • Membandingkan proprietary model dan open-source model dari sisi cost, performa, dan fleksibilitas
  • Memahami use case LLM seperti chatbot, summarization, code generation, dan knowledge retrieval
  • Menganalisis trade-off API model vs self-hosted model untuk production system
  • Praktik mencari dan membaca model card di Hugging Face Hub
  • Mempelajari model, dataset, tokenizer, dan pipeline dalam ekosistem Hugging Face
  • Memahami tokenization dan pengaruhnya terhadap latency serta biaya API
  • Praktik memilih model berdasarkan performance, cost, latency, dan kebutuhan produk

Peserta akan belajar membuat prompt yang lebih terstruktur, konsisten, dan siap dipakai dalam sistem backend, bukan hanya prompt sederhana untuk eksperimen.

  • Mempelajari dasar prompt engineering dan peran prompt dalam mengarahkan output LLM
  • Memahami struktur prompt yang baik: persona, context, task, dan format
  • Praktik membandingkan prompt sederhana dengan structured prompt
  • Mempelajari zero-shot prompting, few-shot prompting, dan chain-of-thought
  • Praktik membuat prompt dengan contoh agar output lebih konsisten
  • Mempelajari temperature, top-p, dan max tokens untuk mengontrol output model
  • Praktik membuat template prompt untuk classification atau summarization
  • Mempelajari teknik prompt engineering untuk menghasilkan respons AI yang lebih rapi, fokus, dan siap digunakan pada aplikasi atau sistem.

Peserta akan belajar membangun sistem RAG yang menggabungkan LLM, retrieval, embedding, vector database, dan prompt agar AI menjawab berdasarkan dokumen.

  • Mempelajari konsep RAG sebagai gabungan LLM dan external knowledge retrieval
  • Memahami komponen RAG: embedding, retriever, generator, dan knowledge base
  • Mempelajari document ingestion pipeline untuk memasukkan dokumen ke sistem RAG
  • Memahami chunking, embedding dokumen, dan penyimpanan ke vector database
  • Praktik retrieval pipeline untuk mengambil dokumen relevan berdasarkan query user
  • Mempelajari similarity search, ranking, filtering, dan kualitas retrieval
  • Memahami RAG optimization seperti hybrid search, semantic chunking, dan re-ranker
  • Praktik membangun chatbot RAG sederhana dengan LangChain, Gemini API, dan Pinecone

Peserta akan memahami cara membuat sistem AI yang tidak hanya menjawab teks, tetapi juga bisa menggunakan tools, mengambil keputusan, dan menjalankan workflow.

  • Mempelajari orchestration dalam arsitektur sistem AI modern
  • Memahami Chain, Memory, Prompt Templating, dan workflow dinamis menggunakan LangChain
  • Mempelajari perbedaan chain linear dan orchestration yang lebih fleksibel
  • Memahami stateful orchestration menggunakan LangGraph
  • Mempelajari konsep state, nodes, edges, conditional edges, dan human-in-the-loop
  • Praktik membuat tool eksternal sederhana menggunakan fungsi Python
  • Praktik menghubungkan tool ke LLM agar AI bisa memilih kapan harus memakai tool
  • Membangun workflow multi-step dengan intent detection, retrieval, prompt processing, dan tool calling

Peserta akan belajar mengubah script AI berbasis terminal menjadi backend API yang bisa diakses aplikasi lain melalui endpoint yang rapi dan stabil.

  • Mempelajari konsep API dalam sistem AI dan alur request-response
  • Praktik membangun endpoint API sederhana menggunakan FastAPI
  • Memahami arsitektur AI service yang memisahkan backend, model, dan data layer
  • Mempelajari request schema dan validasi input menggunakan Pydantic
  • Praktik mencegah server crash akibat input user yang tidak sesuai format
  • Mengintegrasikan LLM ke dalam backend API menggunakan Gemini API
  • Mempelajari handling latency, error, dan response formatting
  • Praktik menguji endpoint melalui Swagger UI atau Postman

Peserta akan belajar membungkus aplikasi AI dengan Docker, menjalankannya secara lokal, lalu melakukan deployment ke cloud agar bisa diakses publik.

