Industri AI terus berkembang pesat, dan banyak pengembang merasa kesulitan untuk benar-benar memahami cara kerja teknologi di baliknya. Seringkali, materi pembelajaran AI tersedia dalam potongan-potongan terpisah, seperti artikel riset di sini, panduan fine-tuning di sana, atau demo agent yang menarik di tempat lain. Potongan-potongan ini jarang menyatu, menyebabkan kita bisa saja meluncurkan chatbot tanpa tahu mengapa kurva loss-nya seperti itu, atau menggunakan agent tanpa memahami fungsi attention di dalam model.
Di sinilah kurikulum AI Engineering from Scratch hadir sebagai "tulang punggung" yang kuat. Inisiatif dari Rohit Ghumare dan para kontributor ini dirancang untuk mengajarkan setiap algoritma AI dari matematika dasarnya, sebelum Anda menyentuh framework apa pun.
Mengapa AI Engineering from Scratch Penting?
Kurikulum ini menawarkan pendekatan yang berbeda. Tujuan utamanya adalah untuk menjembatani kesenjangan antara penggunaan tool AI dan pemahaman profesional tentang cara kerjanya. Referensi menunjukkan bahwa 84% pelajar sudah menggunakan tool AI, namun hanya 18% yang merasa siap untuk menggunakannya secara profesional. AI Engineering from Scratch berupaya menutup celah tersebut.
Anda tidak hanya akan belajar tentang AI, tetapi juga membangunnya secara end-to-end, menggunakan tangan Anda sendiri. Pendekatan ini memastikan Anda memahami apa yang terjadi "di bawah kap" saat Anda akhirnya menggunakan library seperti PyTorch atau scikit-learn.
Apa yang Anda Pelajari
Kurikulum ini sangat komprehensif, terdiri dari 20 fase dan 503 pelajaran, dengan perkiraan waktu belajar sekitar 320 jam.
Struktur Kurikulum yang Mendalam
Perjalanan pembelajaran dimulai dari aljabar linear di satu sisi, dan berakhir di sistem otonom serta swarm multi-agent di sisi lain. Ini mencakup spektrum luas topik AI, mulai dari setup lingkungan, fondasi matematika, machine learning klasik, deep learning, computer vision, NLP, speech & audio, transformers, generative AI, reinforcement learning, hingga pembangunan Large Language Model (LLM) dari awal, LLM engineering, multimodal AI, agent engineering, tools & protocols, infrastructure & production, serta etika dan keamanan AI.
Fase-fase ini saling menumpuk, dengan matematika sebagai fondasinya dan aplikasi agent serta produksi sebagai puncaknya. Jika Anda sudah memiliki pengetahuan dasar, Anda bisa melompat ke fase yang lebih tinggi.
Pendekatan "Build It First"
Setiap pelajaran di kurikulum ini mengikuti pola yang sama:
- MOTTO: Ide inti satu baris.
- PROBLEM: Masalah konkret yang ingin dipecahkan.
- CONCEPT: Diagram dan intuisi di balik solusi.
- BUILD IT: Implementasi algoritma dari matematika murni, tanpa framework.
- USE IT: Mengimplementasikan hal yang sama menggunakan library produksi seperti PyTorch atau scikit-learn.
- SHIP IT: Menghasilkan artefak yang siap pakai (prompt, skill, agent, atau MCP server).
Dengan "Build It First", Anda akan mengimplementasikan algoritma dari awal, lalu menjalankan hal yang sama melalui library produksi. Ini membantu Anda memahami fungsi framework karena Anda telah membangun versi yang lebih kecil sendiri.
Dukungan Multi-Bahasa
Kurikulum ini mendukung empat bahasa pemrograman: Python, TypeScript, Rust, dan Julia. Pemilihan bahasa disesuaikan dengan konsep yang paling cocok untuk setiap pelajaran.
Output Berwujud, Bukan Sekadar Teori
Setiap pelajaran tidak hanya berakhir dengan "Anda telah belajar X," melainkan dengan sebuah tool yang dapat digunakan kembali. Ini bisa berupa prompt, skill, agent, atau MCP server yang bisa Anda pasang atau integrasikan ke dalam alur kerja harian Anda. Pada akhir kurikulum, Anda akan memiliki portofolio berisi 503 artefak yang Anda pahami sepenuhnya karena Anda membangunnya sendiri.
Sebagai contoh, pelajaran agent loop di Fase 14, pelajaran pertama, mengajarkan Anda untuk membangun agent loop dasar (~120 baris Python murni tanpa dependensi) dan menghasilkan skill-agent-loop.md serta prompt-debug-agent.md.
