Episoder
-
Seharusnya, interaksi antara tim data dan product managers (PM) bersifat simbiosis mutualisme. PM butuh tim data untuk validasi, tim data butuh PM untuk menangani hubungan dengan external stakeholders dan mendapatkan konteks dengan lebih baik. Dalam keberjalanannya, hubungan dua entitas ini tidak selalu mulus. Kali ini saya ngobrol dengan Gurun Nevada Dharan, salah satu pesohor product management di jagat maya Indonesia, terkait pengalamannya berhadapan dengan tim data. Apa benar perusahaan benar-benar menerapkan data-driven decision making? Lalu, sebetulnya PM itu butuh bisa query data sendiri tidak sih?
Selamat mendengarkan!
-
Di episode ini, saya mempelajari banyak hal terkait studi kualitatif di bidang antropologi melalui metode etnografi bersama Ibnu Nadzir. Apa yang menjadi daya tarik antropologi sehingga beliau tidak hanya lulus sebagai sarjana antropologi, tetapi bahkan sedang studi doktoral di bidang ini? Bagaimana prospek lulusan antropologi di dunia kerja? Lalu, apa hubungannya studi etnografi dengan metode kuantitatif yang kita banyak temukan dalam riset pasar?
-
Mangler du episoder?
-
Saya mendiskusikan banyak aspek tentang large language models (LLMs) bersama Alham Fikri Aji (@AlhamFikri) dalam episode kali ini. Aji bercerita tentang pengalamannya mengerjakan riset di bidang NLP: riset NLP bahasa Indonesia, bekerja di tim Amazon Alexa dan Apple Siri, dan keterlibatannya dalam riset kolaboratif masif lainnya, e.g. BLOOM, JAIS, dan SEALP. Dengan semakin meluasnya penggunaan dan riset LLM seperti chatGPT, lantas apa yang bisa dilakukan oleh peneliti NLP yang tidak punya akses ke sumber daya korporat seperti Google, Amazon, atau OpenAI?
Referensi:
https://www.youtube.com/watch?v=6XDeU842Awo
-
Jika Anda sedang atau ingin bekerja di bidang data, harusnya Anda familiar dengan nama Ardya Dipta Nandaviri (@ArdyaDipta). Saat ini, Dipta bekerja sebagai Head of Data Science and Business Insights di Kalbe Farma setelah menghabiskan hampir 6 tahun sebagia data scientist di Gojek. Dalam episode kali ini, beliau membagikan beberapa tips bagi yang tertarik untuk bekerja di bidang data, salah satunya tentang fakta bahwa ilmu statistik dasar itu sangat terpakai di industri!
Fun fact: Dipta adalah salah seorang pendiri Unit Robotika di Institut Teknologi Bandung dan sempat bekerja di bidang robotika di Amerika Serika selama hampir 2 tahun sebelum bekerja di Indonesia sebagai data scientist.
-
Di episode ini, Anda akan mendengarkan perjalanan seorang Rifan Kurnia (@rfnk24), VP di bidang data yang mengawali karier dari perusahaan multinasional dan dalam beberapa tahun terakhir terjun di dunia startup. Rifan memiliki pengalaman di beragam vertikal, mulai dari perbankan hingga telekomunikasi dan perikanan. Rifan juga bercerita tentang alasan di balik keputusannya mengambil S2 lagi di bidang cybersecurity sebagai orang berlatar belakang pendidikan di bidang statistik.
-
"Winter is coming."
Beberapa bulan terakhir ini kita sering mendengar tentang berita PHK besar-besaran di berbagai perusahaan teknologi. Para pekerja bergaji besar, dengan banyak perks, dan kesannya tidak tersentuh risiko pemecatan itu ternyata bertumbangan satu per satu. Lantas, di tengah tech winter ini, banyak yang kemudian berpikir untuk mencari opsi lain di "kapal" yang lebih besar dan relatif tahan "ombak": multinational companies. Apa saja sih sebetulnya plus-minusnya? Di episode ini, Yosef Ardhito Winatmoko berbagi pengalamannya selama bekerja sebagai ilmuwan data di sebuah multinational company dan perbandingannya dengan pengalaman sebelumnya saat masih bekerja di salah satu unicorn di Indonesia.
