Job description for Internship AI Engineer at Goodeva Technology
Must-have requirement:
1. Mahasiswa tingkat akhir atau fresh graduate dari Teknik Informatika, Sistem Informasi, Data Science, AI, Matematika, Statistika, atau bidang relevan.
2. Mampu menggunakan Python dengan cukup baik, terutama untuk data processing, API call, scripting, dan debugging sederhana.
3. Memahami dasar machine learning: supervised learning, classification, regression, evaluation metric, overfitting, train-test split, dan data preprocessing.
4. 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.
5. 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.
6. Bisa menggunakan Git/GitHub secara dasar: commit, branch, pull request, dan membaca issue.
7. Mampu membaca dokumentasi teknis dalam bahasa Inggris.
8. Punya portofolio kecil, misalnya chatbot, image classification, text classification, sentiment analysis, RAG sederhana, dashboard AI, atau integrasi API LLM.
Nice-to-have requirement:
1. Pernah membuat aplikasi berbasis LLM, chatbot, AI assistant, semantic search, atau RAG.
2. Familiar dengan embedding dan vector search. Embedding umum dipakai untuk search, clustering, recommendation, anomaly detection, classification, dan use case berbasis similarity.
3. Familiar dengan FastAPI, Flask, Streamlit, Gradio, atau React/Next.js untuk membuat prototype.
4. Pernah memakai LangChain, LlamaIndex, OpenAI API, Gemini API, Claude API, Hugging Face, atau Ollama.
5. Memahami SQL dasar dan struktur database.
6. Familiar dengan Docker, cloud deployment dasar, atau CI/CD sederhana.
7. 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.
