Kursus AI Engineering Terbaik untuk Diambil pada 2026: Panduan Lengkap

Saya menyusun daftar ini untuk orang yang sudah menulis kode dan ingin membangun dengan large language model (LLM). Pada 2026, itulah arti AI engineering: memanggil model melalui API, menautkannya dengan data Anda sendiri, menghubungkannya ke alat, dan menjaganya tetap andal saat pengguna sungguhan mulai datang.

Titik awal Anda memengaruhi jawabannya. Seorang pengembang backend yang tidak pernah melatih model membutuhkan kursus awal yang berbeda dari seorang data scientist yang bisa melakukan fine-tuning model tetapi belum pernah merilis API, jadi 2 bagian pertama dibagi berdasarkan latar belakang. Enam bagian lainnya diatur berdasarkan keterampilan, dari API LLM hingga alat coding AI.

Jika Anda masih menimbang apakah ingin membangun dengan AI atau menggunakannya, mulai dari panduan kami yang lebih luas tentang kursus AI terbaik.

Rating kursus, jumlah ulasan, dan jumlah pembelajar terakhir diverifikasi pada 25 September 2026.

Tabel Perbandingan Kursus AI Engineering Terbaik

Setiap kursus dan track DataCamp di artikel ini tercantum di bawah dengan rating langsung dan jumlah pembelajarnya. Kursus dari penyedia lain dibahas dalam bagiannya masing-masing.

Kursus AI Engineering Terbaik untuk Software Engineer

Kursus AI engineering terbaik untuk software engineer dimulai dari API, bukan matematika, karena pekerjaannya adalah merilis fitur LLM di dalam perangkat lunak yang sudah Anda kelola.

Anda sudah punya bagian tersulitnya: version control, pengujian, dan deployment. Yang kurang adalah cara memanggil model, menautkannya pada data Anda, dan menghubungkannya ke alat.

1. Associate AI Engineer for Developers - DataCamp

Jalur utama kami untuk developer yang sudah menguasai Python tetapi belum punya pengalaman machine learning atau LLM, dan yang pertama akan saya ambil.

• Tingkat: Pemula dalam AI, mahir Python
• Waktu: 29 jam
• Biaya: Termasuk langganan, mulai $14/bulan ditagih tahunan
• Terbaik untuk: Developer yang menambahkan fitur LLM ke produk yang sudah mereka kelola

Sepuluh kursusnya mencakup dari OpenAI API dan prompt engineering hingga embeddings, Pinecone, Hugging Face, LangChain, dan LLMOps. Versi terbaru menambahkan Working with the OpenAI Responses API dan Introduction to Model Context Protocol (MCP), jadi kini mencakup koneksi alat, bukan hanya panggilan chat.

Project terpandu disisipkan di antara kursus, seperti asisten perjalanan Paris berbasis OpenAI API dan analisis topik ulasan pakaian dengan embeddings. Ada juga kursus tentang prinsip rekayasa perangkat lunak di Python, mudah di-skip namun layak dikerjakan.

Track ini mempersiapkan Anda untuk sertifikasi AI Engineer for Developers Associate kami, kredensial yang bisa ditambahkan setelah Anda selesai. Yang tidak diajarkan adalah pelatihan model: tidak ada PyTorch di sini, yang tepat untuk audiens ini dan kurang tepat jika Anda ingin fine-tuning.

2. Building AI Agents with Google ADK - DataCamp

Framework agen kedua dalam sejam, dan cara termurah untuk mengetahui ide agen mana yang khusus satu library dan mana yang lintas-framework.

• Tingkat: Menengah
• Waktu: 1 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Developer di Google Cloud, atau siapa pun yang baru membangun agen di LangChain

Dua bab membahas menjalankan agen dengan Agent Development Kit (ADK) Google, lalu membangun sistem multi-agen. Diajarkan oleh Francesca Donadoni.

Track developer mengajarkan agen melalui LangChain dan MCP saja, jadi ADK memberi titik perbandingan. Jika perusahaan Anda berjalan di Google Cloud, ini juga framework yang paling mungkin diminta. Dalam 1 jam, bahasan deployment minim, jadi anggap sebagai orientasi, bukan kursus penuh.

3. AI Engineer Path - Scrimba

Pilihan lebih baik jika tumpukan Anda adalah JavaScript atau TypeScript, bukan Python.

• Tingkat: Menengah, mengasumsikan JavaScript front-end
• Waktu: 11,4 jam screencast interaktif
• Biaya: Scrimba Pro, $24,50/bulan ditagih tahunan
• Terbaik untuk: Web developer yang bekerja di Node atau codebase front-end

Mencakup agen, retrieval augmented generation (RAG), MCP, dan context engineering, dengan alat seperti LangChain.js dan Vercel AI SDK. Pelajaran menggunakan screencast interaktif Scrimba, di mana Anda dapat menjeda instruktur dan mengedit kode mereka di browser.

