PROFESSIONAL IT

TRAINING
FOR COMPANY

PT. Sahoot Indonesia Pratama

South Quarter Tower A Lt. 18 Unit D-H,
Jl. R.A. Kartini Kav 8 Cilandak Barat, Cilandak, Jakarta Selatan
Company
Overviews
Rumah Coding adalah pusat pelatihan teknologi yang
menawarkan kurikulum berbasis proyek untuk
pengembangan aplikasi web, mobile, analisis data, dan
otomasi industri. Instruktur berpengalaman membimbing
peserta melalui konsep-konsep teknis dalam proyek nyata,
membantu mereka mengubah pengetahuan menjadi
keterampilan tangguh. Keleluasaan menyesuaikan materi
pelatihan memastikan relevansi dengan kebutuhan setiap
peserta.
Our Vision and
Mission
Our Vision Our Mission
Menghadirkan revolusi dalam Rumah Coding berkomitmen memberikan
pengembangan keterampilan pembelajaran teknologi yang berkualitas,
teknologi, Rumah Coding praktis, dan terjangkau kepada individu dan
bermimpi menjadi pusat unggulan perusahaan. Kami berupaya menciptakan
yang mendorong setiap individu lingkungan pembelajaran berbasis proyek
dan tim untuk meraih keunggulan yang menginspirasi, mendukung
di era digital. pertumbuhan tim, dan memberdayakan
setiap peserta untuk menghadapi tantangan
teknologi masa depan.
Why IT Training
Matters?
Pelatihan membantu karyawan mengembangkan
1 keterampilan baru atau memperbarui keterampilan
yang sudah ada. Dengan meningkatkan keterampilan,
karyawan dapat lebih efisien dan efektif dalam tugas-
tugas mereka, yang pada gilirannya meningkatkan
kinerja perusahaan secara keseluruhan.
Dalam dunia yang terus berubah dan berkembang,
2
perusahaan perlu tetap terkini dengan teknologi dan
tren industri. Pelatihan memastikan bahwa karyawan
dapat mengadopsi teknologi terkini dan
mengintegrasikannya ke dalam operasi sehari-hari,
memungkinkan perusahaan untuk tetap kompetitif.
 Training Impact On

Productivity, Quality,
and Innovation

Pelatihan meningkatkan Pelatihan berkontribusi Pelatihan menciptakan

produktivitas dengan pada peningkatan kualitas lingkungan yang
meningkatkan pekerjaan dengan mendukung kreativitas dan
keterampilan dan efisiensi mencegah kesalahan dan inovasi dengan
karyawan, memastikan memastikan produk atau memberdayakan karyawan
tugas diselesaikan dengan layanan memenuhi atau untuk memberikan ide-ide
lebih cepat dan efisien. melebihi harapan baru.
pelanggan.
 Training We Provide

Fullstack Web Mobile App Data Science PLC & HMI

Spring Boot LLM App Computer Vision Deep Learning

 Tujuan Training
Deep Training ini bertujuan untuk memberikan pemahaman
mendalam tentang konsep-konsep dasar dan praktik-

Learning praktik terbaik dalam Deep Learning menggunakan

TensorFlow kepada tim IT perusahaan, dengan fokus
pada pengembangan keterampilan praktis dalam
membangun, melatih, dan mengevaluasi model Deep
Learning untuk proyek-proyek nyata, sehingga
meningkatkan kinerja tim, mendorong inovasi, dan
mempersiapkan mereka untuk menghadapi tantangan
teknis di masa depan.

Durasi Training
Training berlangsung selama 4 hari dengan durasi per
hari adalah 6 jam dari 09:00 - 16:00.
 Syllabus Deep Learning (1)
1. Pengantar Deep Learning
Materi Pengantar Deep Learning memberikan pemahaman dasar tentang
4. Pembuatan Model Dasar dengan TensorFlow
konsep-konsep utama dalam Deep Learning. Peserta akan belajar tentang Materi "Pembuatan Model Dasar dengan TensorFlow" membawa peserta
perbedaan antara Deep Learning dan Machine Learning konvensional, serta melalui langkah-langkah untuk membangun model Deep Learning sederhana
cara-cara di mana komputer dapat memahami data yang kompleks menggunakan TensorFlow. Peserta akan belajar tentang konstruksi model,
menggunakan Neural Networks. termasuk bagaimana mendefinisikan layer-layer dan arsitektur model, serta
bagaimana menentukan fungsi kerugian (loss function) dan algoritma
2. Pengenalan TensorFlow optimisasi yang digunakan untuk melatih model.

