Pertanyaan Interview AI Engineer dan Cara Menjawabnya

Pertanyaan interview AI engineer mencakup tiga kategori utama: pertanyaan HRD tentang motivasi dan latar belakang, pertanyaan teknikal seputar LLM, RAG, dan AI agent, serta studi kasus atau take-home project. Interview AI Engineer di 2026 tidak lagi berfokus pada algoritma klasik; interviewer mengukur kemampuan nyata membangun sistem berbasis AI generatif di lingkungan produksi.

Kalau kamu bukan lulusan informatika dan baru beralih ke bidang ini, ada satu hal yang perlu kamu tahu lebih dulu: pertanyaan yang akan datang bukan hanya soal teori. Interviewer dari perusahaan teknologi, fintech, dan perbankan digital di Indonesia saat ini mencari orang yang bisa membangun, bukan hanya menjelaskan. Dan kabar baiknya, itu bisa kamu tunjukkan tanpa harus punya gelar dari jurusan komputer.

Panduan ini menyusun pertanyaan interview AI engineer yang paling sering muncul, lengkap dengan contoh cara menjawabnya, khususnya untuk kamu yang datang dari latar belakang non-IT.

Apa Itu Interview AI Engineer dan Apa Bedanya dari Interview Software Engineer Biasa?

Interview AI engineer adalah proses seleksi yang menguji kemampuan seseorang dalam merancang, membangun, dan menerapkan sistem berbasis kecerdasan buatan di lingkungan kerja nyata. Di tahun 2026, fokusnya sudah bergeser jauh dari apa yang kebanyakan orang bayangkan.

Kalau kamu mempersiapkan diri seperti untuk interview software engineer biasa, belajar algoritma, struktur data, dan soal-soal pemrograman kompetitif, kamu perlu menyesuaikan strategi. Interview AI engineer kini lebih banyak menguji hal-hal berikut:

• Sekitar 40%: kemampuan membangun pipeline RAG (Retrieval-Augmented Generation), sistem evaluasi model, dan AI agent
• Sekitar 30%: pemahaman tentang sistem produksi, deployment, dan pengelolaan biaya LLM (Large Language Model)
• Sekitar 20%: dasar-dasar LLM, cara kerja token, context window, dan parameter tuning
• Sekitar 10%: pertanyaan behavioral tentang cara kerja, kolaborasi tim, dan pengambilan keputusan

Bukan berarti coding tidak penting. Tapi pertanyaan coding yang muncul biasanya lebih terkait langsung dengan dunia AI: menulis fungsi untuk memproses teks, membangun pipeline sederhana, atau mendebug integrasi API, bukan sekadar soal algoritma abstrak.

Untuk memahami lebih dalam tentang apa saja yang dikerjakan seorang AI engineer sehari-hari, baca dulu apa itu AI engineer, tugasnya, dan bedanya dengan profesi data lain.

Tahapan Interview AI Engineer: Dari HR Screen hingga Technical Test

Sebelum membahas pertanyaannya satu per satu, penting untuk tahu bagaimana alur interview AI engineer biasanya berjalan. Strukturnya berbeda dari interview fresh graduate pada umumnya.

1. HR Screen (30 menit). Rekruter menilai kesesuaian latar belakang, motivasi, dan ekspektasi gaji. Pada tahap ini, mereka juga mengonfirmasi apakah kamu sudah familiar dengan tools dasar seperti Python dan API. Ini adalah wawancara filter awal sebelum masuk ke tahap teknikal.
   
2. Technical Interview (60-90 menit). Tahap paling menentukan. Interviewer dari tim engineering akan menguji pemahaman kamu tentang LLM, RAG, prompt engineering, dan sistem AI. Pertanyaannya tidak selalu bersifat hafalan; interviewer justru tertarik melihat bagaimana kamu berpikir ketika menghadapi masalah yang belum pernah kamu temui.
   
3. Coding Test atau Take-Home Project. Banyak perusahaan teknologi Indonesia memberikan tugas kecil untuk dikerjakan di rumah: misalnya membangun chatbot sederhana dengan LangChain, atau mengevaluasi kualitas respons dari sebuah LLM. Take-home project jauh lebih umum di posisi AI engineer dibanding tes coding real-time.
   
