Deskripsi
Deskripsi pekerjaan Internship AI Engineer Goodeva Technology
Must-have requirement
- Mahasiswa tingkat akhir atau fresh graduate dari Teknik Informatika, Sistem Informasi, Data Science, AI, Matematika, Statistika, atau bidang relevan.
- Mampu menggunakan Python dengan cukup baik, terutama untuk data processing, API call, scripting, dan debugging sederhana.
- Memahami dasar machine learning: supervised learning, classification, regression, evaluation metric, overfitting, train-test split, dan data preprocessing.
- Familiar dengan minimal salah satu library: scikit-learn, pandas, NumPy, TensorFlow, atau PyTorch. PyTorch/TensorFlow sering muncul sebagai requirement atau nilai tambah pada posisi ML/AI intern.
- Memahami dasar penggunaan LLM: prompt engineering, system prompt, temperature, context window, hallucination, dan structured output. OpenAI sendiri menekankan pentingnya instruksi yang jelas, format output, contoh, dan evaluasi hasil dalam penggunaan model generatif.
- Bisa menggunakan Git/GitHub secara dasar: commit, branch, pull request, dan membaca issue.
- Mampu membaca dokumentasi teknis dalam bahasa Inggris.
- Punya portofolio kecil, misalnya chatbot, image classification, text classification, sentiment analysis, RAG sederhana, dashboard AI, atau integrasi API LLM.
Nice-to-have requirement
- Pernah membuat aplikasi berbasis LLM, chatbot, AI assistant, semantic search, atau RAG.
- Familiar dengan embedding dan vector search. Embedding umum dipakai untuk search, clustering, recommendation, anomaly detection, classification, dan use case berbasis similarity.
- Familiar dengan FastAPI, Flask, Streamlit, Gradio, atau React/Next.js untuk membuat prototype.
- Pernah memakai LangChain, LlamaIndex, OpenAI API, Gemini API, Claude API, Hugging Face, atau Ollama.
- Memahami SQL dasar dan struktur database.
- Familiar dengan Docker, cloud deployment dasar, atau CI/CD sederhana.
- Punya minat pada evaluasi AI, misalnya membuat test case, membandingkan jawaban model, menghitung retrieval accuracy, atau melakukan human review. Ini penting karena sistem RAG/LLM tidak cukup hanya “bisa menjawab”; kualitas retrieval dan output harus dievaluasi secara sistematis.
Tanggung Jawab Utama
- Membantu pengembangan AI prototype, chatbot, automation tools, atau fitur internal berbasis AI.
- Membersihkan, mengolah, dan menstrukturkan data untuk eksperimen AI/ML.
- Mengintegrasikan LLM atau model machine learning ke dalam aplikasi sederhana atau API.
- Membuat, menguji, dan mengevaluasi prompt, workflow, serta skenario pengujian.
- Membandingkan output model dan mendokumentasikan keterbatasan, error, serta peluang perbaikan.
- Melakukan riset sederhana terkait tools, framework, dan pendekatan implementasi AI.
- Menulis dokumentasi teknis untuk prototype, eksperimen, dan hasil pengujian.
- Mendukung pengembangan dan setup **AI Agent** untuk kebutuhan automation, integrasi, dan peningkatan produktivitas internal.