Materi Pengenalan TensorFlow membawa peserta dalam perjalanan untuk 5. Project 1: Klasifikasi Gambar
memahami secara mendalam tentang framework Deep Learning yang paling Materi "Project 1: Klasifikasi Gambar" akan mengajarkan peserta tentang
populer saat ini. Peserta akan belajar tentang konsep dasar TensorFlow, penerapan konsep-konsep Deep Learning yang telah dipelajari sebelumnya
termasuk pengertian tentang apa itu TensorFlow, proses instalasinya, dan dalam sebuah proyek praktis. Peserta akan belajar tentang langkah-langkah
persiapan lingkungan kerja. Mereka akan diperkenalkan dengan konsep untuk mempersiapkan data gambar, membangun arsitektur model klasifikasi
tensors dan operasi dasar yang digunakan dalam TensorFlow, serta bagaimana gambar menggunakan TensorFlow, dan melatih model dengan dataset yang
membangun dan melatih model sederhana menggunakan TensorFlow. relevan.

6. Pengenalan Neural Networks

3. TensorFlow Basics
Materi "Pengenalan Neural Networks" akan membawa peserta dalam
Materi "TensorFlow Basics" merupakan fondasi penting bagi peserta dalam pemahaman tentang konsep dasar dari Neural Networks (jaringan saraf
memahami konsep dasar TensorFlow. Mereka akan mempelajari tentang tiruan). Mereka akan belajar tentang struktur dasar dari Neural Networks,
struktur data yang fundamental dalam TensorFlow, yaitu tensors, dan operasi- termasuk neuron, layer, dan arsitektur umum dari jaringan tersebut. Selain itu,
operasi dasar yang dapat dilakukan terhadap mereka. Ini meliputi pembahasan peserta akan diperkenalkan dengan berbagai jenis layer yang digunakan dalam
tentang bagaimana menginisialisasi, memanipulasi, dan menghitung dengan Neural Networks, seperti layer Dense, Convolutional, dan Recurrent.
tensors.
 Syllabus Deep Learning (2)
7. Deep Learning untuk Pengolahan Data Terstruktur
Materi "Deep Learning untuk Pengolahan Data Terstruktur" akan
10. Pengenalan Convolutional Neural Networks (CNN)
mengajarkan peserta tentang penerapan Deep Learning dalam konteks data Materi "Pengenalan Convolutional Neural Networks (CNN)" akan membawa
terstruktur. Peserta akan belajar tentang berbagai tugas seperti klasifikasi, peserta dalam pemahaman tentang salah satu jenis Neural Networks yang
regresi, dan klastering dalam konteks data terstruktur, serta bagaimana paling penting dalam pengolahan gambar, yaitu Convolutional Neural
mempersiapkan data untuk pelatihan model Deep Learning. Networks (CNN). Peserta akan belajar tentang struktur dasar CNN, termasuk
konsep-konsep seperti layer konvolusi, pooling, dan layer fully connected.
8. Membangun Model Deep Learning dengan TensorFlow
Materi "Membangun Model Deep Learning dengan TensorFlow" membawa 11. Pengolahan Bahasa Alami dengan Deep Learning
peserta dalam pembelajaran tentang langkah-langkah praktis untuk Materi "Pengolahan Bahasa Alami dengan Deep Learning" akan membawa
membangun model Deep Learning menggunakan TensorFlow. Peserta akan peserta dalam pemahaman tentang penerapan Deep Learning dalam
belajar tentang proses pembuatan model, termasuk pemilihan arsitektur yang pemrosesan bahasa alami (Natural Language Processing, NLP). Peserta akan
sesuai, definisi layer-layer, dan konfigurasi model. Mereka akan diajarkan belajar tentang konsep dasar NLP dan bagaimana Deep Learning dapat
bagaimana menentukan fungsi kerugian (loss function) dan algoritma digunakan untuk memecahkan berbagai tugas dalam NLP, seperti pemrosesan
optimisasi yang tepat untuk tugas yang diberikan, serta bagaimana teks, analisis sentimen, dan penerjemahan bahasa.
menyesuaikan model untuk mendapatkan kinerja yang optimal.
12. Project 3: Analisis Sentimen
9. Project 2: Prediksi Penjualan
Materi "Project 3: Analisis Sentimen" akan membawa peserta dalam sebuah
Materi "Project 2: Prediksi Penjualan" akan membawa peserta dalam sebuah proyek praktis untuk menerapkan konsep-konsep Deep Learning dalam analisis
proyek praktis untuk menerapkan konsep-konsep Deep Learning dalam sentimen pada teks. Peserta akan belajar tentang langkah-langkah untuk
memprediksi penjualan. Peserta akan belajar tentang langkah-langkah untuk mempersiapkan dataset ulasan produk, membangun arsitektur model Deep
mempersiapkan data penjualan, membangun arsitektur model Deep Learning Learning menggunakan TensorFlow, dan melatih model untuk melakukan
menggunakan TensorFlow, dan melatih model dengan dataset penjualan yang analisis sentimen.
relevan.
 Syllabus Deep Learning (3)
13. Transfer Learning 15. Project 4: Deployment Model
Materi "Transfer Learning" membawa peserta dalam pemahaman tentang Materi "Project 4: Deployment Model" membawa peserta dalam sebuah
konsep yang penting dalam Deep Learning, yaitu Transfer Learning. Peserta proyek praktis untuk menerapkan konsep-konsep deployment model yang
akan mempelajari bagaimana menggunakan model-model Deep Learning telah dipelajari sebelumnya dalam konteks nyata. Peserta akan belajar
yang telah dilatih sebelumnya (pre-trained) untuk tugas-tugas spesifik dalam tentang langkah-langkah untuk mengonversi model Deep Learning yang telah
domain yang berbeda. Mereka akan belajar tentang berbagai teknik Transfer dilatih ke dalam format yang dapat dideploy di lingkungan produksi
Learning, termasuk fine-tuning dan feature extraction, serta bagaimana menggunakan TensorFlow Serving. Mereka akan mempelajari teknik-teknik
menerapkan Transfer Learning dalam praktik menggunakan TensorFlow. untuk mengelola versi model, pemantauan kinerja model, dan penanganan
kesalahan dalam lingkungan produksi yang aktif.
14. Deployment Model
Materi "Deployment Model" akan membimbing peserta dalam proses
mengonversi model-model Deep Learning yang telah dilatih ke dalam format
yang dapat dideploy di lingkungan produksi. Peserta akan mempelajari
berbagai teknik dan alat untuk mengonversi model, serta bagaimana
melakukan deployment model secara efektif menggunakan TensorFlow
Serving. Mereka akan belajar tentang prinsip-prinsip dasar deployment model,
manajemen versi model, serta pemantauan dan penanganan kesalahan (error
handling) dalam lingkungan produksi.
Pricing
Training Price Per Peserta

