Chapter 3 Academy for Dummies

Berikut beberapa hal yang perlu dipersiapkan selama bertugas di kelas Algoritma Academy 😄.

3.1 Sistem Academy

  1. Algoritma membuka Data Science Academy - Specialization dengan 3 tipe, yaitu:
  1. Data Analytics Specialization (menggunakan Python)
  2. Data Visualization Specialization (menggunakan R)
  3. Machine Learning Specialization (menggunakan R)
  1. Algoritma membuka Data Science Academy - Lifetime dengan 2 tipe, yaitu:
  1. Academy Full Stack: Data Analytics, Data Visualization & Machine Learning Specialization
  2. Academy Reguler: Data Visualization & Machine Learning Specialization
  1. Masing-masing Spesialisasi tersusun atas beberapa course material:
  1. Data Analytics Specialization (DA):
i. Python for Data Analysts (P4DA)
ii. Exploratory Data Analysis (EDA)
iii. Data Wrangling & Visualization (DWV)
iv. SQL Query (SQL)
v. Data Analytics Capstone Project (Capstone DA)
vi. Introduction to Machine Learning I
vii. Introduction to Machine Learning II
  1. Data Visualization Specialization (DV):
i. Programming for Data Science (P4DS)
ii. Practical Statistics (PS)
iii. Data Visualization (DV)
iv. Interactive Plotting & Web Dashboard (IP)
v. Data Visualization Capstone Project (Capstone DV)
  1. Machine Learning Specialization (ML):
i. Programming for Data Science (P4DS)
ii. Practical Statistics (PS)
iii. Regression Models (RM)
iv. Classification in Machine Learning I (C1)
v. Classification in Machine Learning II (C2)
vi. Unsupervised Learning (UL)
vii. Time Series (TS)
viii. Neural Network (NN)
ix. Machine Learning Capstone Project (Capstone ML)
  1. Algoritma membuka pilihan untuk student dapat mengikuti kelas di waktu tertentu dan secara online/on-site, dengan pilihan sebagai berikut:
  1. Day Online: Kelas diadakan melalui Zoom Meeting pukul 13:00 - 16:00 WIB
  2. Night Online: Kelas diadakan melalui Zoom Meeting pukul 18:30 - 21:30 WIB
  3. Night On-site: Kelas tatap muka di Kantor Algoritma (Menara Kadin Lt. 4) pukul 18:30 - 21:30 WIB
  1. Setiap kelas academy per Spesialisasi dan per Batch akan mendapatkan 1 platform komunikasi dan sharing materi/tugas antara Tim Algoritma dengan Student yang dinamakan Classroom (Pada saat ini meggunakan Google Classroom). Contohnya, untuk Batch Theia, akan memiliki 1 Classroom untuk DA Specialization, 1 classroom untuk DV Specialization, dan 1 classroom untuk ML Specialization).
  2. Student yang terdaftar pada ML Specialization, akan didaftarkan terlebih dahulu pada classroom DV Specialization untuk mengikuti course material P4DS dan PS, kemudian melanjutkan di classroom ML Specialization untuk course material RM dan seterusnya.
  3. Setiap kelas Day Online, Night Online, dan Night On-site akan memiliki 1 Instructor dan beberapa Teaching Assistant yang akan membantu student selama keberjalanan kelas.

Note: informasi detail mengenai tugas Instructor dan Teaching Assistant terdapat pada Bab Do’s & Don’ts Teaching Team

  1. Seluruh kelas Day Online, Night Online, dan Night On-site akan memiliki 1 postingan yang sama terkait course material dan tugas kelas (Quiz, LBB, dan Capstone) yang di post oleh Teaching Assistant kelas Day Online.
  2. Tiap kelas Day Online, Night Online, dan Night On-site akan memiliki postingan terkait kelas (link zoom, dokumen pranala kelas, form absensi, rekaman kelas, dll.) yang terpisah, masing-masing ditujukan untuk student yang terdaftar di kelas tersebut.
  3. Link Zoom dan Rekaman kelas hanya disediakan untuk student yang terdaftar pada kelas Day Online / Night Online pada course yang bersangkutan.

