Hubungi Kami
Hubungi Kami

4 Months • AI-Project Enterprise • Internship Placement

Accelerator
AI-Engineering
Bootcamp

Career
Accelerator
AI-Engineering
Bootcamp

Belajar AI Engineering dari nol, mulai dari Python, machine learning, generative AI, bangun AI project untuk solusi perusahaan, dan langsung disalurkan magang ke hiring partner setelah lulus program

Dibimbing dari 0 hingga jadi AI-Engineer Siap Kerja dalam waktu 16 Minggu Bersama Rework Academy

LEARNING SESSIONS
0 +
INTERNSHIP PLACEMENT
0 %
RATING
0 /5
Daftar Sekarang
bottom arrow Lihat Kurikulum

AI Engineering
Bootcamp

Hubungi Kami
Daftar Sekarang

PERKENALAN

Rintis Karir Jadi AI-Engineer Siap Kerja
Dengan Belajar Intensif Selama 16 Minggu

Rintis Karir Jadi
AI-Engineer Siap Kerja
Dalam Waktu 16 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 Career Accelerator 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, mengerjakan Company-Based AI Project dan Individual AI Project, mendapatkan career support 1-on-1 bersama mentor HR, hingga ditempatkan magang selama 1–3 bulan di hiring partner.

Program ini menjadi pilihan tepat untuk kamu yang ingin memulai karir 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 Career Accelerator 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, mengerjakan Company-Based AI Project dan Individual AI Project, mendapatkan career support 1-on-1 bersama mentor HR, hingga ditempatkan magang selama 1–3 bulan di hiring partner.

Program ini cocok untuk kamu yang ingin membangun fondasi karir di bidang AI Engineering dengan kompetensi, portfolio, hingga pengalaman kerja yang didapatkan sebagai output program pelatihan.

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

Rp9.500.000+

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 Program

Belajar Secara Intensif
Bersama Mentor Praktisi
Selama 4 Bulan

Belajar Secara Intensif Bersama Mentor Praktisi Selama 4 Bulan

Industry-Based Curriculum

Materi Terupdate 2026 Berbasis Perkembangan Industri AI-Engineering

Practical Learning

Banyak Latihan, Praktik, dan
Demo Tools Selama Proses
Pembelajaran Berlangsung

Banyak Latihan, Praktik, dan Demo Tools Selama Proses Pembelajaran Berlangsung

Mentoring Access

Ada Pertanyaan Seputar Materi? Boleh Konsultasi Diluar Kelas Bersama Tutor Assistant

Mendapatkan Official
Sertifikat dan Raport
dari Rework Academy

Certified Professional

Peserta Mendapat Sertifkat
Resmi dan Raport Penilaian
dari Rework Academy

Peserta Mendapat Sertifkat Resmi dan Raport Penilaian dari Rework Academy

AI-Project Enterprise

Terjun Langsung Membangun AI Project for Enterprise dari Perancangan hingga Deployment

Internship Placement

Langsung Disalurkan Magang
ke Hiring & Agency Partner
Setelah Bootcamp [Remote]

Langsung Disalurkan Magang ke Hiring & Agency Partner Setelah Bootcamp [Remote]

100% SUCCESS RATE DALAM INTERNSHIP PLACEMENT

Intensive Career Support

Mendapat Bimbingan Karir
Secara 1-on-1 Bersama
Dengan Mentor Praktisi HR

Mendapat Bimbingan Karir Secara 1-on-1 Bersama Dengan Mentor Praktisi HR

DARI PERSIAPAN KARIR HINGGA PENCARIAN KERJA

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

2nd Project for Career Accelerator Bootcamp: Selama 3 minggu, setiap peserta akan membangun aplikasi AI secara individu berdasarkan ide dan permasalahan yang dipilih sendiri. Project dikembangkan secara end-to-end, mulai dari menentukan masalah, merancang solusi, development, testing, hingga deployment sebagai portfolio personal.