-
Pernah dengar atau pakai model IndoBERT? Tahu tidak kalau setelah model tersebut ada inisiatif lanjutan yang melibatkan banyak orang keren di bidang NLP bahasa Indonesia? Tidak hanya dari institusi dalam negeri, riset-riset ini juga melibatkan institusi riset kelas dunia seperti Google DeepMind, Amazon, dan Bloomberg. Apa sih sebetulnya tantangan dalam mengerjakan model bahasa skala besar yang melibatkan beberapa institusi dari berbagai belahan dunia? Saya mencoba menggali cerita di balik paper IndoNLU, IndoNLG, dan NusaCrowd dari Samuel Cahyawijaya (@sam_cahyawijaya), mahasiswa PhD di HKUST dan salah satu kontributor dalam proyek-proyek riset tersebut.
Tautan:
One Country, 700+ Languages: https://arxiv.org/pdf/2203.13357.pdf NusaX: https://arxiv.org/pdf/2205.15960.pdf IndoNLG: https://arxiv.org/pdf/2104.08200.pdf IndoNLU: https://arxiv.org/pdf/2009.05387.pdf -
Mau daftar Non-Degree Program dari Pacmann tapi masih ragu-ragu? Di episode kali ini, saya berdiskusi dengan dua orang alumni dari program tersebut untuk mendengarkan pengalaman mereka selama mengikuti program ini. Andi Faridz (BI Cont. Program Batch 6) & David Anthony (DS Batch 2) menceritakan tentang motivasi mereka dan tantangan yang dihadapi selama mengikuti program yang berdurasi kurang lebih satu tahun ini. Lalu, bantuan apa saja yang Pacmann berikan agar siswanya dapat menyelesaikan program non-degree yang kurikulumnya banyak mengadaptasi program magister DS/ML dari kampus ternama dunia ini?
Tertarik mendaftar? Silakan gunakan tautan https://rebrand.ly/ali_akbar dan kode referral ali_akbar untuk mendapatkan diskon khusus yang dapat digabungkan dengan diskon lainnya. #SeekMastery
-
Saya berdikusi dengan Dr Zahratu Shabrina (@zarashabrina), seorang dosen di King's College London, tentang spatial data science dan tantangan yang dihadapi ketika beliau masuk ke bidang ini. Kami juga mendiskusikan riset doktoral beliau tentang dampak Airbnb pada kota London, mulai dari biaya sewa tempat tinggal hingga dampaknya pada pariwisata ibukota Inggris ini. Terakhir, kami juga mendiskusikan riset teranyar beliau yang bertajuk Colouring Indonesia, sebuah inisiatif yang terinspirasi dari Colouring London, yang bekerja sama dengan The Alan Turing Institute dan Institut Teknologi Bandung.Tautan: https://colouringlondon.org/ https://journals.sagepub.com/doi/full/10.1177/0042098020970865 https://onlinelibrary.wiley.com/doi/full/10.1111/gean.12259
-
Apakah otak manusia dan mesin bisa disatukan? Bisakah kita mengaugmentasi kemampuan berpikir manusia dengan menyambungkannya ke mesin? Atau mungkin manusia jadi bisa punya bionic arms yang bisa digerakkan dengan gelombang otak? Salah satu bidang riset yang mencoba mengeksplorasi hal ini adalah brain-machine interfaces atau kadang dikenal juga sebagai neural engineering atau neuroengineering. Dr. Nur Ahmadi (@ahmadi_nur) berbagai cerita tentang risetnya di bidang ini dan kerja sama beliau dengan peneliti dari Neuralink-nya Elon Musk. Beberapa publikasi beliau bisa dicek di profil Google Scholar. Tautan: https://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.815270 https://drive.google.com/file/d/1pdwWLrYLDmKm76HwKweMMhB8SvG81cmY/view(1:23) Perkenalan Nur Ahmadi(2:55) Pengantar brain-machine interface(5:41) Neuralink(8:36) Ethical clearance dalam pengumpulan data(11:10) Basic tasks neuroengineering pada hewan(14:57) Lama waktu proses pengumpulan data(19:11) Waktu pelatihan model dan infrastruktur yang dibutuhkan(22:02) Target riset(25:29) State of the art(29:57) Tantangan implementasi riset neuroengineering di Indonesia(33:36) Akses data neuroengineering(35:47) Referensi belajar neuroengineering(39:57) Institusi riset terkemuka(42:09) Hype di dunia neuroengineering & penutup
-