3.2 PIC Academy

  • Khusus saat batch academy baru (per spesialisasinya) akan dimulai, persiapan akan dilakukan:
    • PIC Academy berkoordinasi dengan Tim Administrasi Academy membuat classroom.
    • PIC Academy membuat welcoming post di classroom.
    • PIC Academy berkoordinasi dengan Tim Administrasi Academy memastikan seluruh akun Instructor dan Teaching Assistant sudah terdaftar pada classroom sebagai “Teachers”, dan setiap akun kelas (Day Online, Night Online, dan Night On-site) sebagai “Students”.
      • akun student akan membantu Instructor dan TA dalam menjelaskan informasi di classroom selama kelas.
      • akun dapat diakses di bagian Do’s & Don’ts Teaching Team.
    • PIC Academy berkoordinasi dengan Tim Administrasi Academy memastikan agar student telah menerima Welcoming E-mail dari Algoritma dan masuk ke dalam classroom.
    • PIC Academy melakukan penjadwalan posting material utama dan LearnR.
      • Material utama diposting pada H-1 dari jalannya kelas.
      • LearnR diposting pada hari yang sama dengan jalannya kelas (pagi hari).
    • PIC Academy memastikan penjadwalan kelas serta tugas (Quiz, LBB dan Capstone Project) tersusun dengan baik.
    • PIC Academy melakukan briefing umum tentang hal baru / yang perlu diperhatikan terkait Batch Academy yang akan berlangsung kepada Tim Produk Algoritma.

3.3 Preparasi Kelas

Hal-hal di bawah ini berkaitan dengan tugas Instructor dan Teaching Assistant. Informasi detail mengenai tugas Instructor dan Teaching Assistant terdapat pada Bab Do’s & Don’ts Teaching Team.

3.3.1 Referensi Postingan Classroom

3.3.2 Preparasi Postingan Stream Classroom

  1. Kunjungi classroom sesuai kelas yang ditugaskan.
  2. Klik bagian “Announce something to your class”.
  3. Ikuti template yang tertera pada Postingan Stream Classroom: terkait informasi kelas
  4. Buat postingan stream classroom dengan catatan:
  1. Bagian LAMPIRAN: dikosongkan dan update setiap harinya dengan keterangan lampiran yang ada.
  2. Bagian RECORDING: dikosongkan dan update setiap harinya ketika rekaman kelas sudah siap.
  3. Bagian bawah: terdapat bagian untuk disisipkan informasi Algoritma FAQ sesuai spesialisasi (menggunakan R/Python) serta informasi Learn R (khusus R) yang disesuaikan dengan link shinyapps yang terdapat pada README GitLab LearnR
  1. Pastikan untuk checklist nama-nama student yang ikut dalam course tersebut, tim BD, dan akun algoritma yang sesuai dengan kelas masing-masing (Day/Night/Night Online). Caranya:
  2. Proofread, proofread, dan proofread sebelum posting informasi apapun di classroom.
  3. Apabila belum ingin posting, maka post dapat dijadikan draft/dilakukan schedule post dengan klik drop down di samping tombol “Post”, lalu pilih “Save draft”/“Schedule”.

3.3.3 Preparasi Zoom Meeting (untuk Kelas Online)

  1. Buka dokumen Zoom Request & Schedule
  2. Pada sheet pertama (jadwal Zoom Meeting), cek akun Zoom mana yang digunakan untuk kelas. Hover pada cell untuk melihat notesnya.
  3. Pada sheet kedua (akun Zoom Meeting), cek email dan password untuk akun akun Zoom tersebut.
  4. Sign in Zoom pada browser menggunakan akun Zoom tersebut. Lakukan Schedule Meeting dengan detail sebagai berikut:
  1. Topic: <BATCH> <CLASS> <COURSE>

Contoh:

  • Vulcan Night Online - IML1
  • Vulcan Night Online - IML2
  • Vulcan Night Online - C1
  • Vulcan Night Online - C2
  1. When:
  • Pilih tanggal mulai untuk course tersebut
  • Pilih jam mulai di ~1 jam sebelum kelas dimulai
  1. Duration: Set durasi hingga kelas selesai
  • Kelas Day Online hingga pukul 16.00
  • Kelas Night Online hingga pukul 21.30

Contohnya, apabila kelas Day Online, kelas dimulai pukul 13:00 dan sesi QnA dimulai pukul 12:30, maka start di jam 12:00 WIB dengan durasi kelas 4 jam hingga pukul 16:00 WIB.