TOTAL DURASI: 3 MINGGU

  • Individual AI Project: Peserta bebas memilih permasalahan dan mengembangkan solusi berbasis LLM, RAG, atau AI Agent sesuai minat masing-masing (Individual-Project)
  • 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

HIRING PARTNER

201+ Perusahaan, Agency & Business Partner Yang
Siap Menerima Kamu Sebagai AI Engineer Professional

201+ Hiring Partner Siap Menerima Kamu Sebagai Tim AI Engineer

118.webp
119-1.webp
120-1.webp
121-1.webp
122-1.webp
123-1.webp
124-1.webp
125-1.webp
126-1.webp
127-1.webp
128-1.webp
129-1.webp
130-1.webp
131-1.webp
132-1.webp
133-1.webp
134-1.webp
135-1.webp
136-1.webp
137-1.webp
138-1.webp
139-1.webp
140-1.webp
141-1.webp
142-1.webp
143-1.webp
144.webp
145-1.webp
146-1.webp
147-1.webp
148-1.webp
150.webp
151.webp
152.webp
153.webp
154.webp
155.webp
156.webp
157.webp
158.webp
159.webp
160.webp
161.webp
162.webp
163.webp
164.webp
165.webp
166.webp
167.webp
168.webp
169.webp
170.webp
171.webp
172.webp
173.webp
174.webp
175.webp
176.webp
177.webp
178.webp
179.webp
180.webp
181.webp
182.webp
183.webp
184.webp
187.webp
188.webp
189.webp
190.webp

BOOTCAMP JOURNEY

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

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

Career Accelerator AI-Engineer Bootcamp Journey

16 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

1st Bootcamp Project: AI-Project for Enterprise

Selama 3 minggu, peserta akan berperan sebagai AI Engineer untuk membangun solusi AI secara end-to-end berdasarkan kebutuhan dan kasus nyata dari perusahaan mitra. Project dikerjakan mulai dari memahami kebutuhan enterprise, menentukan scope, merancang arsitektur, coding, integrasi sistem, deployment, dokumentasi, hingga final demo bersama mentor praktisi. (Real-Case Company)

Tahap 4

Tahap 4

2nd Bootcamp Project: Independent AI-Project

Selama 3 minggu, setiap peserta akan membangun aplikasi AI secara individu berdasarkan ide dan permasalahan yang dipilih sendiri. Peserta bebas mengembangkan solusi berbasis LLM, RAG, atau AI Agent sesuai minat masing-masing.

Project dikembangkan secara end-to-end, mulai dari menentukan masalah, merancang solusi, development, testing, hingga deployment bersama mentor praktisi. Hasil akhirnya dapat digunakan sebagai portfolio personal untuk menunjukkan kemampuan peserta saat melamar kerja.

Tahap 5

Tahap 5

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 6

Tahap 6

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.

Tahap 7

Tahap 7

Internship Placement

Peserta akan mendapatkan penempatan magang selama 1–3 bulan di hiring partner Rework Academy tanpa batasan usia, pendidikan, ataupun pengalaman sebelumnya. Peserta dapat menerapkan skill AI Engineering sekaligus membangun pengalaman profesional

Setelah periode magang, peserta akan mendapat sertifikat internship sebagai bukti pengalaman kerja yang bisa dicantumkan dalam CV, portfolio, dan LinkedIn.

Additional

Additional

Intensive Career Support

Dapatkan bimbingan karier intensif secara 1-on-1 bersama mentor HR, mulai dari penyusunan CV, optimalisasi LinkedIn, review portfolio, hingga simulasi interview. Setiap peserta akan dibantu menyusun strategi karir yang sesuai dengan tujuan dan potensinya agar lebih siap menghadapi proses rekrutmen dan memasuki dunia kerja.

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

  • Portfolio

AI Customer Service Agent

AI-Project for Enterprise Solution

AI Personal Finance Assistant

AI-Project for Productivity

  • Education

ReWork Academy
AI-Engineering Bootcamp

Pelatihan intensif bersama mentor praktisi selama 16 minggu dengan AI Project for Enterprise sebagai tahapan ujian akhir.