Apa sih computational social science itu? Orang dengan latar belakang seperti apa yang bisa bekerja atau riset di bidang tersebut? Di episode spesial ini, saya kedatangan dua narasumber dengan latar belakang berbeda yang dipertemukan oleh bidang yang sedang naik daun akhir-akhir ini. Dr. Ahmad Raf'ie Pratama (@ahmadrafie) dan Dr. Firman M. Firmansyah (@firmansm) bercerita tentang latar belakang pendidikan mereka dan beberapa publikasi mereka di bidang computational social science. Alumni Stony Brook University ini juga bercerita tentang bagaimana akhirnya mereka bisa memboyong SICSS ke Jogja, Indonesia - jadi bagian pertama dari summer school bergengsi ini di Asia Tenggara dan Pasifik.Tautan: https://sicss.io/2022/jogja/ https://www.bitbybitbook.com/ https://osf.io/preprints/socarxiv/dacu7/(1:43) Perkenalan Ahmad R. Pratama(4:55) Perkenalan Firman M. Firmansyah(7:43) Awal kerja sama penelitian dan peran masing-masing(17:26) Paper Naming Practice and Gender Equality(32:45) Penelitian dengan agent-based simulation(43:49) Proses belajar teknologi untuk computational social science(48:08) Dalam penelitian multidisiplin, mana yang lebih baik: menjadi generalis atau spesialis?(1:00:08) Summer Institute in Computational Social Science(1:12:21) Penutup
-
Kalau Anda sering mendengarkan tentang kekayaan alam Indonesia, mungkin Anda pernah punya pertanyaan, "Lalu, kenapa?" Diskusi kali ini dengan Sabhrina Gita Aninta (@sagitaninta) membahas tentang proses inventarisasi data biodiversitas dan hal-hal yang bisa dilakukan dengan data tersebut. Iga, panggilannya, juga bercerita tentang penelitiannya di bidang biodiversity informatics yang mencakup pemodelan dari level genom hingga spesies. Setelah mengetahui pentingnya penelitian-penelitian seperti ini dilakukan, lantas apa saja yang menjadi PR kita ke depan? Ternyata, sebagai orang awam kita juga bisa terlibat dalam penelitian seperti ini melalui inisiatif yang digagas Iga dan teman-teman yang bertajuk Tambora Indonesia.
(1:30) Riwayat studi
(2:46) Cakupan penelitian biodiversity informatics
(6:47) Mengukur tingkat kesehatan suatu ekosistem
(12:20) Keterbukaan data biodiversitas dalam publikasi ilmiah dan citizen science
(16:38) Pemodelan dari data biodiversitas
(20:15) Kalau biodiversitas Indonesia kaya, lalu apa?
(26:19) Pengalaman penelitian kelelawar di Kep. Mentawai dan proses sampling
(32:25) Erosion of phylogenetic diversity in Neotropical bat assemblages
(37:22) PR besar dalam penelitian biodiversitas di Indonesia
-
Apakah machine learning selalu berbicara untuk data yang banyak? Keterbatasan dalam pengumpulan data ternyata merupakan salah satu isu dalam implementasi algoritma statistical & machine learning dalam studi aerodinamika. Oleh karena itu, algoritma "spesial" seperti Gaussian Processes menjadi krusial untuk mengkuantifikasi ketidakpastian dan memberikan fleksibilitas yang cukup untuk pemodelan yang data efficient. Dr Pramudita Satria Palar berbagi pengalaman risetnya di bidang pengembangan metode dan aplikasi Gaussian Processes/Kriging dalam aerodinamika. Untuk yang tertarik belajar lebih lanjut, bisa mencoba membaca buku Gaussian Processes for Machine Learning dan melihat referensi lain dari Cambridge Machine Learning Group.
(0:25) Latar belakang pendidikan
(1:12) Pengalaman riset
(4:00) Statistical learning dalam aerodinamika
(8:18) Tujuan optimasi dan dampak finansialnya
(12:19) Gaussian Processes dan kelebihannya dalam data aerodinamika
(17:16) Proses pengumpulan data, limitasinya, dan simulasi sebagai alternatif
(22:52) Optimasi dengan genetic & evolutionary algorithm dan konferensi GECCO
(29:18) Cambridge Machine Learning Group dan referensi belajar Gaussian Processes
(31:05) Penutup dan visi riset: physics-informed machine learning dan grup riset multidisiplin -
Ketika bicara robot, tentu tidak jauh-jauh dari teknologi canggih dan — akhir-akhir ini — deep learning. Tidak hanya tantangan dari komponen perangkat lunak, mendesain sebuah robot juga acap kali punya kendala di komponen perangkat keras dengan harga yang tidak murah. Lalu, apakah penggunaan robot hanya akan jadi monopoli negara maju? Dr. Ahmad Ataka (@ahmadataka) membagikan ceritanya meneliti di bidang soft robotics yang memberikan peluang untuk peneliti Indonesia punya andil di dalamnya. Ataka juga bercerita tentang @jagorobotika yang menjadi inisiatifnya untuk memperkenalkan dunia robotika secara luas bagi masyarakat Indonesia, termasuk untuk anak usia dini.