Contohnya, apabila kelas Night Online, kelas dimulai pukul 18:30 dan sesi QnA dimulai pukul 17:45, maka start di jam 17:00 WIB dengan durasi kelas 4 jam 30 menit hingga pukul 21:30 WIB.

  1. Time Zone: Pilih (GMT+7:00) Jakarta
  2. Centang Recurring meeting
  • Recurrence: Daily
  • Repeat every: 1 day(s)
  • Pilih tanggal end date (kapan course berakhir)/setelah berapa pertemuan
  • Bila hari course tidak berurutan (ada hari longkap karena libur), atur tanggal meeting secara manual.
  1. Klik tombol Save
  1. Setelah berhasil, akan diarahkan ke halaman Manage Meeting, lihat bagian Invite Link dan klik tulisan Copy Invitation.
  2. Copy Link Zoom, Meeting ID, dan Passcode yang terdapat di bawah tulisan “Join Zoom Meeting”.
  3. Paste informasi tersebut pada postingan stream (terkait informasi kelas) di classroom.

3.3.4 Langkah Upload Rekaman Kelas (untuk Kelas Online)

  1. Sign in Zoom pada browser, sesuai akun yang digunakan pada kelas (email dan password tersedia di Zoom Request & Schedule)
  2. Kunjungi menu Recordings dan cari nama meeting sesuai nama kelas.

Note: rekaman Zoom membutuhkan waktu rendering. Untuk kelas dengan durasi 3 jam, biasanya akan selesai rendering ~1.5 jam setelah kelas berakhir. Link rekaman baru dapat dibagikan ke student apabila sudah ada tombol “Share” pada rekaman tersebut.

  1. Klik tombol “Share” di pojok kanan atas layar, lalu:

  1. Akan muncul pop up menu untuk melakukan set up Passcode dan Expired Link, silahkan pilih “Everyone with the recording link” pada menu dropdown Who can view

  1. Klik “Share Settings” dan akan muncul pop up menu untuk share settings. Checklist pada “Set expiration date” untuk mengaktifkan expired date dengan waktu 7 days. Checklist juga pada Viewers can download, Viewers can see chat dan Passcode

  1. Edit pada bagian “Passcode”, lalu klik “Save”. Pola passcode yang dianjurkan:

<SINGKATAN NAMA KELAS>_<SINGKATAN NAMA COURSE>_D<DAY BERAPA>. Contoh: i. VNO_DWV_D3 maksudnya adalah kelas Vulcan Night Online untuk Course DWV Day 3 ii. VDO_DWV_D4 maksudnya adalah kelas Vulcan Day Online untuk Course DWV Day 4

  1. Untuk mendapatkan link share, klik tombol share seperti langkah sebelumnya, dan pada pop up menu “Share recording” klik tombol “Copy” pada bagian Shareable Link.
  2. Persingkat link tersebut menggunakan platform bit.ly. Silahkan gunakan akun pribadi.
  1. Klik tombol “Create New” dan pilih berdasarkan “Link” pada side menu di kiri layar

  1. Enter long URL pada Input Box “Destination”: input dengan link rekaman zoom hasil copy langkah 4.
  2. Pada input box Customize Back-Half: isikan dengan link yang dipersingkat, sesuai dengan passcode. Contohnya: “bit.ly/VDO_DWV_D4”
  3. Klik tombol “Create”, sehingga hasil settingan seperti pada gambar berikut


6. Update informasi link rekaman Zoom ke Postingan Stream Classroom dengan klik “Edit”. Contoh:

Day 4 (Kamis, 5 Mei 2023)
Link: https://bit.ly/VDO_DWV_D4
Passcode: VDO_DWV_D4
Exp. date: 2023-05-12, 11:59 PM
  1. PENTING: Jangan lupa memberikan comment di postingan tersebut setelah menambahkan link rekaman agar student mendapat notifikasi bahwa link rekaman kelas sudah ada.