Hampir setiap kursus AI engineering, termasuk milik kami, mengasumsikan Python. Jika Anda merilis JavaScript, mempelajari polanya dalam bahasa Anda sendiri lebih cepat. Konsekuensinya adalah kedalaman: tidak ada pembahasan internal model atau fine-tuning, dan akhirnya Anda akan membutuhkan Python untuk tooling model terbuka.

Pilihan kami: Ambil track Associate AI Engineer for Developers kami, lalu Building AI Agents with Google ADK untuk framework kedua. Jika Anda bekerja di JavaScript, mulai dengan AI Engineer Path dari Scrimba.

Kursus AI Engineering Terbaik untuk Data Scientist

Kursus AI engineering terbaik untuk data scientist melewatkan machine learning yang sudah Anda kuasai dan mengajarkan hal yang tidak diminta oleh notebook: aplikasi LLM, praktik perangkat lunak, dan deployment.

Data scientist datang dengan sisi model yang sudah tertutup. Kekurangannya adalah rilis: pengujian, version control, dan menempatkan model di balik antarmuka yang diandalkan orang lain.

1. Associate AI Engineer for Data Scientists - DataCamp

Track kami untuk data scientist yang beralih dari notebook ke sistem AI produksi.

• Tingkat: Menengah, mengasumsikan Python dan machine learning dasar
• Waktu: 40 jam
• Biaya: Termasuk langganan, mulai $14/bulan ditagih tahunan
• Terbaik untuk: Data scientist yang ingin melatih, fine-tuning, dan men-deploy model, bukan hanya memanggilnya

Ketiga belas kursus dimulai dengan scikit-learn dan PyTorch, bergerak melalui dasar LLM dan menjalankan Llama 3 secara lokal, dan berakhir pada praktik perangkat lunak: pengujian dengan pytest, Git, dan konsep MLOps. Explainable AI dengan SHAP dan LIME juga ada.

Durasi 11 jam lebih lama daripada track developer karena menambahkan kebiasaan rekayasa yang kebanyakan data scientist belum butuhkan. Project terpandu mencakup model OCR untuk dokumen asuransi hasil scan dan proyek LLM yang mengklasifikasikan ulasan mobil.

Ini mempersiapkan Anda untuk sertifikasi AI Engineer for Data Scientists Associate kami. Kekurangannya: sangat sedikit membahas pembuatan aplikasi LLM, tanpa RAG dan tanpa framework agen, itulah sebabnya kursus berikutnya ada di sini.

2. Developing LLM Applications with LangChain - DataCamp

Lapisan pembuatan aplikasi yang dilewatkan oleh track data scientist, dan kursus yang akan saya ambil setelahnya.

• Tingkat: Menengah
• Waktu: 3 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Data scientist yang bisa melakukan fine-tuning model tetapi belum pernah membangun aplikasi di sekitarnya

Tiga bab membahas LangChain dan mekanika chatbot, chain dan agen, serta RAG tingkat awal. Diajarkan oleh Jonathan Bennion, kontributor LangChain.

LangChain mendapat kritik wajar atas lapisan abstraksinya, dan API-nya sering berubah. Namun ini tetap framework yang paling sering disebut di lowongan kerja, dan ini adalah kursus pertama dari track Developing Applications with LangChain jika Anda ingin lanjut.

3. Generative AI Engineering with LLMs Specialization - IBM, Coursera

Lebih dalam pada sisi model dibanding apa pun yang kami terbitkan di level ini.

• Tingkat: Menengah, mengasumsikan Python, PyTorch membantu
• Waktu: 6 kursus, sekitar 3 bulan
• Biaya: Langganan Coursera
• Terbaik untuk: Data scientist yang menginginkan pemahaman internal transformer dan metode fine-tuning

Di 6 kursus, mulai dari tokenisasi dan data loader hingga model bahasa transformer, lalu ke LoRA, QLoRA, dan metode alignment seperti DPO dan PPO, semuanya di PyTorch dan Hugging Face. Katalog IBM mencantumkan pembaruan konten pada Agustus 2026.

Kursus terakhirnya membahas RAG dan agen dengan LangChain, tetapi secara ringan. Ambil jika minat Anda adalah cara kerja LLM dan cara mengadaptasinya, bukan apa yang bisa Anda rilis kuartal ini.

