RENCANA PROGRAM DAN

KEGIATAN PEMBELAJARAN SEMESTER

(RPKPS)

Microsoft Azure AI Fundamental

124 Jam

MariBelajar
2022
 Microsoft Azure AI Fundamental

RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)

Materi
Kode Pelatihan Nama Pelatihan Durasi Semester Status Pelatihan
Prasyarat
AI-900 Microsoft Azure AI 124 jam 5-8 Engineering Topics Azure
Fundamental Fundamental
Capaian Pembelajaran Setelah menyelesaikan pembelajaran Azure AI Fundamental, mahasiswa mampu:

CP1
Menjelaskan beban kerja dan pertimbangan AI
CP2
Menjelaskan prinsip-prinsip dasar pembelajaran mesin di Azure
CP3
Menjelaskan fitur beban kerja visi komputer di Azure
CP4
Menjelaskan fitur beban kerja Natural Language Processing (NLP) di Azure
CP5 Menjelaskan fitur beban kerja AI percakapan di Azure
Deskripsi Singkat Pembelajaran ini adalah kesempatan untuk menunjukkan pengetahuan tentang beban kerja
Pembelajaran ML dan AI umum dan cara mengimplementasikannya di Azure.
Bahan Kajian/Materi 1. Mulai menggunakan AI di Azure
Pembelajaran 2. Menggunakan pembelajaran mesin otomatis di Azure Machine Learning
3. Membuat Model Regresi dengan desainer Azure Machine Learning
4. Membuat model klasifikasi dengan azure machine learning designer
5. Membuat Model Pengelompokan dengan desainer Azure Machine Learning
6. Menganalisis gambar dengan layanan Visi Komputer
7. Mengklasifikasikan gambar dengan layanan Visi Kustom
8. Mendeteksi objek dalam gambar dengan layanan Visi Kustom
9. Mendeteksi dan menganalisis wajah dengan layanan Wajah
10. Membaca teks dengan layanan Visi Komputer
11. Menganalisis tanda terima dengan layanan Form Recognizer
12. Menganalisis teks dengan layanan Analitik Teks
13. Mengenali dan mensintesis ucapan
14. Menerjemahkan teks dan ucapan
15. Membuat model bahasa dengan Pemahaman Bahasa
16. Membangun bot dengan QnA Maker dan Azure Bot Service
Metode Penilaian dan • Summatif Exam (30%)
Kaitan dengan Capaian • Tugas (30%)
Pembelajaran
• Keaktifan di kelas (15%)
• Kehadiran (25%)

Daftar Bahan dan Referensi
1. Microsoft Learn. 2021. Get started with artificial intelligence on Azure.
https://docs.microsoft.com/en-us/learn/paths/get-started-with-artificial-intelligence-on-
azure/
2. Microsoft Learn. 2021. Create no-code predictive models with Azure Machine Learning.
https://docs.microsoft.com/en-us/learn/paths/create-no-code-predictive-models-azure-
machine-learning/
3. Microsoft Learn. 2021. Explore computer vision in Microsoft Azure.
https://docs.microsoft.com/en-us/learn/paths/explore-computer-vision-microsoft-azure/
4. Microsoft Learn. 2021. Explore computer vision in Microsoft Azure.
https://docs.microsoft.com/en-us/learn/paths/explore-natural-language-processing/
5. Microsoft Learn. 2021. Explore conversational AI.
https://docs.microsoft.com/en-us/learn/paths/explore-conversational-ai/
 Rencana Kegiatan Pembelajaran Mingguan (RKPM)
Tipe Pembelajaran: Sinkron

Metode Penilaian Bahan Kajian Pustaka dan

Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
1 • Mulai menggunakan Pengantar AI Sinkron: perte 3 jam Berdiskusi dan Microsoft [1]
AI di Azure muan di menyimak mate Learn
• Menggunakan Memahami Teams ri
pembelajaran mesin pembelajaran Meeting
otomatis di Azure mesin
Machine Learning
Memahami
deteksi anomali

Memahami visi
komputer

Memahami
pemrosesan
bahasa alami

Memahami AI
percakapan

Memahami AI
yang
bertanggung
jawab
 Metode Penilaian Bahan Kajian Pustaka dan
Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Jelajahi AI yang
bertanggung
jawab dalam
praktiknya

Apa itu
pembelajaran
mesin?