3.4 Preclass Guideline

Preclass dilakukan sebelum sebuah spesialisasi berlangsung dengan tujuan mengenalkan tools yang digunakan selama pembelajaran hingga memandu student melakukan instalasi.

  1. Skema Preclass dilakukan pada saat awal spesialisasi DA dan DV. Atas dasar kebutuhan melakukan installasi Python maupun R.
  2. Durasi Preclass, dilakukan selama 1.5 Jam dari pukul 18:30 - 20:00. Tidak terdapat sesi QnA untuk sesi Preclass.
  3. Teaching Team, Product team yang akan bertugas pada sesi Pre Class adalah Teaching Assistant pada kelas awal suatu spesialisasi (P4DA atau P4DS).
  4. Agenda Preclass, berikut adalah agenda wajib preclass:
  • Mengenalkan Google Classrom dan memandu student bergabung ke dalam Classroom.
  • Install tools (R, R Studio, R tools atau Miniconda, Visual Studio Code).
  • Untuk spesialisasi R, install package Rmarkdown, knitr.
  • Menjelaskan isi dari Algoritma Pre Class Requirement
    • Jenis file materi
    • Cara unduh file materi
    • Cara ekstrak file materi
    • RStudio Cloud (Optional)
    • Cara melakukan screenshot
    • Foldering files
  • Memandu submisi Pre requisite check di Classroom.
  1. Aturan Postingan, gunakan template di laman berikut
  2. Hasil Pretest Assesment, Pretest bertujuan agar teaching team dapat mengetahui kemampuan dasar student dalam mengoperasikan komputer/device sebelum kelas berlangsung. Untuk teaching team, hasil pretest ini dapat menjadi tolak ukur yang dapat mendeteksi student yang butuh pendampingan lebih. Untuk dapat mengaksesnya, silahkan dapat merujuk ke link berikut

3.5 Follow-Up Student di Awal Spesialisasi

Untuk mengantisipasi dan mendeteksi student yang mengalami kesulitan selama kelas di awal spesialisasi:

  1. Setelah kelas day 1 berakhir, Instructor maupun TA akan membuat list nama student yang perlu diperhatikan. Indikatornya adalah:
  • Student tidak hadir di hari pertama dan/atau kedua
  • Student mengalami error yang sama berkali-kali selama kelas berlangsung (ini kasus kalau studentnya komunikatif dengan TA)
  • Student hadir namun tidak ada interaksi sama sekali dengan instructor maupun TA. Hal ini dapat dideteksi menggunakan aplikasi Zoom Chat Analyzer.
  1. Instructor maupun TA perlu meng-approach student secara aktif di day 2, berdasarkan list nama student tersebut.
  2. Di akhir day 2, lakukan langkah yang sama seperti step 1.
  3. List nama student ini akan dikumpulkan oleh PIC Academy untuk nanti disampaikan ke Tim Education Consultant (EC).
  4. Tim EC akan melakukan pendekatan personal kepada student tersebut.

Note: bila ada student yang segan dengan TA, mohon bantu untuk tanamkan mindset di diri student bahwa “Sangat diperbolehkan untuk mengganggu TA selama kelas, bila ada error ataupun hanya pertanyaan penasaran. Hal ini karena TA memang adalah fasilitas yang disediakan Algoritma khusus untuk membantu dan memperlancar pembelajaran student”. Hal ini juga perlu disampaikan oleh Instructor di awal kelas.

  1. Team EC akan menginformasikan kembali ke Tim Academy, student mana saja yang bener-bener butuh bantuan dan malu untuk bertanya. Informasi tersebut akan digunakan Instructor dan TA untuk melakukan improvement di hari berikutnya.