4. System Design Discussion. Kamu akan diminta merancang solusi AI untuk masalah bisnis tertentu. Misalnya: “Bagaimana kamu akan membangun sistem pencarian dokumen internal untuk perusahaan kami?” Bukan soal jawaban yang sempurna, tapi tentang bagaimana kamu berpikir secara struktural.
   
5. Culture Fit dan Final Round. Biasanya melibatkan manajer atau kepala tim. Fokus pada cara kerja, ekspektasi karier, dan kesesuaian dengan budaya perusahaan.
   

Tidak semua perusahaan melewati semua tahap ini, terutama startup yang biasanya lebih ringkas. Memahami strukturnya tetap membantumu mengalokasikan waktu persiapan dengan lebih efektif.

Pertanyaan HRD yang Sering Muncul (dan Cara Menjawabnya untuk Career Switcher)

Banyak kandidat non-IT yang lolos technical interview tapi kandas di tahap HRD, bukan karena tidak kompeten, tapi karena tidak siap menceritakan perjalanan mereka dengan meyakinkan. Bagian ini membahas pertanyaan HRD yang paling sering muncul, beserta strategi menjawabnya khusus untuk kamu yang datang dari bidang lain.

“Ceritakan tentang diri kamu.”

Ini bukan undangan untuk membacakan CV. Interviewer ingin mendengar narasi yang kohesif: siapa kamu, apa yang mendorongmu ke bidang ini, dan apa yang sudah kamu lakukan untuk membuktikan keseriusan itu.

Contoh jawaban: “Saya bekerja selama empat tahun di bagian operasional sebuah perusahaan logistik. Di sana saya mulai mengotomasi laporan harian menggunakan Python karena bosan dengan pekerjaan manual yang berulang. Dari situlah saya tertarik lebih dalam ke dunia AI. Saya kemudian mengikuti program AI Engineering yang berfokus pada LLM dan RAG, dan project akhir saya adalah chatbot internal yang bisa menjawab pertanyaan dari dokumen SOP perusahaan.”

Kuncinya: mulai dari pengalaman lama, tunjukkan momen titik balik, lalu hubungkan ke apa yang sudah kamu bangun.

“Kenapa kamu mau pindah ke bidang AI?”

Jawaban yang buruk: “Karena AI adalah masa depan dan gajinya bagus.” Jawaban yang lebih kuat adalah yang spesifik dan personal, sekaligus menunjukkan bahwa kamu sudah mulai bergerak, bukan hanya berencana.

Contoh jawaban: “Di pekerjaan saya sebelumnya di bagian customer service, saya melihat betapa banyak waktu yang terbuang untuk menjawab pertanyaan yang berulang. Saya mulai belajar cara membangun chatbot sederhana dan hasilnya cukup berpengaruh ke tim kami. Dari situ saya sadar bahwa saya ingin mendalami ini secara lebih serius dan profesional.”

“Apakah kamu punya background IT?”

Jawab jujur, tapi jangan berhenti di sana. Langsung alihkan ke bukti konkret yang kamu punya.

Contoh jawaban: “Latar belakang akademis saya bukan dari IT. Tapi saya sudah aktif belajar selama 6 bulan, sudah menyelesaikan program AI Engineering secara intensif, dan punya beberapa project yang bisa kamu lihat di GitHub saya. Yang paling relevan bagi perusahaan adalah apa yang bisa saya kerjakan sekarang.”

“Di mana kamu belajar AI Engineering?”

Sebutkan program yang kamu ikuti, lalu langsung sambungkan ke output konkret: project, sertifikat, atau skill spesifik yang didapat. Jangan hanya menyebut nama program; tunjukkan apa yang keluar dari program tersebut.

“Berapa ekspektasi gaji kamu?”

Riset sebelum interview. Untuk AI engineer entry-level di Indonesia, rentang yang umum berkisar antara Rp6,5 juta hingga Rp8,15 juta per bulan tergantung perusahaan dan lokasi. Sebutkan angka yang realistis dan tambahkan bahwa kamu terbuka untuk berdiskusi lebih lanjut berdasarkan tanggung jawab peran.

Untuk gambaran lebih lengkap tentang struktur gaji AI engineer di berbagai level, cek panduan gaji AI engineer di Indonesia 2026.

Pertanyaan Teknikal AI Engineer yang Sering Muncul di Interview 2026

Inilah bagian yang paling banyak dicari dan paling sedikit dijawab oleh sumber berbahasa Indonesia. Pertanyaan teknikal di bawah ini adalah yang paling sering muncul di interview AI engineer, khususnya untuk posisi yang berfokus pada pengembangan aplikasi berbasis LLM.