Pilihan kami: Ambil track Associate AI Engineer for Data Scientists kami, lalu Developing LLM Applications with LangChain untuk mengisi celah aplikasi. Tambahkan spesialisasi IBM hanya jika Anda ingin kedalaman fine-tuning lebih lanjut.

Kursus Terbaik untuk Bekerja dengan LLM API

Kursus terbaik untuk bekerja dengan LLM API mengajarkan permintaannya sendiri: pesan, parameter, output terstruktur, pemanggilan fungsi, dan apa yang harus dilakukan ketika API gagal.

Semua bagian berikutnya mengasumsikan Anda bisa melakukan ini. Lima pilihan di sini semuanya milik kami, karena ini area katalog kami yang paling dalam, dengan 2 penyedia dibahas dan setiap kursus diperbarui pada 2026.

1. Working with the OpenAI API - DataCamp

Kursus pertama yang harus diambil, dan kursus mandiri yang paling banyak diambil dalam artikel ini.

• Tingkat: Pemula dalam AI, mahir Python
• Waktu: 3 jam
• Biaya: Bab 1 gratis, akses penuh mulai $14/bulan ditagih tahunan
• Terbaik untuk: Developer yang melakukan panggilan API pertama

Tiga bab membahas OpenAI API, melakukan prompting untuk model OpenAI, dan percakapan multi-giliran. Diajarkan oleh James Chapman dan Eduardo Oliveira, CTO kami.

Dengan 174K pembelajar dan 9.508 ulasan, ini memiliki sampel terbesar di balik ratingnya dibanding kursus tunggal lain di sini. Kursus ini khusus OpenAI, jadi konsepnya dapat ditransfer ke penyedia lain dan kodenya sebagian besar tidak.

2. Prompt Engineering with the OpenAI API - DataCamp

Prompting sebagai kode, dengan tujuan output yang bisa direproduksi, bukan output yang kebetulan berhasil sekali.

• Tingkat: Pemula
• Waktu: 4 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Developer yang membutuhkan output terstruktur dan konsisten dari model

Empat bab membahas praktik terbaik prompting, strategi lanjutan, prompt untuk aplikasi bisnis, dan prompt untuk chatbot. Diajarkan oleh Fouad Trad.

Dengan 4 jam, ini kursus terpanjang di bagian ini. Bab chatbot bertumpang tindih dengan bab percakapan di atas, jadi Anda bisa melaluinya lebih cepat.

3. Developing AI Systems with the OpenAI API - DataCamp

Apa yang perlu dipelajari ketika prototipe Anda bertemu pengguna yang tidak membangunnya.

• Tingkat: Menengah
• Waktu: 3 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Developer yang akan menempatkan fitur LLM di depan pengguna

Tiga bab membahas penyusunan aplikasi end-to-end, pemanggilan fungsi, dan praktik terbaik untuk aplikasi produksi. Diajarkan oleh Francesca Donadoni.

Pemanggilan fungsi adalah bab yang perlu diprioritaskan, karena itulah cara model menyerahkan permintaan terstruktur ke kode Anda. Versi terbaru track developer kami menghapus kursus ini, jadi ambil terpisah jika Anda sudah mengikuti track tersebut.

4. Introduction to Claude Models - DataCamp

Anthropic API, untuk tim yang ingin penyedia kedua atau membangun di atas Claude terlebih dahulu.

• Tingkat: Menengah
• Waktu: 3 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Tim yang mengevaluasi lebih dari satu penyedia model

Tiga bab membahas Anthropic API, prompting dengan Claude, dan interaksi multi-pesan. Diajarkan oleh Nikhil Rangarajan.

Membangun di atas 2 penyedia adalah asuransi murah terhadap perubahan harga dan outage, dan format permintaannya berbeda lebih dari yang disiratkan dokumentasi. Dengan 981 ulasan, ratingnya bertumpu pada sampel yang lebih kecil daripada kursus OpenAI.

5. Introduction to LLMs in Python - DataCamp

Apa yang terjadi di dalam model yang selama ini Anda panggil.

• Tingkat: Menengah
• Waktu: 3 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Developer yang ingin men-debug perilaku model, bukan hanya mengamatinya

Tiga bab membahas cara kerja LLM dan transformer, fine-tuning LLM, dan evaluasi performa LLM. Diajarkan oleh Jasmin Ludolf dan Iván Palomares Carrascosa.

Anda bisa merilis banyak hal tanpa ini. Bab evaluasi adalah alasan saya tetap akan mengambilnya, karena mengetahui bagaimana output LLM dinilai membantu Anda mengetahui kapan skor menipu. Kursus ini juga bagian dari track data scientist kami, jadi lewati jika Anda sudah mengambilnya.