3.6 Quiz Guidelines

3.6.2 Aturan Quiz

  • Assignment quiz dikirimkan pada hari terakhir course melalui classroom.
  • Quiz dilakukan pada hari terakhir setiap course.
  • Maksimal pengumpulan quiz setiap kelas adalah hari Senin pukul 12.00 WIB (kecuali bila ada kasus khusus, dan akan diinformasikan di kelas dan melalui classroom)
  • Quiz dikerjakan melalui platform algoritmaonline.com dengan menggunakan akun Algoritma Online yang sudah teregistrasi.
  • Informasi terkait akun Algoritma Online akan dikirimkan ke email setiap student.
  • Student dapat melakukan 2x pengerjaan quiz secara mandiri, dimana kesempatan kedua akan dianggap sebagai quiz susulan/remedial.
  • Tidak akan ada quiz susulan/remedial kembali karena student sudah memiliki kesempatan 2x pengerjaan quiz.
  • Student dapat melakukan review quiz yang sudah dikerjakan pada algoritmaonline.com dengan cara menekan tombol “View Questions” setelah pengerjaan pertama.
  • Student yang belum lolos dalam pengerjaan pertama dapat melakukan pengerjaan quiz ulang setelah melihat review quiz yang sudah dikerjakan dengan cara menekan tombol “Restart Quiz”.
  • Hasil review quiz yang sudah dikerjakan akan diberikan feedback untuk setiap nomornya.
  • Apabila ketika pengerjaan pertama, poin student lebih tinggi dibandingkan pengerjaan kedua namun dalam kondisi masih belum memenuhi kriteria lolos quiz, maka student tetap tidak lolos kuis.
  • File .Rmd atau .ipynb dapat dikirimkan pada classroom melalui assignment quiz bagi student yang merasa terdapat error submit/penilaian yang salah pada algoritmaonline.com.
  • Tidak terdapat remedial atau perbaikan nilai setelah student menggunakan 2 kali kesempatan dalam pengerjaan quiz.

3.6.3 Update Nilai Quiz di Score Sheet & Grading di Classroom

Update nilai quiz di score sheet dan return nilai quiz untuk setiap student di Google Classroom dilakukan secara otomatis menggunakan dashboard quiz grader. Dashboard memerlukan Username dan Password untuk login, yaitu:

  • Username: algoritma
  • Password: algoritma123

Langkah-langkah penggunaan dashboard tersebut dapat dicek di dokumentasi dashboard quiz grader. Sementara itu CSV Algoritma Online bisa diakses di wp-admin bagian Statistics > Export All in CSV.

Note: Setelah menggunakan dashboard, Anda harus mengecek apakah nilai quiz berhasil terupdate di Sheet Score Academy dan sudah ter-return di Google Classroom.

3.7 Learn by Building (LBB) Guidelines

3.7.1 Rubrik LBB

Detail rubrik masing-masing LBB pada Data Visualization Specialization dan Machine Learning Specialization dapat dilihat pada Guideline LBB dan LBB Rubrics.

3.7.2 Aturan LBB

  • LBB dikirimkan di classroom di hari terakhir course, bersamaan dengan pengiriman quiz.
  • LBB tidak diberikan nilai (kecuali LBB IP), namun diberikan feedback.
  • Student yang mengumpulkan LBB dapat menyertakan link publish LBB pada RPubs, Github, atau platform lainnya bila ada.
  • Deadline pengumpulan LBB bagi student yang ingin mengikuti career support Algoritma dibagi menjadi 3 fase dengan detail sebagai berikut:
    • Fase 1: LBB P4DS dan DV maksimal dikumpulkan 2 minggu setelah deadline Capstone Data Visualization.
    • Fase 2: LBB RM, C1, dan C2 maksimal dikumpulkan 2 minggu setelah course C2 berakhir.
    • Fase 3: LBB UL, TS, dan NN maksimal dikumpulkan 2 minggu setelah deadline Casptone Project Machine Learning.

