BAB II

Lingkungan Bangkit Academy

2.1 Struktur Organisasi

Bangkit didesain untuk mempersiapkan peserta dengan kecakapan (skills)
yang relevan dan dibutuhkan berdasarkan sertifikasi teknikal. Tahun ini Bangkit
kembali menyelenggarakan 3 (tiga) alur belajar multidisiplin - Machine Learning,
Mobile Development (Android), dan Cloud Computing. Dengan mengikuti Bangkit,
peserta akan memiliki pengalaman dan terekspos dengan serba-serbi karir di industri
dan pekerjaan di ekosistem teknologi Indonesia.

Bangkit merupakan program pembelajaran yang dipimpin oleh Google

dengan dukungan GoTo, Traveloka, dan DeepTech Foundation. Dengan dukungan
Kampus Merdeka, Bangkit akan menawarkan 3.000 tempat untuk mahasiswa
Indonesia untuk memastikan mereka relevan dengan kecakapan yang dibutuhkan oleh
industri pada semester genap, tahun 2021/2022.

Adapun struktur organisasi merupakan sebuah garis penugasan formal yang

menunjukkan alur tugas dan tanggung jawab setiap anggota perusahaan, perusahaan
serta hubungan antar pihak dalam organisasi yang bekerja sama untuk mencapai suatu
tujuan organisasi. Struktur organisasi dari Bangkit Academy.

5
 Gambar 2.1 Diagram organisasi bangkit academy

2.2 Lingkup Pembelajaran

Kegiatan MSIB Bangkit Academy 2022 Learning Path Machine learning
mempelajari materi/kursus seperti:
1. Dicoding's Python
Python adalah bahasa pemrograman multifungsi yang dibuat oleh Guido van
Rossum dan dirilis pada tahun 1991. Python merupakan salah satu bahasa
pemrograman paling populer, karena mudah dipahami dan mudah untuk dibaca.
Python dapat digunakan dalam mengakomodasi berbagai gaya pemrograman,
termasuk structured, prosedural, berorientasi-objek, maupun fungsional. Python
mempunyai banyak library yang membuat bahasa ini menjadi bahasa
pemrograman pilihan automasi pada komputer, dan juga bidang data science,
machine learning, dan lainnya.
Materi pembelajarannya terdiri dari:
- Dasar Python
- Tipe Data pada Python

6
 - Input/Output dan Operasi pada Python
- Style Guide pada Python
- Control Flow
- Penanganan Kesalahan
- Fungsi dan Method
- Pemrograman Berorientasi Objek
- Unit Testing
- Library Populer pada Python
- Ujian akhir

2. IT Automation with Python

Kursus ini dirancang dan diajarkan oleh Google untuk membekali profesional
IT dengan skill mengenai Python, Git, dan juga automasi IT, dan juga mengajarkan
keterampilan yang bersifat non-teknikal yang dapat berguna untuk memecahkan
permasalahan yang dapat terjadi di lapangan pekerjaan. Kursus ini dirancang untuk
memungkinkan mahasiswa menguasai bahasa pemrograman Python dan juga
aplikasinya yang umum digunakan di lapangan pekerjaan, mahasiswa juga nanti
akan belajar Git dan juga Github yang nantinya berguna dalam menyimpan
pekerjaan dan juga untuk bekerja di dalam sebuah tim, dan nantinya mahasiswa
juga akan belajar dalam memecahkan permasalahan yang dapat terjadi di dunia
nyata.
Adapun tingkat kursus yang dipelajari yaitu:
-Kursus Singkat di Python
-Menggunakan Python untuk Berinteraksi dengan Sistem Operasi
-Pengantar Git dan GitHub
-Teknik Pemecahan Masalah dan Debugging
-Manajemen Konfigurasi dan Cloud

7
 -Mengotomatiskan Tugas Dunia Nyata dengan Python
3. Mathematics of Machine Learning
Kursus ini dirancang untuk membekali mahasiswa dengan pemahaman
matematika yang menjadi pondasi dari topik machine learning yang nantinya akan
dipelajari kedepannya, hal ini dilakukan supaya mahasiswa tidak hanya memahami
cara merancang model machine learning tetapi juga konsep dasarnya, serta
dilakukan agar mahasiswa kedepannya juga dapat melakukan perhitungan
matematis menggunakan python kedepannya. Kursus ini menggunakan Python
dan juga library Numpy untuk memungkinkan mahasiswa melakukan perhitungan
matematika menggunakan bahasa pemrograman.
Adapun tingkat kursus yang dipelajari yaitu:
-Matematika untuk Machine Learning: Aljabar Linier
-Matematika untuk Machine Learning: Kalkulus Multivariate
-Matematika untuk Machine Learning: PCA