Pilihan kami: Ambil Working with the OpenAI API terlebih dahulu, lalu Developing AI Systems with the OpenAI API sebelum Anda merilis apa pun. Tambahkan Introduction to Claude Models jika Anda memakai lebih dari satu penyedia.

Kursus Terbaik untuk RAG dan Embedding

Kursus RAG terbaik mengajarkan retrieval sebelum generation, karena jawaban RAG yang buruk biasanya berasal dari pengambilan potongan yang salah, bukan dari modelnya.

Retrieval augmented generation (RAG) menautkan jawaban model pada dokumen yang Anda sediakan. Ini bertumpu pada embeddings, yang mengubah teks menjadi vektor yang bisa dibandingkan berdasarkan makna.

1. Introduction to Embeddings with the OpenAI API - DataCamp

Pencarian semantik dari prinsip pertama, dan gagasan yang menjadi dasar bagian ini.

• Tingkat: Menengah
• Waktu: 3 jam
• Biaya: Bab 1 gratis, akses penuh mulai $14/bulan ditagih tahunan
• Terbaik untuk: Developer yang ingin memahami mengapa retrieval mengembalikan hasil tertentu

Tiga bab membahas apa itu embeddings, embeddings untuk aplikasi AI seperti pencarian semantik dan rekomendasi, serta pengantar basis data vektor. Diajarkan oleh Emmanuel Pire dan James Chapman.

Menggunakan model embedding OpenAI sepanjang kursus. Model embedding sumber terbuka dari Hugging Face bekerja sama secara konseptual tetapi memerlukan kode berbeda.

2. Building AI Applications with Pinecone - DataCamp

Tempat menyimpan vektor ketika jumlahnya terlalu banyak untuk ditahan di memori.

• Tingkat: Menengah
• Waktu: 3 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Developer yang beralih dari indeks prototipe ke ukuran produksi

Tiga bab membahas dasar Pinecone, mengelola vektor di Python, dan penyetelan performa untuk aplikasi AI. Diajarkan oleh James Chapman dan Ryan Ong.

Mengajarkan Pinecone secara spesifik, basis data vektor terkelola. Sebagian besar konsep berlaku ke Weaviate, Chroma, atau pgvector, sementara kode kliennya tidak.

3. Retrieval Augmented Generation (RAG) with LangChain - DataCamp

Pola itu sendiri, end-to-end, dan kursus yang paling baru diperbarui dalam artikel ini.

• Tingkat: Menengah
• Waktu: 3 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Developer yang menautkan jawaban pada dokumen yang mereka kendalikan

Tiga bab membahas membangun aplikasi RAG dengan LangChain, meningkatkan arsitektur RAG, dan Graph RAG dengan knowledge graph. Diajarkan oleh Meri Nova.

Graph RAG adalah bab yang tidak dimiliki kebanyakan kursus RAG, dan ini alat yang tepat ketika dokumen Anda mendeskripsikan entitas serta relasinya. Ini juga kursus kedua dari track Developing Applications with LangChain kami.

4. Retrieval Augmented Generation (RAG) - DeepLearning.AI, Coursera

Pilihan yang lebih dalam setelah Anda punya sistem RAG dan jawabannya belum memuaskan.

• Tingkat: Menengah, wajib Python
• Waktu: 5 modul, sekitar 3 minggu @ 10 jam/minggu
• Biaya: Langganan Coursera atau DeepLearning.AI
• Terbaik untuk: Developer yang kualitas retrieval-nya sudah mentok

Zain Hasan mengajarkan retrieval lebih dalam dari yang kami bahas: pencarian kata kunci BM25, pencarian hibrida dengan reciprocal rank fusion, reranking cross-encoder, dan chunking, dengan Weaviate sebagai basis data vektor. Modul terakhir membahas evaluasi dan pemantauan dengan Arize Phoenix.

Dirilis pada Juli 2025. Lab membangun chatbot pada dataset e-commerce dan berita fiktif, bukan dokumen Anda, jadi ambil kedua, setelah Anda menemui masalah retrieval sendiri.

Pilihan kami: Ambil 3 kursus kami berurutan, mulai dari Introduction to Embeddings with the OpenAI API. Beralih ke kursus RAG DeepLearning.AI ketika kualitas retrieval—bukan pipelinenya—menjadi masalah Anda.

Kursus Terbaik untuk Membangun Agen AI

Kursus agen AI terbaik mengajarkan pola desain terlebih dahulu dan satu framework kemudian, karena framework berubah lebih cepat daripada polanya.

Agen AI adalah LLM yang memutuskan langkah apa yang diambil dan alat apa yang dipanggil, alih-alih menjawab sekali. Untuk daftar khusus LangChain, lihat panduan kami tentang kursus LangChain terbaik untuk developer.