Khusus pengumpulan LBB IP diberikan waktu 1 minggu pengerjaan.

  • Student yang terlambat mengumpulkan LBB IP diberi pengurangan nilai 1 poin.
  • Maksimal pengumpulan LBB IP yang akan dilakukan penilaian yaitu selama 1 bulan (hari kerja dan hari libur), lebih dari itu maka LBB IP tidak akan diberikan nilai dan feedback.
  • Student yang mengumpulkan LBB akan diberikan feedback oleh tim mentor maksimal 3 hari setelah LBB dikumpulkan melalui google classroom.
  • Bagi student yang ingin mendapatkan career support wajib mengumpulkan LBB dengan detail jumlah LBB yang harus dikumpulkan dapat dilihat pada Bagian Career Support.

3.8 Capstone Guidelines

3.8.1 Rubrik Capstone

3.8.3 Aturan Capstone

  • Rubrik capstone akan dijelaskan secara serentak di kelas pada saat Briefing Capstone.
  • Selama di kelas, student akan diberikan capaian tugas yang harus dikerjakan dan dikumpulkan pada classroom pada hari yang sama saat briefing capstone project.
  • Mentoring capstone DA dilaksankan dengan durasi 3 jam seperti jadwal kelas academy, sedangkan mentoring capstone DV dan ML dilaksakan dengan durasi 2 jam seperti mentoring pada umumnya.
  • Deadline pengerjaan capstone sebagai berikut:
    • Capstone DA: 2 hari setelah pertemuan mentoring capstone, yaitu hari Senin.
    • Capstone DV dan ML: 1 minggu setelah briefing capstone.
  • Product team akan melakukan koreksi dan memberikan feedback maksimal 2 hari setelah lead piket melakukan assignment
  • Product team yang melakukan koreksi dan memberikan feedback wajib langsung memasukkan nilai capstone pada Academy Score Sheet atau Corporate Score Sheet serta classroom.
  • Student yang memiliki nilai di bawah 80% dari total nilai, dapat melakukan perbaikan capstone sebanyak 1 kali dengan batas pengumpulan sebagai berikut:
    • Capstone DA: 3 hari (hari kerja dan hari libur) sejak pemberian feedback.
    • Capstone DV dan ML: 1 minggu (hari kerja dan hari libur) sejak pemberian feedback.
  • Berikut adalah nilai student yang dapat melakukan perbaikan:
    • Capstone DA: dibawah 12 poin
    • Capstone DV: dibawah 24 poin
    • Capstone ML: dibawah 28 poin
  • Nilai maksimal yang bisa didapatkan oleh student yang melakukan perbaikan adalah 80% dari total nilai.
  • Keterlambatan pengumpulan capstone (dihitung berdasarkan hari kerja) akan mendapatkan penalti sebagai berikut:
    • Terlambat 1 hari: pengurangan 1 poin
    • Terlambat 2 hari: pengurangan 3 poin
    • Terlambat 3 hari: pengurangan 5 poin
    • Terlambat 4 hari: pengurangan 7 poin
    • Terlambat lebih dari 4 hari: pengurangan 9 poin
    • Terlambat lebih dari 1 bulan tidak akan mendapatkan nilai dan tidak akan diberikan feedback

Note: Student yang memiliki kesempatan perbaikan hanya untuk yang mengalami kekurangan point dari rubrics, diluar dari pinalti keterlambatan.

Note: Pengumpulan Capstone ML dianggap sah ketika student mengumpulkan file dalam bentuk HTML, apabila tidak, maka mentor berhak untuk mengembalikan pekerjaan student dan tidak akan dikoreksi terlebih dahulu. Apabila student mengumpulkan file HTML setelah lewat deadline pengumpulan capstone, maka pengumpulan capstone dianggap terlambat.

Note: Penalti tidak dapat diganggu gugat (akan tetap diikutsertakan) pada saat melakukan penilaian awal maupun penilaian perbaikan capstone.