  • Mempelajari perbedaan development environment dan production environment
  • Memahami konsep deployment pipeline dalam aplikasi AI
  • Mempelajari containerization menggunakan Docker untuk aplikasi Python
  • Praktik membuat Dockerfile untuk mengemas AI API service
  • Praktik build dan run container secara lokal
  • Mempelajari deployment container ke cloud platform seperti Google Cloud Run
  • Mengatur environment variables untuk API key dan konfigurasi rahasia
  • Memahami praktik keamanan dasar dalam menyimpan API key dan credential agar tidak terekspos melalui repository.

Peserta akan belajar memonitor aplikasi AI di production, melacak latency, token usage, cost, error, trace, dan kualitas output menggunakan pendekatan LLMOps.

  • Mempelajari konsep LLMOps dan observability dalam aplikasi AI
  • Memahami perbedaan monitoring aplikasi AI dan aplikasi software tradisional
  • Mempelajari metrik penting seperti latency, token usage, cost, dan accuracy
  • Praktik mengintegrasikan LangSmith ke dalam workflow LangChain atau LangGraph
  • Menganalisis trace untuk melihat alur prompt, chain, tool call, dan error
  • Mempelajari debugging bottleneck pada pipeline AI secara visual
  • Memantau biaya API dan mendeteksi anomali request atau penggunaan token
  • Mempelajari automated evaluation, LLM-as-a-Judge, dan feedback loop

Peserta akan belajar mengoptimasi performa AI system, mengurangi latency, memakai caching, mengelola batch inference, dan menekan biaya operasional aplikasi AI.

  • Mempelajari faktor yang mempengaruhi latency dalam AI system
  • Memahami strategi mengurangi response time pada AI API
  • Mempelajari streaming response untuk meningkatkan pengalaman pengguna
  • Praktik caching menggunakan Redis atau Upstash untuk pertanyaan berulang
  • Memahami response caching dan embedding caching dalam AI system
  • Mempelajari batch inference untuk memproses data secara massal
  • Menganalisis real-time processing vs batch processing berdasarkan use case
  • Mempelajari cost optimization melalui model routing, caching, dan pemilihan model

Peserta akan belajar menggunakan AI sebagai partner engineering untuk membuat boilerplate, debugging, refactoring, prototyping, dan mempercepat workflow pengembangan software.

  • Mempelajari konsep AI-first IDE dan agent-powered development workflow
  • Praktik menggunakan Agentic IDE seperti Google Antigravity untuk project scaffolding
  • Memahami bagaimana AI dapat membaca terminal, browser, file system, dan error log
  • Mempelajari AI pair programming menggunakan Claude, Gemini, atau Cursor
  • Praktik membuat UI prototype atau dashboard sederhana dengan bantuan AI
  • Menganalisis log error panjang menggunakan model dengan context window besar
  • Mempelajari advanced prompting untuk software engineering
  • Praktik refactoring spaghetti code menjadi clean code dengan prompt terstruktur

Peserta akan memahami governance, keamanan, risiko, bias, safety guardrails, serta strategi build vs buy dalam merancang sistem AI yang aman dan bertanggung jawab.

  • Mempelajari AI governance dalam konteks produk dan perusahaan
  • Membandingkan model proprietary API dan open-source dari sisi privasi dan compliance
  • Memahami risiko prompt injection, jailbreaking, dan data leakage
  • Mempelajari safety guardrails, input filtering, dan output censoring
  • Menganalisis bias dalam training data atau dokumen RAG
  • Mempelajari strategi grounding agar AI tidak berhalusinasi
  • Memahami build vs buy strategy untuk kebutuhan privasi dan budget perusahaan
  • Menganalisis total cost of ownership antara API model dan self-hosted model

Peserta akan belajar merancang arsitektur AI end-to-end, memilih model, membuat keputusan trade-off, dan menyusun blueprint sistem AI yang siap dibangun.