  • Work Experience

PT. Hiring Partner

3 Months • Internship

Internship

AI-Engineer Specialist

  • Mengembangkan AI chatbot internal
  • Membuat pipeline data untuk analisis dokumen
  • Berkolaborasi dengan tim product untuk integrasi AI

Tools yang digunakan:

Python

LangChain

FastAPI

+3

Official

Rework Academy
Certificate Badges

JADWAL BOOTCAMP

Lihat Jadwal Bootcamp Terdekat

Jadwal terdekat

5 Oktober 2026

UPCOMING SCHEDULE

Bootcamp Duration

4 Months

Kuota Peserta

± 10 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

Tahun 2027

TO BE ANNOUNCE

JADWAL BOOTCAMP

Biaya Pelatihan AI-Engineering

Bootcamp dari

Academy

BEST VALUE

Career Accelerator AI-Engineering Bootcamp

Career Accelerator
AI-Engineering Bootcamp

NORMAL PRICE

Rp 30.000.000

EARLYBIRD SEAT

Rp 9.999.900

HEMAT 67%

Berlaku untuk [3] Pendaftar Terakhir

Berlaku hingga 30 Agustus 2026

Tersedia Skema Cicilan Bunga 0%

!

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

  • Mulai dari Rp 2.500.000 / bulan

Semua yang kamu dapatkan :

  • Pembelajaran Intensif (16 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 dan Competency Report
  • Portfolio Kerja dari Task, Assignment, hingga Project
  • Akses Komunitas Alumni ReWork Academy
  • 2 Bootcamp AI-Project: AI Solution for Enterprise & Independent AI Project (Professional Portfolio)
  • Internship Placement: Disalurkan Magang Sebagai AI-Engineer setelah lulus selama 1-3 bulan secara remote
  • Mendapatkan sertifikat magang setelah periode magang selesai, bisa dimasukan ke CV, portfolio, dan LinkedIn
  • Career Support: Dapatkan fasilitas bimbingan karir secara 1-on-1 bersama mentor HR untuk persiapan karir
Daftar Sekarang

Informasi Angsuran Dengan Bunga 0% [Klik Disini]

Opsi Cicilan Hingga 4x Pembayaran [Klik Disini]

  • Pembayaran aman, data pribadi Anda terlindungi

FREQUENTLY ASK QUESTION

Lihat Informasi Tambahan Tentang Program Kami

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.

Program berlangsung selama 16 minggu, dimulai dari pembelajaran teknis AI Engineering melalui live session, praktik langsung, assignment, dan mentoring bersama praktisi. Setelah itu, peserta akan mengerjakan Company-Based AI Project dan Individual AI Project, mengikuti career support secara 1-on-1 bersama mentor HR, hingga mendapatkan penempatan magang selama 1–3 bulan di hiring partner Rework Academy.

Program ini dirancang agar peserta tidak hanya memahami teori, tetapi juga memperoleh eksposur langsung ke industri melalui bootcamp project dan penempatan magang. Dengan begitu, peserta dapat membangun kompetensi, portfolio, dan pengalaman profesional yang dibutuhkan untuk lebih siap memasuki dunia kerja.

Ya, peserta akan mendapatkan sertifikat kelulusan dan Individual Competency Report setelah menyelesaikan seluruh rangkaian AI Engineering Career Accelerator Bootcamp sesuai ketentuan yang berlaku. Dokumen tersebut menjadi bukti kompetensi yang telah dibangun selama program.

Selain sertifikat, peserta juga akan memiliki portfolio profesional dari project dan juga sertifikat magang dari perusahaan setelah menyelesaikan periode magang yang dapat dicantumkan di CV, Linkedin, atau portfolio saat melamar kerja ataupun project.

Setelah peserta menyelesaikan Career Accelerator Bootcamp dan memenuhi standar kelulusan, tim ReWork Academy akan membantu proses penempatan magang ke hiring partner. Peserta tidak perlu mencari tempat magang secara mandiri karena proses matching dengan perusahaan difasilitasi oleh tim kami.

Kegiatan magang akan dilakukan secara remote dengan berdurasi 1-3 bulan menyesuaikan dengan kebutuhan dari perusahaan mitra

Setelah menyelesaikan program Bootcamp, peserta akan mendapatkan 1-on-1 Career Support untuk mempersiapkan diri memasuki dunia kerja. Pendampingan meliputi CV & Portfolio Review, LinkedIn Optimization, Mock Interview, Career Consultation, hingga arahan dalam proses melamar pekerjaan agar peserta lebih siap menghadapi proses rekrutmen.

AI Engineering

Cyber Security

Data Analyst

Corporate Training

Hire Our Graduate

About Us