Dasar-dasar LlamaIndex: Membangun AI Agents dan Aplikasi RAG — PickAClass
4.7 (3) ⏱ 2 jam 36 mnt 📚 26 pelajaran 🎧 Versi audio

Dasar-dasar LlamaIndex: Membangun AI Agents dan Aplikasi RAG

Mulailah perjalanan Anda dalam pengembangan AI dengan mempelajari cara mengindeks dokumen, menerapkan pola RAG modern, dan membangun agen berbasis teks yang cerdas menggunakan LlamaIndex.

  • 💬 Instruktur AI
    Tanyakan apa pun tentang pelajaran dan dapatkan jawaban jelas seketika, kapan saja.
  • 🕐 Mulai kapan saja
    Tanpa jadwal atau tenggat — belajar dengan kecepatan sendiri, kapan pun Anda mau.
  • 🌐 Dalam bahasa Indonesia
    Pelajaran, tugas, dan sertifikat — semuanya sepenuhnya dalam bahasa Anda.

Tentang kursus ini

Seiring dengan model bahasa besar (LLMs) yang menjadi pusat perangkat lunak modern, kemampuan untuk menghubungkannya ke data pribadi adalah keterampilan yang sangat dicari. LlamaIndex menyediakan framework yang kuat untuk menjembatani kesenjangan antara dokumen mentah dan aplikasi AI yang cerdas. Kursus ini memandu Anda melalui proses membangun AI agents yang cerdas dan menerapkan sistem Retrieval-Augmented Generation (RAG). Anda akan mulai dengan konsep dasar pengindeksan dokumen dan vector embeddings, kemudian berlanjut ke perancangan agen otonom yang mampu melakukan kueri pada dataset yang kompleks untuk memberikan respons yang akurat dan sadar konteks. Apa yang akan Anda pelajari: - Memahami konsep inti dari LlamaIndex, LLMs, dan pengindeksan dokumen. - Membangun pipeline Retrieval-Augmented Generation (RAG) dasar untuk melakukan kueri pada data Anda sendiri. - Mengintegrasikan database vektor modern untuk pencarian semantik dan pengambilan data yang efisien. - Merancang AI agents cerdas yang mampu melakukan penalaran multi-langkah dan penggunaan alat. - Menerapkan teknik prompt engineering dasar untuk meningkatkan akurasi dan keandalan agen. - Berlatih menyusun dan melakukan chunking pada dokumen kompleks untuk konsumsi AI yang optimal. Kurikulum mengalir secara logis dari terminologi penting dan ingestion data dasar hingga alur kerja agentic tingkat lanjut. Melalui penjelasan berbasis teks dan cuplikan kode praktis, Anda akan secara bertahap membangun keterampilan yang dibutuhkan untuk mengembangkan aplikasi AI yang kuat dari awal. Kursus ini dirancang sepenuhnya untuk pemula dan calon pengembang; tidak diperlukan pengalaman machine learning sebelumnya. Daftar hari ini untuk mulai membangun AI agents berbasis data Anda sendiri dengan LlamaIndex.

Apa yang Anda dapatkan

  • 📜 Sertifikat penyelesaian
    Tambahkan ke profil LinkedIn Anda
  • 💬 Tutor AI pribadi
    Bingung di tengah pelajaran? Tanya tutor bawaan kamu apa saja, kapan saja.
  • 🎧 Termasuk versi audio
    Belajar di mana saja — tanpa layar
  • ♾️ Akses seumur hidup
    Kembali kapan saja, tanpa kedaluwarsa
  • 📱 Ponsel atau komputer
    Berfungsi di mana saja, perangkat apa saja
  • 💸 Pengembalian 14 hari
    Tanpa pertanyaan
  • Singkat dan fokus
    2 jam 36 mnt konten praktis

Sertifikat penyelesaian

Setiap kursus yang Anda selesaikan di PickAClass menerbitkan kredensial seperti ini — orisinal, dengan kodenya sendiri, dapat diverifikasi via URL, dan rinci tentang yang benar-benar ditunjukkan.