Membuat ruang
kerja Azure
Machine
Learning

Membuat
sumber daya
komputasi

Menjelajahi data

Melatih model
pembelajaran
mesin

Menerapkan
model sebagai
layanan
 Metode Penilaian Bahan Kajian Pustaka dan
Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
2 • Membuat Model Sinkron: perte 3 jam Berdiskusi dan Microsoft [2]
Regresi dengan Membuat ruang muan di menyimak mate Learn
desainer Azure kerja Azure Teams ri
Machine Learning Machine Meeting
• Membuat model Learning
klasifikasi dengan
azure machine Membuat
learning designer sumber daya
komputasi

Menjelajahi data

Membuat dan
menjalankan
saluran
pelatihan

Mengevaluasi
model regresi

Membuat
saluran inferensi

Menerapkan
layanan
prediktif

Membuat ruang
kerja Azure
 Metode Penilaian Bahan Kajian Pustaka dan
Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Machine
Learning

Membuat
sumber daya
komputasi

Menjelajahi data

Membuat dan
menjalankan
saluran
pelatihan

Mengevaluasi
model
klasifikasi

Membuat
saluran inferensi

Menerapkan
layanan
prediktif
3 • Membuat Model Membuat ruang Sinkron: perte 3 jam Berdiskusi dan Microsoft [2]
Pengelompokan kerja Azure muan di menyimak mate Learn
dengan desainer Machine Teams ri
Azure Machine Learning Meeting
Learning
 Metode Penilaian Bahan Kajian Pustaka dan
Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
• Menganalisis Membuat
gambar dengan sumber daya
layanan Visi komputasi
Komputer
Menjelajahi data

Membuat dan
menjalankan
saluran
pelatihan

Mengevaluasi
model
clustering

Membuat
saluran inferensi

Menerapkan
layanan

Mulai
menggunakan
analisis gambar
di Azure
4 • Mengklasifikasikan Mulai Sinkron: perte 3 jam Berdiskusi dan Microsoft [3]
gambar dengan menggunakan muan di menyimak mate Learn
layanan Visi Kustom klasifikasi Teams ri
• Mendeteksi objek gambar di Meeting
dalam gambar Azure
 Metode Penilaian Bahan Kajian Pustaka dan
Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
dengan layanan Visi
Kustom
Mulai
menggunakan
deteksi objek di
Azure
5 • Mendeteksi dan Sinkron: perte 3 jam Berdiskusi dan Microsoft [3]
menganalisis wajah Mulai muan di menyimak mate Learn
dengan layanan menggunakan Teams ri
Wajah analisis Wajah Meeting
• Membaca teks di Azure
dengan layanan Visi
Komputer Mulai
menggunakan
OCR di Azure
6 • Menganalisis tanda Mulai Sinkron: perte 3 jam Berdiskusi dan Microsoft [4]
terima dengan menggunakan muan di menyimak mate Learn
layanan Form analisis tanda Teams ri
Recognizer terima di Azure Meeting
• Menganalisis teks
dengan layanan Mulai
Analitik Teks menggunakan
Analitik Teks di
Azure
7 • Mengenali dan Mulai Sinkron: perte 3 jam Berdiskusi dan Microsoft [4]
mensintesis ucapan menggunakan muan di menyimak mate Learn
• Menerjemahkan teks ucapan di Azure Teams ri
dan ucapan Meeting
 Metode Penilaian Bahan Kajian Pustaka dan
Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Memulai
terjemahan di
Azure
8 • Membuat model Mulai Sinkron: perte 3 jam Berdiskusi dan Microsoft [5]
bahasa dengan menggunakan muan di menyimak mate Learn
Pemahaman Bahasa Pemahaman Teams ri
• Membangun bot Bahasa Meeting
dengan QnA Maker
dan Azure Bot Mulai
Service menggunakan
QnA Maker dan
Azure Bot
Service
Tipe Pembelajaran: Asinkron

Metode Penilaian Bahan Kajian Pustaka dan

Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
1 • Mulai menggunakan Pengantar AI Self-Paced 10 jam Belajar Mandiri Mengguna [1]
AI di Azure Learning dan Mengerjaka kan Micros
• Menggunakan Memahami n Tugas Asinkro oft
pembelajaran mesin pembelajaran n Communit
otomatis di Azure mesin y Training
Machine Learning
• Tugas asinkron Memahami
deteksi anomali

Memahami visi
komputer

Memahami
pemrosesan
bahasa alami

Memahami AI
percakapan

Memahami AI
yang
bertanggung
jawab

Jelajahi AI yang
bertanggung
jawab dalam
praktiknya
 Metode Penilaian Bahan Kajian Pustaka dan
Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)

Apa itu
pembelajaran
mesin?

