Buat yang pengen #KaburAjaDulu, kalo aku bikin thread tentang jalur-jalur kerja di Belanda yang benar-benar bisa di-apply WNI dari Indonesia, lengkap sama website resminya, ada yang mau ga yaa? 👀🇳🇱
#PublicPolicySchoolsoftheFuture brings together 54 essays from 58 leading thinkers to explore how our world is changing and what that means for the leaders of tomorrow.
📚 Download your free copy: https://t.co/s9qmWZ1vPA
#LKYSPP#PublicPolicyEducation
Mengenai ini, cukup sedih baca TL pagi ini isinya FinX tweeting tanpa context yang benar.
1. Ini merupakan sebuah review, yang keluar hari ini hanya penilaian performa setahun ke belakang (data per Mei). Sifatnya backward-looking, bukan keputusan final Indonesia didepak atau remain di EM hari ini.
2. Vonis Resmi Baru 24 Juni: Keputusan apakah Indonesia tetap EM atau turun kelas, baru rilis tanggal 24 Juni nanti. Review hari ini merupakan salah satu input prosesnya.
3. Downgrade "Information Flow" (+ ke -): MSCI kasih kartu merah karena masalah transparansi struktur kepemilikan dan indikasi coordinated trading yang ngerusak pembentukan harga. Menurut gue, hal ini sudah dibereskan dengan dibukanya data 1% per maret kemarin dan dibentuknya HSC.
Salah satu kesalahan paling umum dalam membaca data makro: terpaku pada angka absolutnya.
• "Inflasi naik ke 4%."
• "BI hike 25 bps."
• "GDP tumbuh 5%."
Refleksnya langsung menilai bagus/jelek dari angka itu.
Padahal pasar bereaksi terhadap "Surprise Factor".
"Surprise Factor" adalah selisih antara REALISASI dan KONSENSUS.
Harga itu sudah mendiskon faktor2 yang forward-looking.
Sebelum sebuah data rilis, konsensus tentang data tersebut sudah priced in di harga.
Market sudah antisipasi data makro yang belum keluar based on konsensus.
Ketika datanya riilnya keluar, satu2 informasi baru adalah selisihnya terhadap ekspektasi, dan itulah yang menggerakkan harga, bukan angkanya sendiri.
Kalau inflasi keluar di 4% dan konsensus memang 4%, market price most likely tidak akan kemana2.
4% itu sudah priced in.
Yang menggerakkan pasar adalah kalau yang keluar ternyata 4,5% (di atas dugaan) atau 3,5% (di bawah).
Implikasinya adalah, angka "bagus" bisa menurunkan pasar kalau di bawah ekspektasi, dan angka "jelek" bisa menaikkan kalau lebih baik dari yang ditakutkan.
Di portfolio management, ini masuknya ke Macroeconomic Factor Model. (terlampir di gambar)
Di pasar global ada indeksnya: Citi Economic Surprise Index (Citigroup), yang mengukur data aktual vs konsensus.
Jadi kalau ada rilis data atau keputusan bank sentral, pertanyaan pertamanya bukan "angkanya berapa", tapi "angkanya berapa dibanding yang diperkirakan."
Yang sesuai ekspektasi, sekencang apa pun headlinenya, sebagian besar sudah priced in di harga.
Cara efektif baca paper berdasarkan pengalaman saya pribadi (tanpa bantuan AI):
- baca judul
- fokus dulu pada abstrak sebelum baca lebih jauh.
- identifikasi struktur abstrak, biasanya terdiri dari: latar belakang, tujuan penelitian, argumen, metode, hasil.
- dengan cermat membaca abstrak, sebetulnya literature review sudah dapat dilakukan.
- kalau ingin tau lebih detil terkait design penelitian, baru baca seluruh pendahuluan.
- kalau merasa masih kurang puas, baru baca sepintas/secara cepat bab hasil dan pembahasan. Lalu baca seluruh simpulan.
- terakhir, baca referensi/daftar Pustaka untuk menelusuri sumber penting lainnya.
Akun ini ngasi tahu bagaimana cara membaca makalah ilmiah dengan tepat. Dia merekomendasikan satu esai pendek klasik yang harus dibaca oleh setiap pemula penelitian: How to Read a Paper oleh S. Keshav.