4. Tensorflow Developer Professional Certificate

Tensorflow merupakan salah satu framework yang paling populer untuk
pengembangan deep learning, dengan sifat open-source nya menjadikan
framework dengan perkembangan yang pesat dalam 5 tahun terakhir. Program
Sertifikat Profesional Pengembang TensorFlow dari DeepLearning.AI dirancang
untuk mahasiswa mempelajari dasar dasar dari Tensorflow dan juga aplikasinya
yang dapat digunakan untuk memecahkan permasalahan di dunia nyata.
Mahasiswa nantinya akan diberikan pembelajaran mengenai framework
Tensorflow itu sendiri, merancang model deep learning yang sesuai dengan
permasalahan yang diberikan, melakukan pre-processing dataseet, dan juga
langkah langkah dalam memecahkan masalah yang nantinya akan dihadapi.
Program ini juga dirancang untuk mempersiapkan mahasiswa untuk mengerjakan

8
ujian yang nantinya akan digunakan untuk mendapatkan Tensorflow Developer
Certificate.
Kursus ini terdiri dari:
-Pengantar TensorFlow untuk Kecerdasan Buatan, Pembelajaran
Mesin, dan Pembelajaran Mendalam
-Jaringan Saraf Konvolusional di TensorFlow
-Pemrosesan Bahasa Alami di TensorFlow
-Urutan, Deret Waktu, dan Prediksi

5. Structuring Machine Learning Projects

Kursus ini dirancang oleh Andrew Ng yang merupakan salah satu pendiri dari
Coursera dna juga Deeplearning.ai untuk membekali mahasiswa dengan studi
kasus yang nantinya akan dihadapi ketika berada di lapangan pekerjaan. Kursus
ini nantinya digunakan agar mahasiswa dapat mengantisipasi apabila terdapat
permasalahan yang nantinya dapat terjadi seperti diagnosa error, strategi yang
digunakan, pengaturran dataset dan sebagainya.
6. Tensorflow: Data and Deployment
Kursus ini merupakan kursus spesialisasi yang dirancang untuk menyebarkan
model yang sebelumnya telah dirancang tersebut ke beberapa platform, yaitu web,
mikrokontroler, aplikasi mobile, dan juga server. Kursus ini juga akan mempelajari
proses data dan juga akan melatih kembali model yang sebelumnya telah dilatih,
nantinya akan mempelajari komponen lain dari Tensorflow seperti TensorFlow
Serving, TensorFlow Hub, TensorBoard, dan lainnya.
Tingkatan kursus yang dipelajari diantaranya:
-Model Berbasis Browser dengan TensorFlow.js
-Model Berbasis Perangkat dengan TensorFlow Lite
-Pipeline Data dengan Layanan Data TensorFlow

9
 -Skenario Penerapan Lanjutan dengan TensorFlow

2.3 Definisi Pembelajaran

Matrikulasi pembelajaran selama setengah semester di program MSIB di
Bangkit Academy ditunjukan Tabel 2.1.
Tabel 2.1 Matrikulasi pembelajaran

Learning Tingkat Kompetensi Detil Pembelajaran Durasi

Objective Pembelajar
an
Memulai Dasar Di akhir kelas, siswa mampu 1. Siswa mampu meneliti, 13 Jam (1
Pemrograman memodifikasi aplikasi menganalisis, dan hari)
untuk Menjadi perangkat lunak mengevaluasi persyaratan
Pengembang menggunakan panduan untuk aplikasi perangkat
Software diagram alur dan lunak dengan memahami
pemrograman dengan kebutuhan aplikasi dari sisi
teknologi HTML, CSS, dan pengguna dan spesifikasi
JavaScript tingkat dasar teknis aplikasi.
secara tepat sesuai 2. Siswa mampu membuat
persyaratan spesifikasi dan perencanaan modifikasi
fungsionalitas aplikasi. aplikasi perangkat lunak
dengan pembuatan
requirement aplikasi dan
diagram alur.
3. Siswa mampu
memodifikasi aplikasi
perangkat lunak
menggunakan
pemrograman HTML,
CSS, dan JavaScript
tingkat dasar.
4. Siswa mampu
mengarahkan dokumentasi
pemrograman dan
pengembangan perangkat
lunak menggunakan
metode pengarsipan.

