Kursus
Konsep Large Language Models (LLM)
2 Hr
103.8K
Large language model telah berubah dari rasa ingin tahu riset menjadi topik yang setiap pengembang diharapkan punya pendapat, entah itu memanggil API, fine-tuning model open-source, atau menjelaskan kepada tim produk mengapa chatbot baru saja berhalusinasi soal kebijakan pengembalian dana.
Untuk membantu, kami menyusun peringkat kursus berdasarkan empat kriteria:
- Kedalaman konsep: apakah kursus benar-benar menjelaskan token, embedding, attention, dan arsitektur transformer
- Rigor praktik: apakah Anda menulis kode yang memanggil, melakukan fine-tuning, atau menyajikan model nyata
- Cakupan platform dan model: apakah kursus terbatas pada satu API atau memberi gambaran tentang model open-source versus proprietari
- Keahlian instruktur dan hasil: siapa yang mengajar dan apa yang benar-benar bisa Anda bangun sesudahnya
1. Introduction to LLMs in Python — DataCamp
Introduction to LLMs in Python dari DataCamp adalah kursus tunggal terbaik bagi pengembang yang ingin melampaui tahap "memanggil OpenAI API" dan benar-benar memahami arsitektur transformer yang menjadi dasar setiap LLM modern.
- Tingkat: Menengah
- Waktu: ~3 jam, mandiri; gratis untuk mulai
- Biaya: Gratis untuk mulai; akses penuh termasuk dalam langganan DataCamp (~$25/bulan)
- Paling cocok untuk: Pengembang yang menginginkan pengantar LLM dan transformer yang terfokus dan berorientasi kode tanpa harus langsung berkomitmen pada spesialisasi penuh
Kursus ini membahas mekanisme arsitektur transformer sebelum beralih ke penggunaan model dan dataset pre-trained dari Hugging Face, melakukan fine-tuning untuk tugas tertentu, dan mengevaluasi hasilnya.
Yang menonjol dan menjadi alasan kursus ini nomor satu: kursus dijalankan di AI Tutor milik DataCamp, yang menjelaskan error dalam konteks kode persis yang sedang Anda lihat. Bug pada LLM jarang terlihat jelas hanya dari stack trace dan tutor yang menalar tentang kesalahan spesifik Anda jauh lebih baik daripada menebak-nebak.
2. LLM Engineering: Master AI, Large Language Models & Agents — Udemy
LLM Engineering adalah opsi bagus untuk pengembang yang menginginkan satu kursus komprehensif dan sarat proyek, mulai dari memanggil API komersial hingga fine-tuning model open-source dan membangun agen.
- Tingkat: Menengah (memerlukan Python)
- Waktu: ~30+ jam konten dalam 200+ kuliah; perkirakan 6–8 minggu dengan proyek
- Biaya: Biasanya didiskon jauh di bawah harga daftar selama promo rutin Udemy
- Paling cocok untuk: Pengembang yang menginginkan jalur LLM engineering yang mencakup model proprietari dan open-source
Instrukturnya, Ed Donner, adalah mantan CEO startup AI dan mantan Managing Director di JPMorgan Chase. Kursus bergerak dari penyusunan prompt dan pemahaman tokenisasi, melalui fine-tuning model open-source dengan LoRA dan kuantisasi, hingga membangun sistem multi-agen.
3. The LLM Course — Hugging Face
The LLM Course dari Hugging Face adalah opsi bagus bagi pengembang yang ingin memahami pustaka yang sesungguhnya berjalan di bawah sebagian besar proyek LLM open-source: Transformers, Datasets, Tokenizers, dan Accelerate.
- Tingkat: Pemula hingga Menengah
- Waktu: ~15–20 jam, mandiri
- Biaya: Gratis, dengan sertifikat tersedia
- Paling cocok untuk: Pengembang yang ingin bekerja langsung dengan model open-source dan Hugging Face Hub alih-alih tetap di dalam satu API vendor
Karena dikelola langsung oleh Hugging Face dan diperbarui seiring ekosistem berkembang, ini adalah pilihan aman agar tidak mengajarkan API usang — meski memang condong ke ekosistem Hugging Face ketimbang mengulas alternatif komersial.