Contoh kasus:

Kasus 1

Student A mengumpulkan Capstone DV terlambat > 4 hari (penalty minus 9 poin). Setelah diperiksa pengerjaan capstone nya, ternyata terdapat rubrik yang belum dipenuhi dengan nilai 6 poin sehingga nilai awal yang diperoleh student A sebesar 15 poin dari 30 poin (30 (full point) minus 6 (rubrics belum terpenuhi) minus 9 (penalty)). Selanjutnya, student A melakukan pengumpulan perbaikan berdasarkan poin-poin yang belum penuhi pada rubrik. Atas revisi yang telah dikumpulkan, maka penilaian akhir yang diperoleh student A adalah sebesar 21 poin (dari 30 poin (semua rubrik terpenuhi) minus 9 (penalty)).

Kasus 2

Student B mengumpulkan Capstone DV terlambat > 4 hari. Setelah diperiksa pengerjaan capstone nya, ternyata semua rubrik telah dipenuhi. Oleh karena itu, nilai final dari student B sebesar 21 poin dari 30 poin. Student B tidak dapat melakukan revisi dikarenakan seluruh poin rubrik telah dipenuhi. Nilai final tersebut tidak dapat berubah lagi karena terdapat unsur penalti.

  • Pengumpulan perbaikan capstone yang melebihi batas waktu (H+7 setelah pemberian feedback) tetap akan diperiksa namun nilai yang diambil adalah nilai sebelum perbaikan.
  • Setiap Capstone Project akan diberikan satu sesi kelas berisi Group Mentoring terkait Capstone tersebut.

3.9 Material Guidelines

3.9.1 Lecture Notes

Lecture notes adalah catatan/rangkuman yang menghighlight poin-poin penting pembelajaran setiap harinya. Kumpulan lecture notes untuk setiap kelas dapat diakses pada link Lecture Notes

3.9.2 Quick Summary

Pada kelas online, TA wajib memberikan quick summary untuk menghighlight poin-poin penting yang telah dijelaskan oleh instructor. Kumpulan quick summary untuk setiap kelas dapat diakses pada link Quick Summary

3.9.3 Dive Deeper

Dive deeper adalah latihan yang disediakan oleh instructor dengan tujuan menguji pemahaman student terkait materi yang dijelaskan. Kumpulan dive deeper untuk setiap kelas dapat diakses pada link Dive Deeper

3.9.4 Knowledge Check

Knowledge Check adalah pertanyaan singkat yang diberikan instructor untuk memastikan pemahaman student sudah tepat. Kumpulan dive deeper untuk setiap kelas dapat diakses pada link Knowledge Check

3.10 Feedback Pedagogy

  • Link feedback akan dibagikan oleh Product Operation kepada Teaching Assistant sebelum kelas pada course hari terakhir berlangsung
  • Link feedback dibagikan kepada student pada hari terakhir course berlangsung
  • Kelas online: link hanya dibagikan saat kelas berlangsung melalui chat Zoom
  • Kelas onsite: link yang dibagikan berupa QR Code saat kelas berlangsung

3.11 Evaluation Academy Guidelines

  • Academy Evaluation dilaksanakan maksimal 1 bulan setelah spesialisasi DA atau spesialisasi ML berakhir.
  • Setiap teaching team yang incharge pada kelas wajib melakukan pelaporan apabila terdapat perubahan baik materi, mindmap, quiz, askalgo, maupun segala hal yang berjalan di suatu course pada Sheet Evaluasi.
  • Pada saat evaluasi berlangsung, akan ditunjuk 1 orang PIC yang menjadi taskforce materi maupun course content yang perlu diubah.
  • PIC per bagian hanya bisa 1 orang.

Tugas PIC yang ditunjuk ketika evaluasi adalah wajib:

  1. Merevisi bagian yang ditugaskan maksimal H-2 minggu sebelum waktu course batch selanjutnya berjalan
  2. Menuliskan perubahannya pada Sheet Evaluasi di bagian Submission/Detail Update.
  3. Melaporkan perubahannya pada PIC Academy apabila berhubungan dengan material.