Pengenalan Ke Di akhir kelas, siswa dapat 1. Mengerti apa itu logika 6 Jam (1
Logika memahami logika pemrograman. hari)
Pemrograman pemrograman dasar dan 2. Mengetahui apa itu
menerapkannya dalam gerbang logika beserta
pemecahan masalah yang jenis-jenisnya.

10
 ada di bidang pekerjaan 3. Memahami cara
Software Developer. pemecahan masalah
dengan computational
thinking.
Belajar Dasar Git Di akhir kelas, siswa dapat 1. Memahami git sebagai 15 Jam (1
dengan Github mengelola kumpulan version control system. hari)
data/kode mereka sendiri 2. Memahami Github
dalam repository Github. sebagai tools untuk
Serta dapat berkolaborasi mengelola kumpulan
dengan developer lain pada data/kode.
repository yang sama. 3. Memahami cara
mengelola kumpulan
data/kode, mulai dari
membuat repository,
melakukan perubahan,
membuat branch lain,
hingga melakukan pull
request.
4. Memahami cara
berkolaborasi dengan
developer lain pada
repository yang sama.
5. Memahami penggunaan
GitHub sebagai portfolio.
Subtotal Matrikulasi 34 Jam, 3
Hari
Google IT Di akhir kelas, siswa paham 1. Memanfaatkan praktik 132 Jam (15
Automation with membuat program python terbaik untuk memilih hari)
Python dan bagaimana perangkat keras, vendor,
menggunakan python untuk dan layanan untuk
otomasi tugas administrasi organisasi Anda.
secara umum. 2. Memahami bagaimana
layanan infrastruktur yang
paling umum yang
menjaga sebuah organisasi
menjalankan pekerjaan,
dan cara mengelola server
infrastruktur.
3. Memahami cara
memaksimalkan cloud
untuk organisasi Anda.
4. Mengelola komputer dan
pengguna dalam
menggunakan layanan
direktori, Aktif Direktori,
dan OpenLDAP.

11
 5. Memilih dan mengelola
alat yang akan digunakan
organisasi Anda.
6. Membackup data
organisasi Anda dan
mengetahui cara
memulihkan infrastruktur
TI Anda jika terjadi
kendala.
7. Memanfaatkan
pengetahuan administrasi
sistem untuk merencanakan
dan meningkatkan proses
untuk IT environments.
Mathematics for Di akhir kelas, siswa dapat 1. Memahami vektor dan 55 Jam (6
Machine Learning memperoleh pengetahuan matriks yang akan hari)
matematika prasyarat untuk membantu Anda
melanjutkan perjalanan dan menjembatani kesenjangan
mengambil kursus yang ke dalam masalah aljabar
lebih maju dalam linier, dan cara
pemelajaran mesin. menerapkan konsep ini ke
pemelajaran mesin.
2. Dapat mengoptimalkan
fungsi pemasangan agar
sesuai dengan data
3. Memahami konsep
matematika penting dan
Anda dapat
mengimplementasikan
PCA sendiri

DeepLearning.AITe Di akhir kelas, siswa dapat 1. Membuat dan melatih 83 Jam (9

nsorFlowDeveloper menerapkan keterampilan Neural Network hari)
ProfessionalCertific TensorFlow ke berbagai menggunakan Tensorflow
ate masalah dan proyek. 2. Meningkatkan performa
network menggunakan
Convolution dengan
melatih dan identifikasi
gambar nyata.
3. Melatih machine untuk
memahami, menganalisa,
dan merespon human
speech dengan sistem
NLP.
4. Memroses teks,
menggambarkan kalimat
sebagai vector, dan

