Handbook AI Engineering
Panduan lengkap membangun sistem AI produksi: dari fondasi Python dan lingkungan kerja, memahami model dan representasi, membangun sistem generatif dengan RAG dan agent, hingga deployment, observability, dan standar kerja profesional.
Peta Program
Program ini terdiri dari 23 bab yang dikelompokkan ke dalam enam bagian. Urutan bab bukan arbitrer, setiap bagian membangun fondasi yang dibutuhkan oleh bagian berikutnya.
I · Fondasi Lingkungan Kerja: Bab 1–5
Sebelum bisa membangun apapun, kamu perlu lingkungan kerja yang benar dan aman. Titik awal mutlak, tidak bergantung pada bagian lain.
- Bab 1: Python untuk AI Engineer
- Bab 2: Manajemen Lingkungan dan Dependensi
- Bab 3: Keamanan Kredensial: API Key dan File .env
- Bab 4: Version Control dengan Git dan GitHub
- Bab 5: Data Engineering: Pipeline dan Persiapan Data
II · Memahami Model dan Representasi: Bab 6–9
Sebelum menggunakan model, kamu perlu memahami cara kerjanya agar bisa men-debug ketika hasilnya tidak sesuai ekspektasi. Bergantung pada Bagian I.
- Bab 6: Dasar Machine Learning yang Perlu Diketahui AI Engineer
- Bab 7: Neural Network dan Arsitektur Transformer
- Bab 8: Token, Context Window, dan Parameter LLM
- Bab 9: Text Embedding dan Representasi Semantik
III · Membangun Sistem Generatif: Bab 10–13
Inti teknis program, membangun sistem RAG end-to-end dari pemilihan model hingga pipeline yang berjalan. Bergantung pada Bagian I dan II sepenuhnya.
- Bab 10: Ekosistem LLM dan Cara Memilih Model
- Bab 11: Prompt Engineering yang Sistematis
- Bab 12: Vector Database dan Semantic Search
- Bab 13: Retrieval-Augmented Generation (RAG)
IV · Orkestrasi dan Backend: Bab 14–15
Dari pipeline yang berjalan di notebook menjadi sistem yang bisa diakses via API oleh aplikasi manapun. Bergantung pada Bagian III, khususnya Bab 13.
- Bab 14: Agentic AI dengan LangGraph
- Bab 15: Membangun API Backend dengan FastAPI
V · Deployment dan Infrastruktur: Bab 16–17
Dari sistem yang berjalan di laptop menjadi sistem yang bisa diakses oleh siapapun di internet. Bergantung pada Bagian I, aplikasi FastAPI yang sudah berjalan.
- Bab 16: Containerization dengan Docker
- Bab 17: Cloud Deployment
VI · Produksi, Skalabilitas, dan Profesionalisme: Bab 18–23
Dari sistem yang berjalan menjadi sistem yang bisa diandalkan, dioptimalkan, dan dikembangkan secara profesional. Bergantung pada pengalaman nyata dari Bagian I–V.
- Bab 18: Observability dengan LangSmith
- Bab 19: Optimasi Performa dan Biaya
- Bab 20: AI-Accelerated Development
- Bab 21: Etika AI dan Keamanan Sistem
- Bab 22: System Design untuk Sistem AI
- Bab 23: Standar Kerja Profesional dan Portfolio
Baru mulai proyek: baca ulang Bab 22 (System Design) dan Bab 13 (RAG) terlebih dahulu. Menemukan masalah spesifik: gunakan Appendix B (Kamus Error) sebagai titik awal. Onboarding ke tim baru: gunakan checklist kesiapan produksi di Bab 22 sebagai framework.