Sumber bacaannya menjelaskan metode tiga tahap yang dirancang untuk membantu akademisi membaca artikel penelitian secara lebih efisien dan sistematis. Dijelaskan bahwa pembaca sebaiknya tidak langsung melahap seluruh teks, melainkan memulainya dengan pemindaian cepat untuk memahami gambaran umum sebelum memutuskan untuk mendalami kontennya.
Tahap pertama bertujuan menentukan relevansi makalah, tahap kedua berfokus pada pemahaman isi tanpa detail teknis yang rumit, dan tahap ketiga melibatkan analisis kritis yang mendalam. Selain teknik membaca, teks ini juga memberikan panduan praktis dalam melakukan survei literatur dengan memanfaatkan referensi dan nama peneliti kunci.
Pendekatan ini bertujuan untuk menghemat waktu serta mengurangi rasa frustrasi yang sering dialami oleh mahasiswa pascasarjana.
10 GitHub Repositories you should definitely check as an AI Engineer!
1. Hands on AI Engineering
Curated repository of AI-powered applications and agentic systems showcasing practical use cases of LLMs
👉 Check this out: https://t.co/pR5riPhGDO
2. Hands on Large Language Models
This repository contains the complete code examples from the book Hands-On Large Language Models.
It includes notebook examples that cover everything from the introduction to language models to fine-tuning them.
👉 Check this out: https://t.co/TuFg99vK5o
3. AI Agents for Begineers
Beginner friendly course on AI Agents
This Free 11-lesson course will teach you everything you need to get started with building AI agents.
👉 Check this out: https://t.co/UHk9lCk18P
4. GenAI Agents
This repository provides tutorials and implementations for various Generative AI Agent techniques, from basic to advanced.
It serves as a comprehensive guide for building intelligent, interactive AI systems.
👉 Check this out: https://t.co/4c1JL0lZHe
5. Made with ML
Learn how to design, develop, deploy and iterate on production-grade ML applications.
Check this out: https://t.co/TBcsWr1DOi
6. Learn Harness Engineering
A project-based course on building the environment, state management, verification, and control mechanisms that make AI coding agents work reliably.
👉 Check this out: https://t.co/MfqVEA9hiB
7. AutoResearch by Andrej Karpathy
Learn how to build autonomous ML experiment loops where AI agents modify training code, run experiments, and iterate on their own.
This 630-line Python script shows you how to set up an agentic research workflow that runs ~100 experiments overnight on a single GPU. Practical implementation of autonomous research systems.
👉 Check this out: https://t.co/bfdhkX2u17
8. Designing Machine Learning Systems
This repo contains the summaries and resources for Designing Machine Learning Systems book
👉 Check this out: https://t.co/dBbKls3oOr
9. Awesome LLM Inference
Curated list of LLM/VLM inference papers with codes covering Flash-Attention, Paged-Attention, WINT8/4, Parallelism, and more.
Comprehensive resource for LLM inference optimization techniques including quantization, KV cache management, attention mechanisms, and deployment strategies.
👉 Check this out: https://t.co/Dtvkw7uwuR
10. LLM Course: The best hands-on course to learn Large Language Models with roadmaps and Colab notebooks!
👉 Check this out: https://t.co/dNJqw8a7pd
If you found it insightful, reshare with your network.
Find me → @Sumanth_077 for more insights and tutorials on AI Engineering!
AI, geoeconomic fragmentation, and macroeconomic uncertainty!
The U.S. restricted access to Anthropic's top models. This raises a number of issues. It is apparently one dimension where we see the effects of geoeconomic fragmentation. It also creates a special case of macroeconomic uncertainty.
Last week, Juan Reyes (King’s College London; Economic Statistics Centre of Excellence - ESCoE) presented his interesting paper "The Macroeconomic Effects of AI Uncertainty" in our webinar series.
The paper can be downloaded here: https://t.co/d52RXnTJ5e
The webinar recording is available here: https://t.co/31emInR8fq
Food for thought!
"Dominant Currency Pricing and Currency Risk Premia" by Husnu C. Dalgic and Galip Kemal Ozhan.