12
 melatih model untuk
menciptakan puisi original
Structuring Di akhir kelas, siswa dapat 1. Memahami cara 6 Jam (1
Machine Learning melakukan end-to-end mendiagnosis kesalahan hari)
Projects workflow dari Project dalam sistem pemelajaran
Machine Learning mesin, dan
2. Mampu memprioritaskan
arah yang paling
menjanjikan untuk
mengurangi kesalahan
3. Memahami pengaturan
ML yang kompleks,
seperti set
pelatihan/pengujian yang
tidak cocok, dan
membandingkan dengan
dan/atau melampaui
kinerja tingkat manusia
4. Mengetahui bagaimana
menerapkan pembelajaran
end-to-end, pembelajaran
transfer, dan pembelajaran
multi-tugas.
DeepLearning.AI Di akhir kelas, siswa dapat 1. Memahami bagaimana 53 Jam (6
Tensorflow Data mendeploy model Machine melatih dan menjalankan hari)
and Deployment Learning pada Web model machine learning di
Web browser dan aplikasi
mobile
2. Mempelajari bagaimana
memanfaatkan built-in
datasets dengan baris code
yang sedikit.
3. Mempelajari tentang data
pipeline dengan servis
data Tensorflow
4. Menggunakan API untuk
mengontrol data splitting,
memproses semua tipe
data yang tidak terstruktur
5. Melatih kembali model
yang sudah di deploy
dengan data user dan tetap
menjaga privasi data.
6. Menerapkan ilmu di
berbagai skenario
7. Pengenalan pada
TensorFlow Serving,
TensorFlow, Hub,

13
 TensorBoard, dan banyak
lagi.
Simulasi Ujian Di akhir kelas, siswa dapat 1. Memahami bagaimana 25 Jam (3
TensorFlow matang mempersiapkan diri cara membuat program hari)
Developer mengikuti ujian TensorFlow perangkat lunak
Certificate Developer Certificate. menggunakan TensorFlow
dan menemukan informasi
yang dibutuhkan untuk
bekerja sebagai praktisi
Machine Learning.
2. Memahami prinsip dasar
Machine Learning dan
Deep Learning
menggunakan TensorFlow
2.x sehingga mampu
membuat dan melatih
model Jaringan Syaraf
Tiruan menggunakan
TensorFlow.
3. Memahami cara membuat
model pengenalan gambar
dan deteksi objek dengan
Deep Neural Networks
dan Convolutional Neural
Networks menggunakan
TensorFlow 2.x.
4. Memahami cara
menggunakan Jaringan
Syaraf Tiruan untuk
menyelesaikan masalah
pemrosesan Natural
Language menggunakan
TensorFlow.
5. Memahami cara
menyelesaikan soal Time
Series dan masalah
perkiraan dengan
menggunakan
TensorFlow.
Subtotal 354 jam (40 hari) 5.
Pembelajaran
Machine Learning
Learning Path
Capstone Project / Siswa mampu Siswa akan dikelompokkan 200 Jam (20
Proyek Akhir menyelesaikan proyek akhir, dalam kelompok grup untuk hari)
yakni pengembangan mengerjakan proyek tematik
aplikasi/solusi yang pada dunia nyata yang dapat
dikerjakan untuk membantu masyarakat.

14
memvalidasi skill
pengembangan produk dan
menambah portfolio.

15
2.4 Jadwal MSIB
Jadwal kegiatan selama mengikuti program MSIB di Bangkit Academy
ditunjukan Tabel 2.2.
Tabel 2.2 Jadwal MSIB

Bulan Minggu Waktu Sesi Durasi Learning Topik

ke- Sinkron Asinkron Pembelajaran Objecive
Selasa, 8 Asinkron: 15 Belajar 1. Git dan GitHub
Februari Jam Dasar Git 2. Dasar Git
2022 dengan
GitHub 3. Studi Kasus
Pengalaman
Belajar
4. Git Branches
5. Kolaborasi dengan
Tim
6. Studi Kasus
Kolaborasi dengan
Tim
7. GitHub sebagai
Portofolio
Kamis, 10 Asinkron: 13 Memulai 1. Memahami
Februari Jam Dasar Kebutuhan
2022 Pemrogram Aplikasi
Februari an untuk 2. Perencanaan
s.d 1 Menjadi Modifikasi
Maret Pengemban Aplikasi
g Software 3. Mengerti Konsep
Dasar
Pemrograman
4. Modifikasi
Aplikasi
Perangkat Lunak
5. Dokumentasi
Pemrograman
dan
Pengembangan
Aplikasi
Perangkat Lunak
Rabu, 16 Asinkron: 20 Memulai 1. Pendahuluan
Februari jam Pemrogram 2. Dasar Python
2022 an Dengan 3. Tipe Data Pada
Python Python
4. Input/Output dan
Operasi pada
Python