  • Mempelajari perancangan arsitektur sistem AI dari input hingga output
  • Memahami komponen utama seperti data, model, API, backend, dan frontend
  • Praktik menggambar blueprint AI system menggunakan Miro
  • Mempelajari model selection strategy berdasarkan privasi, latency, cost, dan performa
  • Membandingkan API model dan self-hosted model untuk use case berbeda
  • Menganalisis trade-off antara accuracy, speed, cost, security, dan scalability
  • Mempelajari best practice desain sistem AI yang modular dan scalable
  • Praktik membedah case study produk AI dari sisi teknis dan bisnis

Peserta akan belajar mengemas project AI menjadi portfolio profesional, membuat dokumentasi GitHub, memahami client workflow, pricing, handover, dan peluang freelance global.

  • Mempelajari cara membuat portfolio AI Engineering yang terlihat profesional
  • Praktik mengemas project RAG, Agentic AI, atau AI API menjadi showcase GitHub
  • Memahami platform freelance global seperti Upwork, Toptal, dan LinkedIn
  • Mempelajari cara menulis proposal dan pitch untuk project AI
  • Mempelajari cara mencari project dan freelance as AI-Engineering
  • Tips presentasi, negosiasi, dan dealing bersama dengan client

Selama 3 minggu, peserta akan menjalani AI project berbasis kebutuhan enterprise dengan membangun solusi AI secara end-to-end, mulai dari scoping, desain arsitektur, coding, integrasi sistem, deployment, dokumentasi, hingga final demo bersama mentor.

TOTAL DURASI: 3 MINGGU

  • Bootcamp Project: Membangun AI Enterprise Project Selama 3 Minggu. Peserta akan berperan sebagai AI-Engineer untuk menjawab kebutuhan enterprise berdasarkan kasus nyata yang diambil dari perusahaan mitra (Real-Company Case)
  • Akan ada weekly mentoring bersama mentor untuk bimbingan project, peserta bisa konsultasi seputar dengan project yang sedang dijalankan. Project akan dilangsungkan secara berkelompok atau dalam tim
  • Hasil dari bootcamp project dapat dijadikan sebagai portfolio professional untuk keperluan pencarian kerja, project, atau karir
Akses Silabus

TOOLS & APPS

Tools & Aplikasi Yang Akan Digunakan Dan Dipelajari
Selama Program Bootcamp Berlangsung

Tools & Aplikasi Yang Akan Digunakan Dan Dipelajari Selama Program Bootcamp Berlangsung

OUR MENTOR

Belajar Bersama Mentor Praktisi Berpengalaman
Dalam Bidang AI-Engineer

Belajar Bersama Mentor Praktisi Berpengalaman Dalam Bidang AI-Engineer

AI-Engineer

Dhiaul Ma'ruf

AI Engineer
at Telkom Indonesia

Ahli LLM, RAG, computer vision, speech-to-text, GPU acceleration, Kubernetes, CUDA, dan deployment AI system yang scalable.

6+ Years of Experience

AI-Engineer

Eka Surya A.

Senior AI Engineer
at Telkomsel Ecosystem Digital

Ahli AI, machine learning, generative AI, RAG, computer vision, recommendation system, AI automation, dan implementasi solusi AI berbasis industri.

5+ tahun pengalaman

AI-Engineer

Abdurrahman

Senior Data Scientist
at Legal Tech Company

Ahli machine learning, NLP, large language models, LLMOps, prompt engineering, scalable data systems, dan deployment AI solution siap produksi.

8+ Years of Experience

AI-Engineer

Rizqi Okta Ekoputris

AI/ML Engineer
at Omdena

Ahli artificial intelligence, machine learning, data science, computer vision, agentic AI, dan pengembangan solusi data-driven untuk berbagai kebutuhan industri.

8+ tahun pengalaman

BOOTCAMP JOURNEY

12 Minggu Belajar Intensif Mulai Dari Belajar
Intensif Hingga Bootcamp AI-Project

12 Minggu Belajar Intensif Mulai Dari Ilmu Dasar Hingga Bootcamp AI-Project

AI-Engineer Bootcamp Journey

12 WEEKS

Tahap 1

Tahap 1

Onboarding Siswa

Sesi onboarding untuk mengenal ekosistem belajar Rework Academy, memahami alur program, aktivasi akses materi dan kelas, serta briefing teknis agar kamu lebih siap mengikuti seluruh rangkaian bootcamp.

