Learning by Doing
Setiap bab punya satu project nyata: bangun dari nol, commit, tunjukkan. Dari gradient descent sampai RAG buatanmu sendiri.
projectrepochecklist
Kursus terbuka · gratis selamanya
Dua belas modul: dari ML engineering sampai RAG, agent, dan produksi. Empat cara belajar — bangun project, nonton video, baca paper, ikut roadmap. Tanpa paywall, tanpa gatekeeping.
>Apa bedanya RAG dan fine-tuning?
RAG menautkan jawaban ke dokumen saat ditanya — bobot model tidak berubah. Fine-tuning mengubah bobot model pada data tertentu. Untuk pertanyaan dari materi kursus ini, RAG lebih murah dan cukup.
pratinjau RAG assistant — aktif di rilis berikutnya
Empat mode
Setiap modul punya materi dalam empat format — pilih yang cocok, atau kerjakan semuanya. Semua sumber masuk ke satu library.
Setiap bab punya satu project nyata: bangun dari nol, commit, tunjukkan. Dari gradient descent sampai RAG buatanmu sendiri.
Playlist kurasi YouTube — Karpathy, 3Blue1Brown, StatQuest — lengkap dengan transcript supaya tetap bisa dibaca ulang.
Paper arXiv dan tulisan Medium: Attention, RAG, ReAct, DPO. Versi diringkas, rujukan asli tetap dicantumkan.
roadmap.sh dan dokumentasi resmi: struktur lengkap tanpa video. Buat yang sudah jalan dan mau langsung praktik.
Learning Path
RAG Assistant · segera
Semua materi — PDF, Medium, video, paper arXiv, roadmap.sh — masuk ke satu knowledge base. Tanya, dapat jawaban lengkap dengan rujukan ke sumber aslinya. Kalau tidak ada di materi, kami bilang tidak tahu.
Contoh pertanyaan siswa
Setiap jawaban memuat kartu sumber — [1] arXiv 2005.11401, [2] roadmap.sh/ai-engineer — yang bisa langsung dibuka.
Mulai
docs · PRD · arsitektur · syllabus — ikut terbuka di repo