Deep Learning Rp. 7.000.000

Catatan:
Minimal 3 peserta
Training dilaksanakan di kantor peserta.
Biaya tidak termasuk transport dan akomodasi untuk lokasi training di luar Jakarta.
 Apa Kata Mereka?
"Saya masuk Program Android Basic "Rumah coding The Best beuttt "The teaching was good, detailed, and
di Rumah Coding selama 4 hari di Materi & cara jelasin dari trainer nya very relaxed. Learning by creating
setiap weekend. Dari segi fasilitasnya sangat berkesan & mudah difahami something using the language is good
oke. Ada wifi dan tv led buat amaze juga sama trainer nya karena for participants to follow up after the
presentasi. Disana juga disediakan usia masih muda tapi skill & course. But I suggest participants
makanan ringan seperti gorengan pengalaman tidak diragukan should find out themselves before
permen dan kacang-kacangan dan Sukses Teruss Rumah Coding!" applying whether they already have
juga makan siang. Tenaga the necessary basic knowledge or not,
pengajarnya juga oke. Dijelasin as Rumah Coding don't prepare some
sampai paham." kind of questionnaire and advices
(which I believe they should)."

ANGGA ANANTATAQWA GUNAWAN TEGUH S. DONNY PRASETYA E.P.

PT. Anugrah Amal Citrabogatama PT Hexpharm Jaya Laboratories PT. Sarana Energi Investama
 Meet Our Trainers
Di Rumah Coding, semua trainer adalah praktisi yang telah
berpengalaman dalam menangani berbagai macam proyek di Industri.

Muslim, [Link]. Yunus Hadi Sisworo, S.T.

Employee Trainer Trainer PLC dan HMI

Ahmad Saipullah, S.T. David, S.T.

Trainer Web dan Lhuqita Fazry, [Link]., [Link]. Trainer Web dan Data
Mobile Science
Trainer Web dan Data
Science
Our Contact
Information

+62 857-1005-9175

cs@[Link]

[Link]