Tahap 2

Tahap 2

Intensive Learning

Belajar materi AI Engineering secara bertahap melalui sesi live online interaktif bersama mentor praktisi, dengan alur pembelajaran mulai dari fundamental AI, Python programming, data processing, machine learning, generative AI, hingga LLM application.

Tahap 3

Tahap 3

Bootcamp Project: AI-Project for Enterprise

Dalam AI-Project ini, peserta akan menerapkan pemahaman dari intensive learning dengan berperan sebagai AI Engineer untuk menjawab kebutuhan enterprise berbasis Real-Company Case. Peserta akan merancang solusi, membangun sistem menggunakan tools AI yang relevan, hingga meluncurkan hasil project secara profesional.

Tahap 4

Tahap 4

Project Presentation to Mentors

Setelah menyelesaikan AI Project, peserta akan mempresentasikan solusi yang telah dibangun kepada mentor praktisi. Project akan direview melalui berbagai skenario pengujian untuk mengevaluasi kualitas output, reliability, efektivitas workflow, serta keputusan teknis yang digunakan selama proses pengembangan.

Peserta akan mendapatkan evaluasi, feedback, dan arahan pengembangan dari mentor berdasarkan project yang telah dikerjakan. Hasil project ini dapat dijadikan sebagai portfolio profesional untuk menunjukkan kemampuan sebagai AI Engineer.

Tahap 5

Tahap 5

Graduation Ceremony

Di tahap akhir, peserta akan mengikuti Graduation Ceremony sebagai penanda telah menyelesaikan seluruh rangkaian pelatihan. Peserta juga akan menerima sertifikat, rapor, dan Official Badge dari Rework Academy.

OUTPUT BOOTCAMP

Setelah Lulus: Punya Skill dan Portfolio,
Siap Jadi AI Engineering Professional

Setelah Lulus: Punya Skill dan Portfolio, Siap Jadi AI Engineering Professional

Nama Kamu

AI-Engineer Professional

Linkedin
Github
  • Hard Skill

AI System Architecture

Python Programming

Data Pipeline

Machine Learning Basics

LLM Fundamentals

Prompt Engineering

Text Embeddings

Semantic Search

Vector Database

RAG Development

AI Agent Workflow

Backend API Development

Cloud Deployment

LLMOps Monitoring

  • Tools

Python

Visual Studio Code

NumPy

Pandas

Requests

Scikit-learn

PyTorch

Hugging Face

Google AI Studio

Gemini API

FAISS

FastAPI

Docker

Google Cloud Platform

LangSmith

LangChain

LangGraph

ChatGPT

Claude

  • Education

ReWork Academy
AI-Engineering Bootcamp

Pelatihan intensif bersama mentor praktisi selama 12 minggu dengan AI Project for Enterprise sebagai tahapan ujian akhir.

Hands-on Learning

AI-Project for Enterprise

Bimbingan Mentor

Official

Rework Academy
Certificate Badges

JADWAL BOOTCAMP

Lihat Jadwal Bootcamp Terdekat

Jadwal terdekat

15 Agustus 2026

UPCOMING SCHEDULE

Bootcamp Duration

3 Months

Kuota Peserta

± 50 Peserta

Pelaksanaan Kelas

Full Online (Daring)

Akses Materi

Lifetime Access

Jadwal Kelas

Zoom Class (After-Work)

  • Selasa dan Jumat
  • 19.30 - 22.00 WIB

Next Batch

Desember 2026

TO BE ANNOUNCE

JADWAL BOOTCAMP

Biaya Pelatihan AI-Engineering

Bootcamp dari

Academy

BEST VALUE

Professional AI-Engineering Bootcamp

AI-Engineering Bootcamp

NORMAL PRICE

Rp 20.000.000

EARLYBIRD SEAT

Rp 2.999.900

HEMAT 75%

Berlaku hingga 15 Juni 2026

Tersedia Skema Cicilan Bunga 0%

!

