Kembali
PT Bisa Artifisial Indonesia
Kota Depok, Indonesia
Pendidikan
+6282116654087
bisaaimail@gmail.com

BISA AI Academy adalah lembaga pelatihan teknologi yang berfokus pada Kecerdasan Buatan (AI), Data Science, Cyber Security, Full Stack Programming, UI/UX, dan b... Selengkapnya...

8
Posisi Dibuka

Artikel Terbaru

1741144181-screenshot-2025-03-05-100641.png
Selengkapnya

Instruktur Data Science

PT Bisa Artifisial Indonesia 0Pelamar
Penempatan: Kota Depok
2 Orang Dibutuhkan
Durasi Magang : 3 Bulan
Tanggal Mulai Magang : 01 September 2025
Tanggal Selesai Magang : 31 Desember 2025
Tipe Magang : Projek & Umum
Metode Magang : Hybrid
Ada Uang Saku : Tidak Ada
Lamar
Diposting pada 11 Juni 2025 WIB•56 hari lagi
Jenjang : Diploma Prodi : Semua Prodi IPK Minimal : 3 Minimal Semester : 5
Tanggal Buka : 11 Juni 2025 WIB Tanggal Tutup : 24 Juli 2025 WIB

  • Menguasai pengetahuan dan keterampilan terkait dasar Data Science

  • Terampil dalam berkomunikasi baik secara lisan (public speaking) maupun tulisan

  • Memiliki kemampuan belajar mandiri

  • Diutamakan mahasiswa D3/D4/S1 dari jurusan Sains Data, Statistika, Matematika, Ilmu Komputer, Teknik Informatika, atau bidang serumpun yang memiliki dasar analisis data dan pemrograman.


  • Mengenal sistem pengajaran dan materi pelatihan.
  • Mendalami materi dan latihan mengajar.
  • Menjadi asisten pengajar di kelas reguler.
  • Mengajar langsung topik dasar secara mandiri.
  • Menyusun materi lanjutan untuk kelas.
  • Mengajar topik menengah di kelas reguler.
  • Menjadi pembicara di komunitas atau webinar publik.
  • Merancang program belajar mini.
  • Menjalankan dan mengelola kelas mini project.
  • Menyusun laporan akhir dan refleksi hasil pengajaran.

Rancangan Aktivitas Selama Magang

Posisi: Instruktur Data Science

Minggu/

Bulan/

Tahapan

Aktivitas Utama

Deskripsi Kegiatan

Outcome

Minggu 1-2 (Tahap 1: Orientasi & Observasi)

Onboarding Instruktur & Review Kurikulum

  • Pengenalan struktur pelatihan, tim pengajar, dan tools (Colab, Notion, LMS, Trello).

  • Observasi rekaman kelas dan evaluasi materi yang ada.

Mahasiswa memahami sistem pengajaran dan modul yang digunakan di BISA AI.

Minggu 3-4 (Tahap 2: Penguatan Materi & Teaching Simulation)

Penguasaan Materi & Latihan Mengajar

  • Pendalaman topik dasar.

  • Microteaching internal dengan review mentor.

Mahasiswa mampu menjelaskan materi dasar dan siap untuk live teaching.

Minggu 5-7 (Tahap 3: Kelas Nyata – Asisten Instruktur)

Teaching Assistant Kelas Reguler

  • Bergabung sebagai co-instruktur di kelas reguler atau intensif.

  • Memandu diskusi, menjawab pertanyaan, dan mengelola forum peserta.

  • Mulai membantu dalam sesi live atau rekaman.

Mahasiswa memperoleh pengalaman mengajar langsung di kelas nyata.

Minggu 8-9 (Tahap 4: Kelas Mandiri – Topik Dasar)

Mengajar Sesi Mandiri

  • Mengampu sesi topik dasar secara langsung (live atau rekaman).

  • Menyusun handout dan kuis pendamping sesi.

Mahasiswa menjadi instruktur aktif dalam satu sesi pembelajaran.

Minggu 10-11 (Tahap 5: Pembuatan Materi Lanjutan)

Pengembangan Modul Menengah

  • Menyusun materi untuk topik lanjut.