1. AI Agent Fundamentals - DataCamp

Konsep agen tanpa kode, dan langkah pertama yang tepat meski Anda akan menulis banyak kode nanti.

• Tingkat: Pemula, tanpa coding
• Waktu: 6 jam
• Biaya: Termasuk langganan, mulai $14/bulan ditagih tahunan
• Terbaik untuk: Siapa pun yang perlu memahami agen sebelum memilih cara membangunnya

Ketiga kursusnya dimulai dari Introduction to AI for Work dan Introduction to AI Agents, lalu diakhiri dengan Building Scalable Agentic Systems. Sepanjang jalan, Anda akan bertemu loop Thought-Action-Observation, ReAct prompting, pola multi-agen, dan protokol Agent-to-Agent (A2A).

Developer bisa melewati kursus pertama. Bagian yang berharga adalah alasan agen gagal keluar dari tahap pengembangan, yang menjadi pertanyaan yang diasumsikan oleh setiap kursus selanjutnya di bagian ini.

2. Designing Agentic Systems with LangChain - DataCamp

Desain agen melampaui tahap tutorial, tempat masalah menarik mulai muncul.

• Tingkat: Menengah
• Waktu: 3 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Developer yang agennya berjalan di demo tetapi gagal di praktik

Tiga bab membahas esensial agen LangChain, membangun chatbot dengan LangGraph, dan agen chat dinamis. Diajarkan oleh Dilini K. Sumanapala.

LangGraph adalah alasan untuk mengambilnya: inilah cara LangChain kini menangani agen yang melakukan loop, bercabang, dan menyimpan state. Ini adalah kursus terakhir dari track Developing Applications with LangChain, jadi ambil track-nya jika Anda mau urutan lengkap.

3. Introduction to Model Context Protocol (MCP) - DataCamp

Standar untuk menghubungkan agen ke alat, dan kursus yang akan saya prioritaskan jika Anda hanya punya waktu untuk satu lagi.

• Tingkat: Menengah
• Waktu: 3 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Developer yang lelah menulis integrasi kustom untuk setiap alat

Tiga bab membahas blok bangunan MCP, aplikasi LLM berkemampuan MCP, dan menyiapkan server MCP untuk produksi. Diajarkan oleh James Chapman dan Korey Stegared-Pace dari Microsoft.

MCP menggantikan kode perekat per framework dengan satu antarmuka yang dapat digunakan klien kompatibel mana pun. Ini juga bagian dari track developer kami, dan dengan 607 ulasan, ratingnya bertumpu pada sampel yang lebih kecil daripada kebanyakan di sini.

4. AI Agents Course - Hugging Face

Gratis, lintas-framework, dan opsi tanpa biaya terbaik di bagian ini.

• Tingkat: Menengah
• Waktu: 4 unit inti plus 3 unit bonus, mandiri
• Biaya: Gratis, dengan sertifikat
• Terbaik untuk: Developer yang ingin melihat agen di lebih dari satu framework

Mencakup smolagents, LlamaIndex, dan LangGraph, dengan unit bonus tentang fine-tuning untuk function calling dan observabilitas agen. Hugging Face memeliharanya secara publik, dan masih diperbarui pada September 2026.

Melihat agen yang sama dibangun dengan 3 cara adalah rute tercepat untuk mengetahui bagian mana yang merupakan konvensi framework. Sertifikatnya gratis, jadi hampir tidak ada alasan untuk tidak mengambilnya bersamaan dengan kursus kami.

5. Agentic AI - DeepLearning.AI

Andrew Ng tentang pola desain agen, dalam Python murni.

• Tingkat: Menengah, wajib Python
• Waktu: 5 modul, sekitar 10 jam
• Biaya: Video gratis, lab dan sertifikat dengan Pro $25/bulan ditagih tahunan
• Terbaik untuk: Developer yang menginginkan pola tanpa terhalang framework

Dirilis Oktober 2025, mengajarkan 4 pola: refleksi, penggunaan alat, perencanaan, dan kolaborasi multi-agen. Semua dibangun di Python mentah, bukan melalui library.

Itu membuatnya menjadi materi paling tahan lama di bagian ini, karena polanya akan bertahan lebih lama daripada setiap framework di atas. Konsekuensinya, Anda tidak akan mempelajari fitur produksi framework mana pun, seperti penanganan state pada LangGraph.

Pilihan kami: Ambil AI Agent Fundamentals jika agen masih baru bagi Anda, lalu Introduction to Model Context Protocol (MCP) dan Designing Agentic Systems with LangChain. Tambahkan kursus gratis Hugging Face untuk framework kedua dan ketiga.