Satu catatan penting: interviewer untuk posisi entry-level tidak selalu mengharapkan jawaban sempurna. Yang mereka cari adalah bukti bahwa kamu memahami konsepnya dan pernah mengaplikasikannya, meski dalam skala kecil.

“Apa itu RAG dan bagaimana kamu menggunakannya?”

RAG atau Retrieval-Augmented Generation adalah teknik yang memungkinkan LLM menjawab pertanyaan berdasarkan dokumen atau data spesifik, bukan hanya pengetahuan dari proses pelatihan model. Cara kerjanya: sebelum LLM menghasilkan jawaban, sistem mengambil dulu dokumen yang relevan dari database, lalu menyertakan dokumen itu ke dalam konteks pertanyaan.

Ini sangat berguna untuk kasus bisnis nyata seperti chatbot yang perlu menjawab dari dokumen SOP internal, sistem pencarian produk, atau asisten dokumen kontrak.

Contoh jawaban: “Di project saya, saya membangun RAG pipeline menggunakan LangChain untuk mengindeks dokumen PDF. Dokumennya disimpan sebagai embedding di vector database Chroma, lalu setiap pertanyaan pengguna dikonversi ke embedding juga sebelum dicari dokumen yang paling relevan. LLM-nya menggunakan OpenAI API. Hasilnya bisa menjawab pertanyaan dari dokumen 50 halaman tanpa hallucination yang signifikan.”

“Apa bedanya prompt engineering dengan fine-tuning?”

Dua teknik ini sering disebut bersama, tapi cara kerja dan kebutuhannya berbeda. Prompt engineering adalah seni menyusun instruksi kepada LLM yang sudah jadi agar menghasilkan output yang diinginkan, tanpa ada perubahan pada model itu sendiri. Fine-tuning, sebaliknya, adalah proses melatih ulang model dengan data spesifik agar model benar-benar menyerap pengetahuan atau gaya baru.

Contoh jawaban: “Untuk sebagian besar project yang saya kerjakan, prompt engineering sudah cukup dan jauh lebih efisien dari segi biaya dan waktu. Fine-tuning baru diperlukan kalau LLM perlu memahami domain yang sangat spesifik, seperti istilah hukum atau terminologi medis yang tidak ada dalam data pelatihan awalnya.”

“Jelaskan konsep AI agent.”

AI agent adalah sistem yang tidak hanya menghasilkan teks, tapi bisa mengambil tindakan: mencari informasi di web, menjalankan kode, memanggil API eksternal, atau mengoperasikan tools lainnya secara mandiri berdasarkan goal yang diberikan pengguna.

Analoginya: kalau LLM biasa seperti seseorang yang menjawab pertanyaan dari ingatan, AI agent seperti seseorang yang bisa bangkit dari kursi, mencari buku referensi, membuka kalkulator, dan memeriksa kalender sebelum memberikan jawaban.

Contoh jawaban: “Saya sudah bereksperimen dengan membangun AI agent sederhana menggunakan LangChain yang bisa mencari data di internet dan merangkumnya. Konsep intinya adalah ReAct (Reasoning + Acting): model bergantian antara berpikir dan mengambil tindakan sampai goal tercapai.”

“Bagaimana kamu mengatasi hallucination di LLM?”

Hallucination adalah ketika LLM menghasilkan informasi yang terdengar meyakinkan tapi tidak akurat atau bahkan tidak ada dalam kenyataan. Ini adalah salah satu tantangan utama dalam deployment LLM untuk kebutuhan bisnis.

Contoh jawaban: “Pendekatan paling efektif yang saya gunakan adalah RAG: dengan memaksa LLM untuk menjawab berdasarkan dokumen yang diambil dari database, risiko hallucination jauh berkurang. Selain itu, saya biasanya menulis system prompt yang eksplisit melarang model mengarang jawaban jika informasinya tidak tersedia dalam konteks. Untuk kasus kritis, bisa ditambahkan validasi output dengan LLM kedua sebagai penguji.”

“Tools atau framework apa yang kamu kuasai?”

Sebutkan yang benar-benar sudah kamu pakai, bukan daftar yang kamu hapal dari artikel. Interviewer sering langsung melanjutkan: “Coba ceritakan bagaimana kamu menggunakannya di project terakhirmu.”