Membuat ruang
kerja Azure
Machine
Learning

Membuat
sumber daya
komputasi

Menjelajahi data

Melatih model
pembelajaran
mesin

Menerapkan
model sebagai
layanan

2 • Membuat Model Membuat ruang Self-Paced 10 jam Belajar Mandiri Mengguna [2]
Regresi dengan kerja Azure Learning dan Mengerjaka kan Micros
desainer Azure Machine n Tugas Asinkro oft
Machine Learning Learning n Communit
• Tugas asinkron y Training
 Metode Penilaian Bahan Kajian Pustaka dan
Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Membuat
sumber daya
komputasi

Menjelajahi data

Membuat dan
menjalankan
saluran
pelatihan

Mengevaluasi
model regresi

Membuat
saluran inferensi

Menerapkan
layanan
prediktif

3 • Membuat model Memmbuat Self-Paced 10 jam Belajar Mandiri Mengguna [2]

klasifikasi dengan ruang kerja Learning dan Mengerjaka kan Micros
azure machine Azure Machine n Tugas Asinkro oft
learning designer Learning n Communit
• Tugas Asinkron y Training
Membuat
sumber daya
komputasi
 Metode Penilaian Bahan Kajian Pustaka dan
Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Menjelajahi data

Membuat dan
menjalankan
saluran
pelatihan

Mengevaluasi
model
klasifikasi

Membuat
saluran inferensi

Menerapkan
layanan
prediktif
4 • Membuat Model Membuat ruang Self-Paced 10 jam Belajar Mandiri Mengguna [2]
Pengelompokan kerja Azure Learning dan Mengerjaka kan Micros
dengan desainer Machine n Tugas Asinkro oft
Azure Machine Learning n Communit
Learning y Training
• Tugas Asinkron Membuat
sumber daya
komputasi

Menjelajahi data

Membuat dan
menjalankan
 Metode Penilaian Bahan Kajian Pustaka dan
Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
saluran
pelatihan

Mengevaluasi
model
clustering

5 • Menganalisis Membuat Self-Paced 10 jam Belajar Mandiri Mengguna [2]

gambar dengan saluran inferensi Learning dan Mengerjaka kan Micros
layanan Visi n Tugas Asinkro oft
Komputer Menerapkan n Communit
• Tugas asinkron layanan y Training

Mulai
menggunakan
analisis gambar
di Azure
6 • Mengklasifikasikan Mulai Self-Paced 10 jam Belajar Mandiri Mengguna [3]
gambar dengan menggunakan Learning dan Mengerjaka kan Micros
layanan Visi Kustom klasifikasi n Tugas Asinkro oft
• Mendeteksi objek gambar di n Communit
dalam gambar Azure y Training
dengan layanan Visi
Kustom
• Tugas asinkron Mulai
menggunakan
deteksi objek di
Azure
 Metode Penilaian Bahan Kajian Pustaka dan
Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
7 • Mendeteksi dan Self-Paced 10 jam Belajar Mandiri Mengguna [3]
menganalisis wajah Mulai Learning dan Mengerjaka kan Micros
dengan layanan menggunakan n Tugas Asinkro oft
Wajah analisis Wajah n Communit
• Membaca teks di Azure y Training
dengan layanan Visi
Komputer Mulai
• Tugas asinkron menggunakan
OCR di Azure
8 • Menganalisis tanda Mulai Self-Paced 10 jam Belajar Mandiri Mengguna [4]
terima dengan menggunakan Learning dan Mengerjaka kan Micros
layanan Form analisis tanda n Tugas Asinkro oft
Recognizer terima di Azure n Communit
• Menganalisis teks y Training
dengan layanan Mulai
Analitik Teks menggunakan
• Tugas asinkron Analitik Teks di
Azure
9 • Mengenali dan Mulai Self-Paced 10 jam Belajar Mandiri Mengguna [4]
mensintesis ucapan menggunakan Learning dan Mengerjaka kan Micros
• Menerjemahkan teks ucapan di Azure n Tugas Asinkro oft
dan ucapan n Communit
• Tugas asinkron Memulai y Training
terjemahan di
Azure
10 • Membuat model Mulai Self-Paced 10 jam Belajar Mandiri Mengguna [5]
bahasa dengan menggunakan Learning dan Mengerjaka kan Micros
Pemahaman Bahasa Pemahaman n Tugas Asinkro oft
• Membangun bot Bahasa n Communit
dengan QnA Maker y Training
 Metode Penilaian Bahan Kajian Pustaka dan
Sub-CP Pengalaman Media
Pertemua (Materi Metode Beban Waktu Sumber
(Kemampuan Akhir Bo- Belajar Pembelaja
n Ke- Pembelajaran) Pembelajaran Pembelajaran Belajar
yang Direncanakan) Indikator Teknik bot Mahasiswa ran
(%) Eksternal
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
dan Azure Bot Mulai
Service menggunakan
• Tugas asinkron QnA Maker dan
Azure Bot
Service