Kursus Terbaik untuk Model Terbuka dan Fine-Tuning

Kursus fine-tuning terbaik dimulai dengan menemukan dan menjalankan model terbuka, karena persiapan dataset—bukan pelatihan—adalah tempat sebagian besar pekerjaan berlangsung.

Model open-weight seperti Llama memungkinkan Anda menjalankan dan mengadaptasi model pada hardware Anda sendiri. Fine-tuning melatih ulang model pada data Anda agar mengikuti format atau gaya yang tidak bisa dijaga oleh prompting.

1. Working with Hugging Face - DataCamp

Menemukan, memuat, dan menjalankan model terbuka, prasyarat untuk semua hal di sini.

• Tingkat: Pemula
• Waktu: 2 jam
• Biaya: Bab 1 gratis, akses penuh mulai $14/bulan ditagih tahunan
• Terbaik untuk: Developer yang hanya pernah menggunakan API hosted

Dua bab membahas memulai dengan Hugging Face Hub dan membangun pipeline untuk tugas umum. Diajarkan oleh Jacob Marquez.

Ini kursus tertua dalam artikel ini, terakhir diperbarui Juli 2025, dan library Hugging Face sudah bergerak sejak itu. Belum menampilkan rating, jadi nilai berdasarkan 38K pembelajar dan daftar babnya. Kursus ini ada di kedua track AI engineer kami.

2. Fine-Tuning with Llama 3 - DataCamp

Mengadaptasi model open-weight, pada hardware yang realistis untuk didapatkan.

• Tingkat: Menengah
• Waktu: 2 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Tim yang membutuhkan format atau gaya yang konsisten dalam skala besar

Dua bab membahas menyiapkan data untuk fine-tuning Llama dan fine-tuning dengan SFTTrainer dari Hugging Face. Diajarkan oleh Francesca Donadoni.

Persiapan dataset adalah sebagian besar pekerjaan dan bagian yang sering diremehkan, karenanya mendapatkan satu bab penuh. Ratingnya bertumpu pada 414 ulasan, sampel kecil, jadi pertimbangkan hal itu.

3. Transformer Models with PyTorch - DataCamp

Membangun arsitekturnya sendiri, yang jarang diperlukan engineer tetapi mengubah cara Anda membaca semua hal lainnya.

• Tingkat: Lanjutan
• Waktu: 2 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Engineer yang menginginkan mekanisme, bukan abstraksi

Dua bab membahas blok bangunan model transformer, termasuk attention dan positional encoding, lalu merakit arsitektur transformer lengkap di PyTorch. Diajarkan oleh James Chapman.

Ambil untuk pemahaman, bukan aplikasi. Hampir tidak ada yang membangun transformer produksi dari nol, dan setelah kursus ini, perhatian (attention) tidak lagi sekadar kata yang Anda setujui tanpa paham.

4. LLM Course - Hugging Face

Gratis, resmi dari pembuatnya, dan masuk lebih jauh ke teknik pelatihan dibanding kami.

• Tingkat: Menengah hingga lanjutan
• Waktu: 12 bab, sekitar 6 hingga 8 jam tiap bab
• Biaya: Gratis
• Terbaik untuk: Engineer yang mengerjakan fine-tuning secara serius

Bab terbaru membahas kurasi dataset, supervised fine-tuning dengan SFTTrainer, LoRA, dan pelatihan model penalaran dengan GRPO. Hugging Face mengembangkannya secara terbuka, dan repositori GitHub-nya masih diperbarui pada Juli 2026.

Para pengelola library yang menulisnya, dan itu kekuatan terbesarnya. Bab awal membahas tugas NLP klasik yang bisa Anda lewati jika Anda hanya peduli pada LLM.

Pilihan kami: Ambil Working with Hugging Face terlebih dahulu, lalu Fine-Tuning with Llama 3. Beralih ke LLM Course dari Hugging Face saat Anda membutuhkan LoRA atau pelatihan model penalaran.

Kursus Terbaik untuk LLMOps dan Deployment

Kursus LLMOps terbaik mengajarkan evaluasi dan pemantauan bersamaan dengan deployment, karena fitur LLM gagal secara senyap, dengan output yang masuk akal tetapi salah alih-alih error.

LLMOps mencakup semua hal setelah prototipe: versi prompt, evaluasi output, penyajian model, dan pemantauan di produksi.

1. LLMOps Concepts - DataCamp

Satu jam, dan jam dengan nilai terbaik dalam artikel ini bagi siapa pun yang akan merilis.