Cicilan 0% hingga 4x pembayaran, hubungi admisi untuk informasi lebih lanjut

  • Mulai dari Rp 750.000 / bulan

Semua yang kamu dapatkan :

  • Pembelajaran Intensif (12 Weeks)
  • 20+ Sesi Pembelajaran Bersama Mentor Expert
  • Materi AI-Engineer Terupdate 2026
  • Hands-on Lab & Live Coding Sessions
  • Akses Lifetime ke Rekaman Kelas & PDF Materi
  • Bisa Konsultasi Diluar Kelas Bersama Tutor
  • Official Certificate & AI-Engineer Badge
  • Portfolio Kerja dari Task, Assignment, hingga Project
  • Akses Komunitas Alumni ReWork Acedemy
  • Bootcamp AI-Project: AI Solution for Enterprise
Centang 2 persetujuan dulu sebelum klik Daftar Sekarang.
Daftar Sekarang

Informasi Angsuran Mulai dari 750.000/Bulan [Klik Disini]

Opsi Cicilan Mulai dari 750.000/Bulan [Klik Disini]

  • Pembayaran aman, data pribadi Anda terlindungi

FREQUENTLY ASK QUESTION

Lihat Informasi Tambahan Tentang Program Kami

AI-Engineer Bootcamp ReWork Academy adalah program pelatihan intensif yang dirancang untuk membantu peserta membangun skill AI Engineering dari dasar hingga mampu membuat sistem AI yang dapat digunakan dalam kebutuhan bisnis atau enterprise. Di program ini, peserta tidak hanya belajar konsep AI, tetapi juga praktik membangun AI system seperti LLM application, RAG system, AI agent workflow, backend API, deployment, hingga observability.

Program ini cocok untuk kamu yang ingin memahami bagaimana AI digunakan secara nyata di dunia kerja, bukan hanya memakai tools AI secara permukaan. Fokus pembelajarannya adalah membangun kemampuan teknis sebagai AI Engineer yang dapat merancang, mengembangkan, dan meluncurkan solusi AI secara profesional.

Tidak wajib memiliki background IT, namun peserta tetap perlu memiliki komitmen belajar yang kuat karena program ini bersifat teknis dan berbasis praktik. Materi akan dimulai dari fundamental seperti Python, AI system architecture, data processing, API, hingga penggunaan tools AI modern.

Bagi peserta yang belum punya background IT, program ini akan membantu membangun dasar secara bertahap.

Pelatihan berlangsung selama 12 minggu dengan format pembelajaran intensif yang menggabungkan live session, praktik langsung, assignment, mentoring, dan project. Peserta akan belajar secara bertahap mulai dari fundamental AI Engineering, Python, data pipeline, machine learning, LLM, prompt engineering, RAG, AI agent, backend API, deployment, hingga portfolio building.

Setiap sesi dirancang agar peserta tidak hanya memahami teori, tetapi juga langsung mempraktikkan materi menggunakan tools industri seperti Python, Gemini API, LangChain, LangGraph, Pinecone, FastAPI, Docker, GCP, dan LangSmith. Di akhir program, peserta akan mengerjakan AI-Project berbasis kebutuhan enterprise sebagai portfolio profesional.

Ya, peserta akan mengerjakan AI-Project for Enterprise sebagai bagian penting dari program. Project ini dirancang agar peserta dapat menerapkan pemahaman dari intensive learning dengan berperan sebagai AI Engineer dalam menyelesaikan kebutuhan enterprise berbasis real-company case.

Dalam project ini, peserta akan belajar merancang solusi, membangun sistem AI, menggunakan tools AI industri, melakukan deployment, serta menyusun dokumentasi project secara profesional.

Hasil dari project dapat dijadikan sebagai portfolio profesional untuk merintis karir sebagai seorang AI-Engineer

Ya, peserta akan mendapatkan sertifikat setelah menyelesaikan rangkaian program sesuai ketentuan yang berlaku. Sertifikat ini menjadi bukti bahwa peserta telah mengikuti AI-Engineer Bootcamp dan membangun kompetensi melalui pembelajaran intensif, praktik tools, assignment, serta project akhir.

Selain sertifikat, peserta juga akan memiliki portfolio project yang lebih kuat untuk ditampilkan di GitHub, LinkedIn, CV, atau saat melamar pekerjaan. Jadi output program tidak hanya berupa bukti keikutsertaan, tetapi juga hasil kerja nyata yang menunjukkan kemampuan teknis peserta.

AI Engineering

Cyber Security

Corporate Training

Hire Our Graduate

About Us