Contoh jawaban: “Tools utama yang saya pakai: Python untuk semua scripting, LangChain untuk orchestration RAG pipeline, OpenAI API sebagai LLM backbone, dan Streamlit untuk membuat antarmuka sederhana saat demo. Saya juga familiar dengan HuggingFace untuk eksplorasi model open-source.”

Untuk melihat daftar lengkap tools yang umumnya diharapkan dikuasai AI engineer, baca 10 skill dan tools wajib AI engineer 2026.

“Ceritakan satu project AI yang pernah kamu buat.”

Ini adalah pertanyaan paling krusial di seluruh sesi interview. Jawab dengan framework STAR yang diadaptasi untuk konteks project AI:

• Situation (S): Apa masalah bisnis atau kebutuhan yang melatarbelakangi project ini?
• Task (T): Apa yang ingin kamu bangun sebagai solusinya?
• Action (A): Apa yang kamu kerjakan? Tools apa yang kamu pilih dan mengapa?
• Result (R): Apa hasilnya atau apa yang kamu pelajari?

Contoh jawaban: “Di project akhir program saya, tim kami diminta mensimulasikan kebutuhan perusahaan yang ingin chatbot internal untuk membantu karyawan mencari informasi dari ratusan dokumen kebijakan. Saya memimpin bagian RAG pipeline: saya memilih LangChain karena dokumentasinya solid dan komunitasnya aktif, lalu vector database-nya memakai Chroma karena paling mudah di-deploy secara lokal. LLM-nya GPT-4o-mini supaya biayanya terkontrol. Hasilnya bisa menjawab sekitar 80% pertanyaan uji coba dengan akurasi yang cukup baik, dan sisanya kami dokumentasikan sebagai area pengembangan lebih lanjut.”

Cara Mempresentasikan Project AI ke Interviewer

Punya project adalah satu hal. Bisa mempresentasikannya dengan meyakinkan adalah hal lain.

Banyak kandidat yang sudah membangun project bagus tapi gagal di tahap ini karena tidak bisa menjelaskan keputusan teknikal yang mereka ambil. Interviewer bukan hanya ingin tahu apa yang kamu buat, tapi mengapa kamu membuatnya dengan cara itu.

Beberapa hal yang harus kamu siapkan sebelum interview:

1. GitHub yang rapi. Pastikan repository project kamu punya README yang jelas: apa yang dibangun, teknologi yang dipakai, cara menjalankannya, dan apa hasilnya. Interviewer sering mengecek ini sebelum atau sesudah sesi wawancara.

2. Siap menjelaskan trade-off. “Kenapa kamu pakai LangChain bukan langsung call API?” “Kenapa kamu pilih Chroma bukan Pinecone?” Jawaban “karena itu yang diajarkan” tidak akan cukup. Siapkan alasan berbasis trade-off: kemudahan, biaya, performa, atau kebutuhan spesifik project.

3. Demo singkat jika memungkinkan. Kalau kamu bisa menyediakan link ke demo atau video singkat, itu jauh lebih berkesan dibanding penjelasan verbal saja.

4. Jujur soal keterbatasan. Tidak ada project yang sempurna. Interviewer yang baik justru lebih menghargai kandidat yang bisa mengidentifikasi kelemahan project mereka dan menjelaskan apa yang akan diperbaiki jika ada lebih banyak waktu.

Kalau kamu merasa belum punya project yang layak ditampilkan, justru ini adalah momen paling tepat untuk bergabung dengan program yang menutup masa belajar dengan proyek nyata berskala enterprise.

AI Engineering Bootcamp Rework Academy menutup 12 minggu programnya dengan AI Project for Enterprise: studi kasus tiga minggu bersama perusahaan mitra yang menghasilkan project yang langsung bisa kamu presentasikan ke interviewer mana pun.

Interview AI Engineer Tanpa Gelar IT: Strategi untuk Career Switcher

Tidak punya gelar informatika bukan penghalang utama untuk lolos interview AI engineer. Penghalang sesungguhnya adalah tidak punya bukti konkret yang bisa ditunjukkan.

Perusahaan di Indonesia, baik startup maupun perbankan digital seperti BCA Digital dan Amar Bank, semakin pragmatis dalam proses rekrutmen. Mereka tidak punya waktu untuk menguji teori yang kamu hafal dari buku teks. Yang mereka ingin lihat adalah: bisa kamu bekerja?