-
Setelah menyelesaikan studi S2-nya di University of Auckland, Elvyna Tunggawan (@vexenta) bekerja di perusahaan yang menyediakan SaaS berbasis AI di kota yang sama. Pengalamannya bekerja sebagai konsultan untuk berbagai perusahaan merupakan pengalaman yang baru setelah sebelumnya menghabiskan hampir 4 tahun sebagai data scientist (DS) di sebuah startup di bidang perhotelan di Jakarta. Di episode ini, Elvyna menceritakan perbedaan pengalaman di kedua perusahaan tersebut. Penasaran juga apa yang membedakan bekerja sebagai DS di dalam dan luar negeri? Simak ceritanya di episode kali ini!
-
Apa yang harus diperhatikan saat membangun tim data? Ainun Najib (@ainunnajib) menceritakan kepada saya tentang pengalamannya membangun tim data di Traveloka yang saat itu harus berisi talenta lokal Indonesia. Dengan terbukanya pasar global untuk merekrut talenta-talenta internasional, beliau juga berbagi tentang tips agar talenta data Indonesia mampu bersaing ketat. Kami juga mendiskusikan tentang pandangan beliau mengenai pendidikan AI/ML sejak usia dini.
-
Dr. Muhammad Firmansyah Kasim (@mfkasim) menceritakan tentang penelitiannya di bidang fisika partikel dan fisika plasma serta bagaimana deep learning bisa membantu mempercepat simulasi hingga milyaran kali! Ilmu programming yang dipelajari selama pendidikannya di Teknik Elektro ITB dulu justru membukakan jalan untuk optimasi komputasi dalam menyelesaikan masalah di bidang fisika. Firman juga punya ketertarikan untuk menerapkan statistika Bayesian tidak hanya di bidang fisika, tetapi juga di berbagai bidang lain hingga pemodelan transmisi COVID-19 di Indonesia.
-
Suatu kehormatan untuk saya bisa mendengarkan langsung pengalaman Dr. Ismail Fahmi (@ismailfahmi) dalam membangun Media Kernels Indonesia atau yang lebih dikenal produknya sebagai Drone Emprit. Bermula dari mengerjakan jaringan komputer selama berkuliah di Teknik Elektro Institut Teknologi Bandung, Pak Ismail sempat mengalami demotivasi saat memulai studi PhD-nya di University of Groningen. Pengalaman beliau membentuk ontologi dalam disertasinya tentang medical question answering menjadi cikal bakal Drone Emprit yang kita kenal sekarang. Jalan itu pun bukan tanpa hambatan, Pak Ismail bahkan sempat disomasi di awal-awal meluncurnya produk beliau! Penasaran? Simak selengkapnya di episode ini.
-
Dalam masa pandemi COVID-19 seperti ini, orang-orang dengan latar belakang epidemiologi menjadi mereka yang disoroti dan diminta pendapatnya. Sebetulnya, apa sih epidemiologi itu? Mengapa ilmu ini jadi penting? Bimandra Djafaara (@andradjaafara) menjelaskan hal-hal ini dalam episode pembuka tahun baru ini. Berlatar belakang statistika, Mas Andra sekarang sedang mengambil studi S3 di Imperial College London dalam program Epidemiology, Evolution and Control of Infectious Diseases. Diskusi kami juga membahas tentang SIR model yang biasa dipakai untuk pemodelan penyakit menular dan fakta bahwa domain knowledge sangat penting untuk melakukan inferensi dalam pemodelan tersebut. Untuk referensi lebih lanjut tentang real-time modelling of COVID-19, Anda bisa menyimaknya di https://www.youtube.com/watch?v=d4Qsx836Txc.
-
Dr. Arfika Nurhudatiana adalah seorang AI Scientist di LinkAja yang memiliki latar belakang di bidang deep learning untuk computer vision. Kali ini, Arfika menceritakan pengalamannya dalam menggunakan deep learning untuk verifikasi pengguna yang dikenal dengan istilah Know Your Customer (KYC), mulai dari teknik seperti transfer learning hingga Generative Adversarial Networks (GANs). Beliau juga menceritakan penelitiannya di bidang Massive Open Online Courses (MOOCs) di Indonesia sebagai seorang senior lecturer di BINUS International.
- Se mer