4. ChatGPT Prompt Engineering for Developers — DeepLearning.AI
ChatGPT Prompt Engineering for Developers, diajarkan oleh Isa Fulford (OpenAI) dan Andrew Ng, adalah opsi bagus bagi pengembang yang menginginkan pengantar cepat dan terfokus untuk memanggil LLM melalui API alih-alih lewat jendela chat.
- Tingkat: Pemula hingga Menengah
- Waktu: ~1,5 jam
- Biaya: Gratis
- Paling cocok untuk: Pengembang yang ingin beralih dari memasukkan prompt ke ChatGPT secara manual ke memanggil LLM secara terprogram dan membangun aplikasi sederhana di atasnya
Kursus ini membahas cara kerja LLM di balik layar, dua prinsip inti untuk menulis prompt yang efektif, dan bagaimana menggunakan prompt tersebut untuk tugas seperti merangkum, menyimpulkan sentimen, mentransformasi teks, dan memperluas catatan singkat menjadi teks yang lebih panjang, sebelum ditutup dengan membangun chatbot khusus. Kursus ini sengaja singkat dan mengasumsikan Python dasar, sehingga cocok sebagai jalur awal sebelum kursus yang lebih panjang.
5. Prompt Engineering for ChatGPT — Vanderbilt University (Coursera)
Prompt Engineering for ChatGPT, diajarkan oleh Dr. Jules White di Vanderbilt, adalah opsi bagus untuk pengembang maupun non-pengembang yang menginginkan landasan ketat dalam teknik prompting secara khusus, independen dari kerangka atau basis kode apa pun.
- Tingkat: Pemula (tanpa pengalaman sebelumnya)
- Waktu: ~19 jam
- Biaya: Gratis untuk audit; langganan Coursera untuk sertifikat
- Paling cocok untuk: Pembelajar yang ingin menguasai pola dan teknik prompt yang dapat ditransfer di ChatGPT, Claude, dan LLM berbasis chat lainnya
Kursus ini membahas cara menerapkan prompt engineering secara efektif, menggunakan pola prompt untuk membuka perilaku model yang lebih maju, dan membangun aplikasi berbasis prompt untuk pekerjaan atau proyek pribadi.
6. Generative AI: Introduction to Large Language Models — LinkedIn Learning
Generative AI: Introduction to Large Language Models, diajarkan oleh Fred Nwanganga, adalah opsi yang baik bagi pengembang dan manajer teknis yang menginginkan penjelasan jelas tanpa kode tentang cara kerja LLM sebelum menyentuh API.
- Tingkat: Pemula
- Waktu: Di bawah 2 jam
- Biaya: Langganan LinkedIn Learning (sering termasuk dalam keanggotaan perpustakaan); uji coba gratis tersedia
- Paling cocok untuk: Pengembang yang ingin model konseptual — jaringan saraf, transformer, encoder dan decoder, attention — dijelaskan dengan jelas sebelum menulis kode apa pun
Kursus ini membahas apa itu AI generatif dan LLM, bagaimana mereka berevolusi, fondasi deep learning yang menjadi landasannya, dan mekanisme arsitektur transformer, termasuk attention dan self-attention, sebelum ditutup dengan melihat implikasi sosial dari model-model ini.
7. Essentials of Large Language Models: A Beginner's Journey — Educative
Essentials of Large Language Models dari Educative adalah opsi yang baik bagi pengembang yang lebih menyukai pelajaran interaktif berbasis teks daripada menonton video, dan yang menginginkan model mental tingkat sistem tentang cara LLM benar-benar bekerja.
- Tingkat: Pemula
- Waktu: Mandiri, berbasis teks dan kode
- Biaya: Langganan Educative
- Paling cocok untuk: Pengembang yang belajar lebih cepat dengan membaca dan menjalankan kode secara inline daripada menonton screencast, dan yang menginginkan "alasan di balik" perilaku LLM, bukan sekadar panggilan API
Kursus ini membahas dasar-dasar LLM dari prinsip pertama — arsitektur, tokenisasi, embedding, attention, dan dinamika pelatihan — sebelum beralih ke alur kerja praktis untuk prompting dan mengintegrasikan tool untuk respons dinamis.