Peta Jalan Pembelajaran Anda
Kurikulum ini dirancang agar dapat diakses oleh berbagai tingkat keahlian. Anda bisa memulai dari awal atau langsung melompat ke fase yang relevan.
Berikut adalah beberapa titik awal yang disarankan:
| Latar Belakang | Mulai di Phase | Perkiraan Waktu |
|---|---|---|
| Baru mengenal pemrograman dan AI | Phase 0, Setup & Tooling | ~306 jam |
| Paham Python, baru mengenal ML | Phase 1, Math Foundations | ~270 jam |
| Paham ML, baru mengenal deep learning | Phase 3, Deep Learning Core | ~200 jam |
| Paham deep learning, ingin LLM & agent | Phase 10, LLMs from Scratch | ~100 jam |
| Insinyur senior, hanya ingin agent engineering | Phase 14, Agent Engineering | ~60 jam |
Cara Memulai dan Tools yang Tersedia
Ada tiga cara untuk memulai kurikulum ini:
- Baca Langsung: Kunjungi aiengineeringfromscratch.com atau jelajahi setiap fase di bawah Contents. Tidak perlu setup atau cloning.
- Clone dan Jalankan:
bash
git clone https://github.com/rohitg00/ai-engineering-from-scratch.git cd ai-engineering-from-scratch python phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py - Temukan Level Anda (Disarankan): Gunakan skill bawaan seperti
/find-your-leveldi agent seperti Claude atau Cursor. Ini akan memetakan pengetahuan Anda ke fase awal yang direkomendasikan dan membuat jalur belajar pribadi. Setelah setiap fase, Anda bisa menggunakan/check-understanding <phase_number>untuk menguji pemahaman Anda.
Kurikulum ini juga dilengkapi dengan toolkit yang kaya. Anda bisa menginstal 388 skill dan 99 prompt yang dihasilkan oleh setiap pelajaran. Ini memungkinkan Anda untuk langsung mengintegrasikan tool tersebut ke agent AI favorit Anda:
bashnpx skills add rohitg00/ai-engineering-from-scratch # Menginstal semua skill npx skills add rohitg00/ai-engineering-from-scratch --skill agent-loop # Menginstal satu skill npx skills add rohitg00/ai-engineering-from-scratch --phase 14 # Menginstal skill dari satu fase
Selain itu, pack Agent Workbench dari capstone Fase 14 juga tersedia untuk membantu Anda mengatur repository proyek Anda sendiri.
Mengapa Ini Relevan Sekarang?
Pergeseran paradigma dalam dunia pengembangan software sedang terjadi. Andrej Karpathy pernah berujar, "Bahasa pemrograman baru yang paling diminati adalah Bahasa Inggris." Sementara Boris Cherny, pencipta Claude Code, menyatakan, "Teknik software sedang dibentuk ulang di depan mata kita." Konsensus industri pada tahun 2026 menunjukkan bahwa "Model akan terus menjadi lebih baik. Keterampilan yang berkembang adalah mengetahui apa yang harus dibangun."
Kurikulum ini mempersiapkan Anda untuk tren tersebut dengan membahas paper-paper fundamental yang mengubah lanskap AI, seperti:
- Attention Is All You Need (Vaswani et al., 2017)
- Language Models are Few-Shot Learners (GPT-3)
- Denoising Diffusion Probabilistic Models
- InstructGPT / RLHF
- Direct Preference Optimization
- Chain-of-Thought Prompting
- ReAct: Reasoning + Acting in LLMs
- Model Context Protocol (Anthropic)
Komunitas dan Kontribusi
AI Engineering from Scratch adalah proyek gratis dan berlisensi MIT yang dikelola oleh Rohit Ghumare dan komunitas. Jika Anda tertarik untuk berkontribusi, ada panduan jelas mengenai cara menambahkan pelajaran atau memperbaiki yang sudah ada. Proyek ini juga didukung oleh sponsor, yang membantu menjaga keberlanjutan dan pengembangan kurikulum.
Kurikulum ini telah menarik perhatian signifikan dengan 55.593 pengunjung bulanan dan 90.709 page view dalam sebulan terakhir (per 14 Mei 2026), serta 7.5 ribu star di GitHub. Ini menjadi bukti bahwa banyak orang mencari pemahaman AI yang mendalam dan praktis.
Dengan mengikuti AI Engineering from Scratch, Anda tidak hanya belajar teori, tetapi juga menjadi seorang engineer yang mampu membangun, memahami, dan berinovasi dalam ekosistem AI yang kompleks.