Berikut cara mengkompensasi latar belakang non-IT saat interview:

1. Portofolio project yang terdokumentasi. Ini adalah aset paling berharga yang bisa kamu bawa. Satu project RAG yang bekerja dengan baik dan terdokumentasi rapi lebih berbicara dibanding sertifikat dari program yang tidak menghasilkan output nyata.

2. Ceritakan perjalanan belajarmu dengan jujur. Career switcher yang bisa menjelaskan kapan mereka sadar harus pindah bidang, apa yang sudah dilakukan, dan di mana mereka sekarang, justru memberikan narasi yang lebih kuat dibanding fresh graduate yang tidak punya cerita apa pun selain nilai akademis.

3. Hubungkan pengalaman lama ke konteks AI. Pernah kerja di operasional? Kamu paham business process yang bisa diautomasi. Pernah di marketing? Kamu mengerti bagaimana mengukur output dan menentukan apakah sebuah solusi benar-benar membantu pengguna akhir. Pengalaman lintas bidang bisa jadi kekuatan, bukan kelemahan.

4. Sertifikat dari program yang relevan dengan industri. Bukan sembarang sertifikat, tapi dari program yang kurikulumnya selaras dengan kebutuhan perusahaan yang aktif merekrut AI engineer.

5. Jangan pura-pura tahu hal yang tidak kamu kuasai. Satu hal yang langsung membunuh kepercayaan interviewer adalah ketika kandidat berpura-pura memahami sesuatu yang setelah ditelusuri ternyata tidak dikuasai. Jujur soal keterbatasan, lalu tunjukkan antusiasme untuk belajarnya.

Untuk memahami jalur belajar yang realistis dari nol, mulai dari roadmap belajar AI engineering dari nol untuk pemula non-IT. Dan kalau kamu sedang memikirkan cara menyeimbangkan belajar sambil tetap bekerja, artikel tentang strategi belajar tech sambil kerja bisa jadi panduan praktisnya.

Tips Persiapan Interview AI Engineer: Checklist 2 Minggu Sebelum Hari H

Persiapan yang terstruktur jauh lebih efektif dari belajar panik semalam sebelum interview. Berikut checklist yang bisa kamu ikuti:

1. Riset perusahaan yang kamu lamar. Cari tahu apakah mereka sudah menggunakan AI di produk atau operasional mereka. Kalau ada artikel atau blog engineering dari perusahaan itu, baca. Ini membantumu menyesuaikan contoh dan jawaban yang relevan.
   
2. Siapkan 2-3 project yang bisa diceritakan. Pilih project yang paling berbeda satu sama lain dari segi problem dan pendekatan teknikal. Latih menceritakannya menggunakan framework STAR dalam 2-3 menit.
   
3. Latih menjelaskan RAG, LLM, dan agent dalam bahasa sederhana. Bukan hafalan definisi, tapi penjelasan yang terasa natural dan bisa kamu adaptasi ke berbagai konteks pertanyaan.
   
4. Siapkan career switch story kamu. Latih sampai terdengar natural, bukan seperti pidato yang dihafal. Sertakan momen spesifik yang mendorongmu beralih, bukan alasan generik.
   
5. Pastikan GitHub kamu bisa diakses. Cek bahwa semua project memiliki README yang informatif. Tidak perlu semuanya sempurna; cukup project yang ingin kamu highlight.
   
6. Lakukan mock interview. Minta teman, mentor, atau siapa pun untuk mengajukan pertanyaan dan beri kamu waktu menjawab secara verbal. Menjawab dalam kepala berbeda dari menjawab saat direkam atau dilihat orang lain.
   
7. Siapkan pertanyaan untuk interviewer. Kandidat yang tidak punya pertanyaan terlihat tidak serius. Tanyakan hal yang genuinely ingin kamu ketahui: bagaimana tim engineering bekerja, tantangan teknikal apa yang sedang dihadapi, atau bagaimana onboarding untuk posisi ini biasanya berjalan.
   

Untuk gambaran lebih luas tentang ke mana karier AI engineer bisa berkembang di Indonesia, baca panduan karier AI engineer di Indonesia.

FAQ: Pertanyaan Seputar Interview AI Engineer

Apa saja pertanyaan teknikal yang paling sering ditanyakan saat interview AI engineer?