• Tingkat: Pemula
• Waktu: 1 jam
• Biaya: Bab 1 gratis, akses penuh mulai $14/bulan ditagih tahunan
• Terbaik untuk: Developer yang prototipenya akan menjadi dependensi orang lain

Tiga bab mengikuti siklus hidup LLM melalui fase ideasi, pengembangan, dan operasional. Diajarkan oleh Max Knobbout, applied scientist di Uber.

Bersifat konseptual, tanpa kode deployment. Ambil sebelum 2 entri berikutnya, yang mengasumsikan Anda tahu mengapa tiap tahap siklus hidup ada.

2. Deploying AI into Production with FastAPI - DataCamp

Menempatkan model di balik API yang bisa dipanggil layanan lain.

• Tingkat: Lanjutan
• Waktu: 4 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Engineer yang bertanggung jawab pada layanan, bukan hanya model

Empat bab membahas FastAPI untuk deployment model, mengintegrasikan model AI, mengamankan dan mengoptimalkan API, dan versioning API, pemantauan, serta logging. Diajarkan oleh Matt Eckerle.

Bab versioning dan logging adalah yang sering dilewati tutorial, dan bagian yang paling dulu Anda butuhkan saat ada yang rusak. Terakhir diperbarui November 2025, jadi cek dokumentasi FastAPI saat ini untuk hal spesifik versi.

3. MLOps Fundamentals - DataCamp

Praktik yang lebih luas yang darinya LLMOps mewarisi sebagian besar kebiasaannya.

• Tingkat: Lanjutan
• Waktu: 14 jam
• Biaya: Termasuk langganan, mulai $14/bulan ditagih tahunan
• Terbaik untuk: Tim yang menempatkan model apa pun ke produksi, LLM atau bukan

Keempat kursusnya, termasuk MLOps Concepts, membahas cara model berpindah dari notebook ke produksi dan cara menjaganya tetap sehat setelah di sana.

Pemantauan drift paling langsung terbawa ke pekerjaan LLM. Dengan 14 jam, ini komitmen terbesar di bagian ini, dan data scientist yang mengambil track AI engineer kami sudah melihat MLOps Concepts.

4. AI Evals for Engineers & PMs - Hamel Husain dan Shreya Shankar, Maven

Kursus yang direkomendasikan praktisi untuk evaluasi LLM, keterampilan yang paling sering dilewatkan tim.

• Tingkat: Menengah hingga lanjutan
• Waktu: 4 minggu @ 3–5 jam per minggu, kohort live
• Biaya: Sekitar $5.000 sebelum diskon, dengan akses rekaman dan kohort mendatang seumur hidup
• Terbaik untuk: Engineer dan product manager yang bertanggung jawab atas keberhasilan fitur LLM

Anda menginstrumentasi agen nyata, membaca trace-nya, mengelompokkan mode kegagalannya, dan membangun evaluasi LLM-as-judge serta berbasis kode yang selaras dengan penilaian pakar. Kohort 10 Oktober 2026 adalah yang terakhir tahun ini.

Tidak ada yang kami terbitkan sedalam ini untuk evaluasi. Harganya adalah batasan jelas: pada level ini, ini keputusan anggaran pelatihan, bukan keputusan pribadi.

Pilihan kami: Ambil LLMOps Concepts sebelum Anda merilis, lalu Deploying AI into Production with FastAPI untuk menyajikan model. Jika perusahaan Anda membiayai, kursus evaluasi Maven adalah investasi terbaik di bagian ini.

Kursus Terbaik untuk Alat Coding AI

Kursus terbaik untuk alat coding AI mengajarkan Anda meninjau apa yang ditulis alat, karena menerima kode hasil generasi yang tidak Anda pahami adalah cara tercepat mengirim bug.

Alat coding AI berkisar dari pelengkapan otomatis di editor Anda, seperti GitHub Copilot, hingga agen seperti Claude Code yang mengedit banyak file dan menjalankan tes. Pilih kursus untuk alat yang benar-benar digunakan tim Anda.

1. AI for Software Engineering - DataCamp

Track yang luas, mencakup alat yang kemungkinan Anda temui di berbagai tim.

• Tingkat: Menengah
• Waktu: 8 jam
• Biaya: Termasuk langganan, mulai $14/bulan ditagih tahunan
• Terbaik untuk: Engineer yang menetapkan standar penggunaan alat AI di tim

Keempat kursusnya adalah AI-Assisted Coding for Developers, Software Development with GitHub Copilot, Software Development with Windsurf, dan Vibe Coding with Replit. Kursus Replit diajarkan oleh Matt Palmer, head of developer relations di Replit.