  • Review oleh mentor dan uji coba pemahaman.

Mahasiswa menghasilkan materi pembelajaran tingkat menengah.

Minggu 12 (Tahap 6: Mengajar Materi Menengah di Kelas Reguler)

Mengajar Materi Menengah di Kelas Reguler

  • Mahasiswa mengajar langsung pada kelas reguler BISA AI Academy.

  • Bertanggung jawab atas penyampaian materi, interaksi dengan peserta, dan menjawab pertanyaan teknis.

Mahasiswa memahami operasional kelas digital secara menyeluruh.

Minggu 13-14 (Tahap 7: Teaching Community & Webinar Publik)

Mengajar Komunitas atau Event

  • Menjadi pembicara pada webinar komunitas atau pelatihan publik BISA AI.

  • Mempersiapkan materi dan interaksi dengan peserta publik.

Mahasiswa terbiasa mengajar di ruang publik luar peserta internal.

Minggu 15 (Tahap 8: Perencanaan Project Edukasi)

Desain Program Belajar Mini

  • Mendesain kelas atau bootcamp pendek (1–2 sesi) dengan struktur kurikulum, materi, dan evaluasi.

Draft final program edukasi mini.

Minggu 16-17 (Tahap 9: Eksekusi Mini Project)

Pelaksanaan Kelas atau Sesi Edukasi

  • Menjalankan program edukasi mini ke komunitas atau peserta internal.

  • Mengelola teknis dan jalannya pembelajaran.

Mini project berjalan sesuai rencana dan memperoleh umpan balik.

Minggu 18 (Tahap 10: Refleksi & Presentasi Hasil)

Review Akhir Magang

  • Menyusun laporan akhir dan presentasi.

  • Evaluasi pribadi atas kemampuan teknis, pedagogis, dan manajerial.

  • Sesi umpan balik dengan mentor.

Mahasiswa menyelesaikan program dengan refleksi kompetensi sebagai instruktur profesional.


  1. Technical Skill Instruktur Data Science

Skill

Deskripsi Singkat

Curriculum & Platform Familiarization

Memahami struktur pelatihan, tools pengajaran (Colab, Trello, LMS, Notion), dan sistem kelas BISA AI.

Fundamental Data Science

Menguasai materi dasar seperti statistik deskriptif, Python dasar, data cleaning, dan eksplorasi data.

Teaching & Presentation Skills

Mampu menyampaikan materi di kelas internal maupun publik, secara live atau rekaman.

Content & Module Development

Menyusun materi pelatihan: slide, notebook, soal latihan, dan studi kasus.

Intermediate Data Science Topics

Membuat dan mengajar materi tingkat menengah

Public Speaking for Technical Topics

Menjadi pembicara di webinar komunitas, mengajar kelas terbuka.

Curriculum Planning & Evaluation

Mendesain dan menilai efektivitas mini bootcamp atau kelas singkat.

Project Execution

Menjalankan kelas mini secara end-to-end, termasuk teknis, pengajaran, dan evaluasi.

Documentation & Reporting

Menyusun laporan hasil pelatihan dan refleksi pembelajaran yang terstruktur.

  1. Soft Skill Instruktur Data Science

Skill

Deskripsi Singkat

Public Speaking

Percaya diri berbicara di depan kelas dan audiens umum.

Instructional Clarity

Mampu menjelaskan konsep teknis secara sederhana dan runtut.

Empathy & Engagement

Responsif terhadap pertanyaan peserta dan mampu membangun komunikasi dua arah.

Pedagogical Thinking

Menyusun materi berdasarkan alur belajar dan kemampuan peserta.

Team Collaboration

Bekerja sama dengan tim akademik, desain kurikulum, dan teknis operasional.

Analytical Thinking

Menyesuaikan pendekatan mengajar berdasarkan tingkat pemahaman peserta.

Adaptability

Siap menghadapi dinamika kelas, perubahan jadwal, atau revisi materi.

Project Planning & Execution

Mengelola waktu, konten, dan koordinasi pelaksanaan kelas mini secara profesional.

Professionalism

Menjaga etika mengajar, akurasi materi, dan tanggung jawab sebagai fasilitator.