Pertanyaan teknikal yang paling sering muncul di interview AI engineer 2026 mencakup konsep RAG (Retrieval-Augmented Generation), perbedaan prompt engineering vs fine-tuning, cara kerja AI agent, penanganan hallucination di LLM, dan tools yang digunakan seperti LangChain, HuggingFace, atau OpenAI API. Interviewer juga sering meminta kandidat menjelaskan satu project AI yang pernah dibangun secara detail.

Apakah interview AI engineer harus bisa coding Python tingkat lanjut?

Untuk posisi entry-level, Python tingkat menengah sudah cukup: bisa menggunakan library, menulis fungsi, mengintegrasikan API, dan mengolah teks secara dasar. Yang lebih penting adalah pemahaman tentang cara kerja sistem AI, bukan kemampuan algoritmik tingkat kompetitif. Take-home project lebih umum dari whiteboard coding test di posisi AI engineer.

Bagaimana cara menjawab “ceritakan satu project AI” jika baru selesai bootcamp?

Gunakan framework STAR: ceritakan masalah yang ingin diselesaikan, apa yang dibangun, tools yang dipilih beserta alasannya, serta hasil atau pembelajaran yang didapat. Project bootcamp yang terdokumentasi rapi dan bisa dijelaskan secara teknikal sudah cukup valid sebagai portofolio di level entry.

Apakah non-lulusan IT bisa lolos interview AI engineer?

Bisa, dengan catatan: kamu punya project yang bisa ditunjukkan, bisa menjelaskan keputusan teknikal dengan logis, dan bisa menceritakan perjalanan belajarmu dengan meyakinkan. Banyak perusahaan Indonesia saat ini sudah memprioritaskan kemampuan praktis di atas latar belakang pendidikan formal.

Apa bedanya interview AI engineer dan machine learning engineer?

Interview machine learning engineer cenderung lebih berat ke sisi matematis: statistik, teori machine learning klasik, optimasi model, dan feature engineering. Interview AI engineer di 2026 lebih fokus ke sisi aplikasi: membangun sistem berbasis LLM yang bekerja di produksi, RAG, orchestration, dan evaluasi output model. Keduanya tumpang tindih, tapi arah fokusnya berbeda.

Berapa lama waktu yang dibutuhkan untuk mempersiapkan diri sebelum interview AI engineer?

Dua minggu adalah waktu minimum untuk persiapan terstruktur, dengan asumsi kamu sudah punya project yang bisa diceritakan. Kalau belum membangun project sama sekali, lebih realistis untuk mengalokasikan 1-2 bulan: membangun setidaknya satu project RAG yang solid, mendokumentasikannya, dan berlatih mempresentasikannya.

Apa yang paling dicari perusahaan Indonesia saat merekrut AI engineer entry-level?

Berdasarkan tren rekrutmen di perusahaan teknologi, fintech, dan perbankan digital di Indonesia, tiga hal yang paling dicari adalah: portofolio project yang bisa didemonstrasikan, kemampuan membangun pipeline RAG atau chatbot sederhana, dan kemampuan berkomunikasi teknikal yang baik. Gelar formal jauh lebih rendah prioritasnya dibanding kemampuan nyata yang bisa dibuktikan.

Kesimpulan

Interview AI engineer di 2026 sudah berbeda dari yang banyak orang bayangkan. Bukan soal menghafal teori machine learning klasik atau mengerjakan soal pemrograman kompetitif berjam-jam, tapi soal membuktikan bahwa kamu bisa membangun sistem berbasis LLM yang benar-benar bekerja.

Untuk career switcher dari latar belakang non-IT, kuncinya ada di tiga hal: portofolio project yang solid dan terdokumentasi, kemampuan menceritakan perjalanan belajar dengan meyakinkan, dan pemahaman yang cukup tentang konsep teknikal utama seperti RAG, prompt engineering, dan AI agent.

Kalau kamu merasa belum siap dari sisi skill atau portofolio, itu bukan alasan untuk menunda. Itu alasan untuk mulai dengan program yang terstruktur dan menghasilkan output nyata.

AI Engineering Bootcamp Rework Academy dirancang untuk career switcher yang masih bekerja: kelas malam via Zoom dua kali seminggu, mentor dari perusahaan seperti BCA Digital, Tiket.com, Traveloka, dan Amar Bank, serta program yang ditutup dengan AI Project for Enterprise yang hasilnya langsung bisa kamu bawa ke interview. Cek jadwal batch terdekat dan detail programnya di reworkacademy.com.