Kursus pertama agnostik alat dan paling berguna: prompting untuk kode, lalu menguji dan mendokumentasikan hasilnya. Kursus Windsurf dan Replit kurang penting jika tim Anda telah menstandarkan satu editor.

2. GitHub Copilot Fundamentals (GH-300) - DataCamp

Persiapan untuk sertifikasi Copilot dari GitHub, dibangun bersama GitHub.

• Tingkat: Menengah
• Waktu: 7 jam
• Biaya: Termasuk langganan
• Terbaik untuk: Developer yang diminta perusahaannya memiliki sertifikasi GH-300

Berbagi 2 kursus pertama dengan track di atas, lalu menambahkan Advanced AI-Assisted Coding for Developers dan AI Ethics. Tutorial melengkapi topik ujian seperti paket Copilot, Copilot CLI, dan pengecualian konten.

Jumlah pembelajarnya berasal dari AI Ethics, kursus yang paling banyak diambil di track ini, jadi angka utama lebih mencerminkan kursus itu daripada Copilot. Ambil jika Anda menginginkan sertifikat. Jika tidak, track di atas mencakup lebih banyak alat.

3. Claude Code 101 - DataCamp dan Anthropic Academy

Coding agen di terminal, gratis di platform kami dan diproduksi oleh Anthropic.

• Tingkat: Pemula
• Waktu: 3 jam
• Biaya: Gratis
• Terbaik untuk: Developer yang ingin AI mengerjakan pekerjaan multi-file, bukan hanya pelengkapan baris

Empat bab membahas apa itu Claude Code, prompt pertama Anda, alur kerja harian, dan menyesuaikan Claude Code untuk proyek Anda. Diproduksi oleh Anthropic Academy.

Claude Code bekerja di seluruh codebase, jadi kursus memfokuskan waktu pada meninjau dan mengarahkan perubahan alih-alih trik prompting. Kursus ini khusus Claude, tetapi kebiasaan alur kerja terbawa ke agen coding lain.

4. Claude Code in Action - DataCamp dan Anthropic Academy

Kursus lanjutan bagi siapa pun yang sudah mentok dengan default Claude Code, dan kursus dengan rating tertinggi di artikel ini.

• Tingkat: Menengah
• Waktu: 3 jam
• Biaya: Gratis
• Terbaik untuk: Developer yang ingin menyerahkan tugas lebih panjang ke Claude Code

Empat bab membahas mengarahkan sesi panjang, mengonfigurasi Claude dengan aturan dan hook, mengotomatisasi pekerjaan berulang dengan routine dan GitHub, dan memverifikasi hasil. Diproduksi oleh Anthropic Academy.

Rating 4,9 berasal dari 249 ulasan, jadi sedikit di atas ambang 200 ulasan kami. Harapkan tampilan layar cepat usang, karena Claude Code sering berubah.

Pilihan kami: Ambil AI for Software Engineering untuk cakupan luas, atau GitHub Copilot Fundamentals (GH-300) jika Anda membutuhkan sertifikat. Untuk Claude Code, mulai dari Claude Code 101 yang gratis.

Bagaimana Kami Memilih Kursus Ini

Rating, jumlah ulasan, dan jumlah pembelajar untuk kursus kami diambil dari data kursus langsung, pada tanggal yang ditampilkan di cap kesegaran di bagian atas halaman ini. Untuk track, rating adalah rata-rata berbobot ulasan dari kursus yang terdapat di track, dan jumlah pembelajar adalah milik kursus yang paling banyak diambil.

Kursus apa pun yang tidak diperbarui kontennya dalam 18 bulan terakhir tidak kami masukkan, baik kursus kami maupun milik orang lain. Kami juga menghilangkan kursus dengan kurang dari 200 ulasan dari rating, dan membatasi tiap bagian maksimal 5 pilihan.

Kursus eksternal diperiksa terhadap halaman penyedia atau peliputan terbaru pada September 2026. Jika kursus luar lebih baik, kami memasukkannya dan menjelaskan alasannya.

Pemikiran Akhir

Bagi sebagian besar developer, track Associate AI Engineer for Developers kami adalah tempat saya akan mulai, karena mencakup API, RAG, agen, dan LLMOps dalam 29 jam dan mempersiapkan Anda untuk sertifikasi. Data scientist sebaiknya mengambil track Associate AI Engineer for Data Scientists kami, dan developer JavaScript akan melangkah lebih jauh, lebih cepat dengan Scrimba.

Jika Anda pemula dan hanya mengambil satu kursus minggu ini, pilih Working with the OpenAI API. Durasi 3 jam, dan setiap kursus lain di artikel ini mengasumsikan Anda sudah mengikutinya.