16
 5. Style Guide pada
Python
6. Control Flow
7. Penanganan
Kesalahan
8. Fungsi dan
Method
9. Pemrograman
Berorientasi
Objek
10. Unit Testing
11. Library Populer
Senin- 28 Google IT 1. Hello Python!
Selasa, Jam Automation 2. Basic Python
21-22 Syntax
Februari with Python: 3. Loops
2022 Crash Course 4. Strings, Lists and
with Python Dictionaries
5. Object Oriented
Programming
6. Final Project
Selasa- 27 Jam Google IT 1. Getting Your
Rabu Automation Python On
22-23 2. Managing Files
Februari with Python: with Python
2022 Using Python 3. Regular
to Interact Expressions
with the 4. Managing Data
and Processes
2 Operating 5. Testing in Python
System 6. Bash Scripting
7. Final Project
Jum’at, 2 Jam ILT-ML-01- 1. Python
25 A Python IT 2. Regex
Februari 3. Bash Scripting
2022 Automation
18.30-
20.30
WIB
Kamis- 16 Jam Google IT 1. Introduction to
Jumat Automation Version Control
24-25
Februari with Python: 2. Using Git Locally
2022 Introduction 3. Working with
to Git and Remotes
GitHub 4. Collaboration
Selasa- 16 Jam Google IT 1. Troubleshooting
Kamis 29 Automation Concepts
Februari -3
3 Maret 2022 with Python: 2. Slowness
Troubleshooti 3. Crashing
ng and Programs

17
 Debugging 4. Managing
Techniques Resources
Maret Selasa, 1 2 jam ILT-SS-01-O 1. Belajar waktu
s.d Maret Time 2. Skala prioritas
2022
April 15.30- Management 3. 4 Kuadran teknik
17.30
WIB
4 Senin- 15 Jam Google IT 1. Automating with
Selasa 7-8 Automation Configuration
Maret Management
2022 with Python: 2. Deploying
Configuration Puppet
Management 3. Automation in
and the Cloud the Cloud
4. Managing Cloud
Instances at Scale
Bulan Minggu Waktu Sesi Durasi Learning Topik
ke- Pembelajaran Objective
Sinkron Asinkron Sinkron Asinkro
n
Maret 4 Rabu, 9 2 Jam ILT-ML-02-S 1. Git Collaboration
s.d Maret Python IT 2. Troubleshooting
2022 3. Intro to Cloud
April 15.30- Automation -
17.30 Git
WIB Collaboration
,
Troubleshooti
ng, and Intro
to Cloud
Jumat, 11 1,5 Jam English 1. Using right word
Maret Session EN1- for replying
2022 question
18.30 - 036 Spoken 2. Using right
20.00 Corresponden sentence when
WIB ce refusing
3. Using right word
when asking
Rabu- 13 Jam Google IT 4. Manipulating
Kamis 9- Automation Images
10 Maret 5. Interacting with
2022 with Python: Web Services
Automating 6. Automatic
Real-World Output
Tasks with Generation
7. Putting It All
Python Together
5 Selasa, 2 Jam ILT-SS-02- 1. Creating Resume
15 Maret 2. Creating CV

18
 2022 AM 3. Know our value
18.30 – Professional
20.30
WIB Branding &
Interview