P
PickAClass
Profil keterampilan · terverifikasi
Dokumen
Sertifikat Penguasaan
Ini menyatakan bahwa
Nama Lengkap
telah berhasil menunjukkan penguasaan
Dasar-dasar LlamaIndex: Membangun AI Agents dan Aplikasi RAG
Keterampilan yang ditunjukkan
Analisis pola perilaku
Dasar
1.2 jam
Kerangka arsitektur keputusan
Mahir
1.4 jam
Desain uji A/B
Mahir
1.7 jam
Copywriting perilaku
Lanjutan
1.9 jam
P
PickAClass — Nama Lengkap
Dasar-dasar LlamaIndex: Membangun AI Agents dan Aplikasi RAG
Halaman 2 dari 2
Detail kinerja
Ringkasan tugas kursus
Pelajaran selesai 14 / 14
Soal latihan 26 / 28
Tugas dikirim 4 (rata 4,5 / 5)
Proyek capstone Ditinjau — 4,6 / 5
Total latihan 6.2 jam
Tolok ukur kinerja
Peringkat kohort 12% teratas dari 1,625
Waktu penyelesaian 11 hari (median: 22)
Skor penguasaan 91 / 100
Skor soal latihan 94%
Verifikasi keterampilan Jalur Keterampilan terverifikasi
Verifikasi kredensial ini
pickaclass.com/certificates/PCC-2026-X4F7-AP19
Diterbitkan di bawah standar akademik PickAClass. Tingkat keterampilan mencerminkan kinerja yang dinilai terhadap rubrik kompetensi kursus. Ini kredensial orisinal platform ini.

Ulasan (3)

Emma Simon FR Pelajar terverifikasi
★ 4 · 30.06.2026

Le cours explique bien comment indexer des documents et construire un agent avec LlamaIndex, étape par étape. J'ai particulièrement aimé la partie sur les requêtes hybrides pour les applications RAG, c'est du concret et pas juste de la théorie. Par contre certains passages sur la configuration des index vont un peu vite pour un vrai débutant.

Siya Sharma SG Pelajar terverifikasi
★ 5 · 23.06.2026

This course made LlamaIndex click for me in a way documentation never did. The progression from basic document indexing to building a functioning agent felt natural, and each step built directly on the last. By the end I had a working RAG app I actually understood, not just copied code I didn't.

Camille Bernard LU
★ 5 · 09.06.2026

Je cherchais un point d'entrée concret vers le RAG et je suis tombé pile dessus. L'indexation des documents et la mise en place des patterns de récupération sont expliquées étape par étape, et j'ai pu construire mon premier agent LlamaIndex sans me perdre. Vraiment limpide.

Tulis ulasan

Setelah mengirim kami akan meminta masuk — draf Anda tersimpan.

Pelajar lain juga mengambil

Pertanyaan umum

Apa yang saya butuhkan untuk mengikuti kursus ini? +

Cukup ponsel atau komputer dengan internet. Tidak ada instalasi atau perangkat khusus.

Bagaimana cara membayar? +

Dengan kartu via Stripe. Kami tidak menyimpan detail kartu — Stripe menanganinya dengan aman.

Bisakah saya mendapat refund? +

Ya — refund penuh dalam 14 hari, tanpa pertanyaan.

Berapa lama saya akan punya akses? +

Selamanya. Setelah membeli, kursus jadi milik Anda untuk dikunjungi lagi kapan saja.

Apakah saya akan mendapat sertifikat? +

Ya. Setelah selesai, Anda akan menerima sertifikat yang bisa ditambahkan ke profil LinkedIn.

Dibuat untuk pelajar di
Teknologi Desain Keuangan Pemasaran Kesehatan Pendidikan Perhotelan Manufaktur