Tabel Perbandingan Kursus LLM Terbaik
| Peringkat | Kursus | Format Pembelajaran | Kedalaman Kurikulum | Biaya / Sinyal Hasil |
|---|---|---|---|---|
| 1 | Introduction to LLMs in Python — DataCamp | AI-native, praktik langsung | Arsitektur transformer, fine-tuning, Hugging Face | Gratis untuk mulai; AI Tutor mempersonalisasi setiap pelajaran |
| 2 | LLM Engineering — Udemy | Bootcamp video | API, fine-tuning (LoRA), agen, proyek end-to-end | Sering didiskon; lencana bestseller |
| 3 | The LLM Course — Hugging Face | Kursus interaktif gratis | Transformers, Tokenizers, Datasets, fine-tuning | Gratis; dikelola langsung oleh Hugging Face |
| 4 | ChatGPT Prompt Engineering for Developers — DeepLearning.AI | Kursus video singkat | Prompt berbasis API, merangkum, mentransformasi teks | Gratis; ~1,5 jam |
| 5 | Prompt Engineering for ChatGPT — Vanderbilt | Kursus video | Pola prompt, aplikasi berbasis prompt | Gratis untuk audit; sertifikat Coursera |
| 6 | Generative AI: Introduction to LLMs — LinkedIn Learning | Kursus video singkat | Dasar jaringan saraf, arsitektur transformer, attention | Langganan LinkedIn Learning; uji coba gratis tersedia |
| 7 | Essentials of LLMs: A Beginner's Journey — Educative | Interaktif berbasis teks | Arsitektur, tokenisasi, embedding, attention | Langganan Educative; format tanpa video |
Author
Josef Waples
Saya penulis dan editor data science dengan kontribusi pada artikel riset di jurnal ilmiah. Saya sangat tertarik pada aljabar linear, statistika, R, dan sejenisnya. Saya juga cukup sering bermain catur!
FAQs
Apakah saya perlu mengetahui Python untuk mengambil kursus LLM?
Untuk sebagian besar kursus praktik langsung dalam daftar ini — DataCamp, kursus Hugging Face, serta kursus Udemy dan Databricks — ya, pemahaman dasar Python dan API diharapkan. Kursus prompting dari Vanderbilt dan sertifikat profesional IBM lebih mudah diakses bagi non-pengembang, karena lebih menekankan teknik prompting daripada kode.
Apa perbedaan antara kursus prompt engineering dan kursus LLM engineering?
Kursus prompt engineering mengajarkan Anda mendapatkan keluaran yang lebih baik dari model yang ada melalui cara Anda merumuskan permintaan — tanpa perlu kode. Kursus LLM engineering mengajarkan Anda membangun sistem di sekitar model: memanggil API, fine-tuning model open-source, mengelola embedding dan retrieval, serta melakukan deployment hasilnya.
Kursus LLM mana yang paling cocok untuk pemula absolut?
Prompt Engineering for ChatGPT dari Vanderbilt tidak memerlukan pengalaman sebelumnya dan merupakan titik awal non-teknis yang masuk akal. Untuk pemula yang ingin menulis kode, Introduction to LLMs in Python dari DataCamp dirancang agar mudah diikuti dengan AI Tutor yang mengisi celah saat muncul.
Haruskah saya mempelajari LLM open-source (Hugging Face) atau API komersial (OpenAI, Anthropic, Google) terlebih dahulu?
Kebanyakan pengembang pada akhirnya membutuhkan keduanya. API komersial membuat Anda bisa membangun lebih cepat; model open-source mengajarkan apa yang sebenarnya terjadi di balik layar dan memberi Anda kendali atas fine-tuning, hosting, dan biaya. Kursus seperti DataCamp dan Hugging Face cenderung ke open-source; kursus LLM Engineering di Udemy dan kursus singkat DeepLearning.AI mencakup keduanya.
Berapa lama waktu yang dibutuhkan untuk mempelajari LLM hingga cukup mahir membangunnya?
Kursus singkat (1–3 jam) cukup untuk membuat Anda nyaman memanggil API dan menulis prompt yang baik. Pemahaman tingkat kode yang dapat digunakan tentang transformer, fine-tuning, dan RAG umumnya memerlukan 15–30 jam melalui kursus seperti DataCamp, Hugging Face, atau Databricks. Mendalami hingga mampu melakukan fine-tuning dan deploy sistem produksi, seperti pada bootcamp Udemy LLM Engineering, lebih realistis merupakan komitmen 6–8 minggu.