Rabu- 19 Jam Mathematics 1. Introduction to

Jumat, for Machine Linear Algebra
16-18 and to
Maret Learning: Mathematics for
2022 Linear Machine
Algebra Learning
2. Vectors are
objects that move
around space
3. Matrices in
Linear Algebra:
Objects that
operate on
Vectors
4. Matrices make
linear mappings
5. Eigenvalues and
Eigenvectors:
Application to
Data Problems
Bulan Minggu Waktu Sesi Durasi Learning Topik
ke- Pembelajaran Objective
Sinkron Asinkron Sinkron Asinkro
n
Maret 6 Sabtu- 18 Jam Mathematics 1. What is calculus?
s.d Selasa 19- for Machine 2. Multivariate
22 Maret
April 2022 Learning: calculus
Multivariate 3. Multivariate chain
Calculus rule and its
applications
4. Taylor series and
linearization
5. Intro to
optimization
6. Regression
Jumat, 25 2 Jam ILT-ML-03-S 1. Linear Algebra
Maret Mathematics 2. Calculus for ML
2022
18.30- for Machine 3. PCA
20.30 Learning
WIB

19
 Rabu-Jumat 18 Jam Mathematics 1. Statistics of
23-25 for Machine Datasets
Maret 2022
Learning: 2. Inner Products
PCA 3. Orthogonal
Projections
4. Principal
Component
Analysis

Senin- 18 Jam Introduction 1. A New

Selasa 28- to Programming
29 Maret Paradigm
2022 TensorFlow 2. Introduction to
for Artificial Computer Vision
Intelligence, 3. Enhancing Vision
Machine with
Convolutional
Learning, and
Neural Networks
Deep 4. Using Real-world
Learning Images
Selasa- 18 Jam Convolutiona 1. Exploring a
Rabu 29- l Neural Larger Dataset
30 Maret 2. Augmentation: A
2022 Networks in technique to
TensorFlow avoid overfitting
7
3. Transfer
Learning
4. Multiclass
Classifications
Senin, 28 2 Jam ILT-SS-03-G 1. Teknik 5 why’s
Maret Critical 2. MECE
2022 3. Find root of
15.30- Thinking problem
17.30
WIB
31 Maret - 25 Jam Natural 1. Sentiment in Text
3 April Language 2. Word
2022 Embeddings
Processing in 3. Sequence Models
TensorFlow 4. Sequence Models
and Literature
Senin, 4 2 Jam ILT-ML-04-F 1. Computer vision
April Tensorflow in 2. CNN
2022. Transfer learning
15.30- Practice
8 17.30
WIB
Rabu, 6 2 Jam English 1. How to deliver
April Session EN2- opinion in various
2022 situations

20
 15.30- 089 2. How handle
17.00 Expressing disagreements
properlu
Opinions Delivering Feedback
Rabu- 24 Jam Sequences, 1. Sequences and
Kamis 6-7 Time Series Prediction
April 2. Deep Neural
2022 and Networks for
Prediction Time Series
3. Recurrent Neural
Networks for
Time Series
4. Real-world time
series data
Selasa, 2 Jam ILT-SS-04-I 1. Anticipating
12 April Adaptability Changes in the
2022 Workplace
13.00- 2. Ways of thinking
15.00 3. Fixed mindset
WIB and growth
mindset
Kamis- 10 Jam Structuring 1. Train/Dev/Test
Sabtu Machine Distributions
14-16 2. Understanding
April Learning Human-level
2022 Projects Performance
3. Surpassing
Human-level
9 Performance
4. Improving your
Model
Performance.
5. Error analysis
6. multi-task,
transfer, dan end-
to-end deep
learning.
Senin, 18 2 Jam ILT-ML-05- 1. Deploy on the
April C Tensorflow mobile
2022 2. Deploy on the
13.00- Data & cloud
15.00 Deployment Federate learning
WIB
Senin- 22 Jam Browser- 1. Introduction to
Rabu, 18- based Models TensorFlow.js
20 April 2. Image
2022 with Classification In
10 TensorFlow.j the Browser
s 3. Converting
Models to JSON
Format

21
 4. Transfer
Learning with
Pre-Trained
Models
Kamis- 15 Jam Device-based 1. Device-based
Jumat, 21- Models with models with
22 April TensorFlow Lite
2022 TensorFlow 2. Running a TF
Lite model in an
Android App
3. Building the
TensorFLow
model on IOS
4. TensorFlow Lite
on devices
5.
Senin- 16 Jam Data 1. Data Pipelines
Selasa, Pipelines with
25-26 TensorFlow
April with Data Services
2022 TensorFlow 2. Splits and Slices
Data Services API for Datasets
in TF
3. Exporting Your
Data into the
Training
Pipeline
4. Performance
11
Rabu- 18 Jam Advanced 1. TensorFlow
Kamis. Deployment Extended
27-28 2. Sharing pre-
April Scenarios trained models
2022 with with
TensorFlow TensorFlow
Hub
3. Tensorboard:
tools for model
training
4. Federated
Learning
Mei 12
s.d. Hari Raya Idul Fitri
Juni
Selasa, 2 Jam ILT-SS-05- 1. Entrepreneurship
10 Mei AT Idea dan
2022 Intrapreneurship
13 13.00- Generation & 2. Minimum
15.00 MVP Viable Product
WIB Planning 3. Create and Scale
MVP

22
 4. Indentifiying
Vision
Statement
Kamis, 2 Jam Bangkit 2022 1. Google
12 Mei - Team Certification
2022 2. 3rd Softskill
13.00- Meeting 3 Challenge
15.00 3. Bangkit 2022
Career Fair
4. 3rd & 4th
Milestone recap
14 Kamis, 1,5 Jam English 1. Basic Structure
19 Mei Session EN3- of a Business
2022 Presentation
13.00 - 079 Business 2. Tips for
14.30 Presentation presentation
WIB 3. Explaining
Visual
Information
4. Dealing With
Difficult
Question
Juni 15 Kamis, 2 1 Jam First 1. Identifikasi
s.d. Juni Mentoring masalah dan
2022 latar belakang
Juli 13.00- Session 2. Menentukan
14.00 fitur-fitur yang
WIB akan digunakan
3. Beberapa
masukan
mengenai
project
Senin, 6 Product 1. Memaparkan
Juni Capstone progress
2022 capstone project
Checkpoint
Selasa, 7 2 Jam Bangkit 2022 1. Monthly
Juni - Team Milestone
2022 pk. Recap
13.00- Meeting 4 2. Capstone
15.00 Update
3. Softskills
16 Challenge QA
Rabu, 8 1 Jam Second 1. Mendiskusikan
Juni Mentoring program yang
2022 masih eror
11.00- Session 2. Fix dari segi
12.00 cloud
WIB computing
3. Solving deploy
model machine
learning

23
17 Rabu, 15 Product 1. Presentasi
Juni Capstone capstone
2022 project
15.30- Peer Review 2. Menilai
17.30 presentasi
WIB kelompok lain
Senin, 20 1 Jam Bangkit 2022 1. Post test
Juni - English mengenai
2022 materi
8.00- Post-Class pelajaran
14.00 Assessment Inggris.
WIB
Rabu, 22 2 Jam ILT-SS-06-U 1. valuasi startup
Juni Startup 2. cara mencari
2022 pk. capital untuk
15.30- Valuation & start up aspek
17.30 Investment yang dapat
Pitch diperhitungkan
kalau ingin
invest ke
startup
Jum’at, 24 5 Jam Simulasi 1. Membuat
Juni 2022 Ujian model dengan
berbaagai
TensorFlow contoh yang
18 Developer sederhana
Certificate A untuk simulasi
ujian TF
Sabtu, 25 5 Jam Simulasi 1. Membuat
Juni 2022 Ujian model dengan
berbaagai
TensorFlow contoh yang
Developer sederhana
Certificate B untuk
simulasi ujian
TF
Minggu, 5 Jam Simulasi 1. Membuat
26 Juni Ujian model dengan
2022 berbaagai
TensorFlow contoh yang
Developer sederhana
Certificate C untuk
simulasi ujian
TF
19 Selasa, 2 Jam ILT-ML-06- 1. Registration
28 Juni D Tensorflow process
2022 2. Setting
13.00- Developer environment
15.00 Certification 3. Exam
WIB Preparation simulation

24
 Kamis, 7 2 Jam Bangkit 2022 1. 4th Milestone
Juli - Team Reward Recap
13.00- 2. Google
15.00 Meeting 5 Certification
WIB Announcemen
t
3. Career Fair
Next Agenda
4. Bangkit 2022
Incubation
5. Bangkit 2022
20 Store
6. QA
Kamis, 7 2 Jam ILT-SS-07- 1. Principles of
Juli AD Effective
15.30- Communicati
17.30 Professional ons
WIB Communicati 2. Communicate
ons Clearly,
Simply,
Frequently
3. SOCIAL
STYLE

25