"This paper studies how dominant-currency pricing affects currency risk premia. Empirically, we extract common risk factors from excess currency returns using principal components and relate countries’ factor exposures to observable macroeconomic characteristics, with export dollar invoicing emerging as a predictor of carry-trade exposure. A small open-economy model with dominant-currency pricing and dollar-denominated liabilities explains why. Dollar export invoicing weakens the exchange rate’s stabilizing effect on external demand, while dollar debt makes depreciation costly for leveraged intermediaries. When the two frictions interact, depreciations occur in bad states, local-currency assets become risky, the currency premium rises, and the risk-adjusted neutral rate increases. Under a standard Taylor rule, this mechanism generates persistently higher inflation."
https://t.co/JRPTZhQShe
1.000 FORMASI PALING SEPI PELAMAR DI CPNS 2024
Kami telah mengumpulkan 1.000 formasi yang sepi pelamar,
dan menemukan 47 jabatan berbeda sbb:
Analis Hukum Ahli Pertama : 161
Arsiparis Terampil : 92
Pranata Komputer Terampil : 64
Penata Laksana Barang Terampil : 59
Analis Pengelolaan Keuangan APBN AP : 50
Pranata SDM Aparatur Terampil : 49
Penata Kelola Pengawasan Pemilu AP : 46
Penata Kelola Pemerintahan : 37
Pengelola Keprotokolan : 36
Pranata Keuangan APBN Terampil : 36
Pranata Komputer Ahli Pertama : 36
Pengawas Pendataan Statistik : 33
Penata Kelola Hukum & Perundangan : 33
Penyuluh Hukum Ahli Pertama : 26
Penata Kelola Sistem & TI : 26
Pranata Humas Ahli Pertama : 23
Fasilitator Pemerintahan : 22
Teknisi Sarana & Prasarana : 21
Penyusun Materi Hukum & Perundangan : 18
Analis SDM Aparatur Ahli Pertama : 16
Arsiparis Ahli Pertama : 15
Analis SDM Aparatur Ahli Pertama : 13
Pengamat Meteorologi & Geofisika AP : 11
Analis Anggaran Ahli Pertama : 10
Asisten Pranata Siaran Terampil : 9
Instruktur Ahli Pertama : 8
Pranata SDM Terampil : 7
Perencana Ahli Pertama : 6
Auditor Ahli Pertama : 6
Pranata Siaran Ahli Pertama : 4
Auditor Manajemen ASN Ahli Pertama : 3
Pengantar Kerja Ahli Pertama : 3
Pekerja Sosial Ahli Pertama : 3
Pranata SDM Aparatur Terampil : 3
Analis Kebijakan Ahli Pertama : 2
Perancang Peraturan Perundangan AP : 2
Penyelidik Bumi Ahli Pertama : 2
Auditor Terampil : 2
Inspektur Panas Bumi Ahli Pertama : 2
Pengembang Teknologi Pembelajaran AP : 2
Asisten Teknisi Siaran Terampil : 1
Asisten Statistisi Terampil : 1
Konselor SDM : 1
Pengawas Farmasi & Makanan Ahli Pertama : 1
Pranata Hubungan Masyarakat Ahli Pertama : 1
Petugas Lapangan Keluarga Berencana Terampil : 1
Teknisi Siaran Ahli Pertama : 1
Jika kamu sudah melihat isi tabel 1.000 formasi sepi peminat tsb, akan terlihat bahwa :
1. Rata-rata nilai SKD yg lulus <400
2. Banyak yang tidak hadir ujian
3. Banyak yang ga lulus Passing Grade
4. Banyak instansi yg favourite
5. Kualifikasi Pendidikan yg bisa melamar sangat luas
data lengkap formasi yg sepi peminat di CPNS 2024 bisa lihat di gdrive Vindikasi, folder F. Materi Lainnya.
- Seluruh lokasi formasi
- Kualifikasi pendidikan perlokasi formasi
- Kebutuhan orang perlokasi formasi
- SKD terendah & tertinggi yg lulus
- Instansi-instansi yg sepi peminat
Kalau belum punya akses ke gdrive Vindikasi, silahkan ke : https://t.co/HG9uJmAX7s
Link tersebut sebetulnya untuk:
- kamu yg belum mulai belajar CPNS
- kamu yg bingung mulai dari mana
- kamu yg penasaran gmana soal CPNS
- kamu yg stuck dalam belajar CPNS
(misalnya nilainya ga berkembang atau susah memahami TKP/TWK/TIU atau susah manage waktu test SKD)
di link itu juga disediakan akses ke gdrive Vindikasi yg berisi:
- 1.000 formasi sepi pelamar di CPNS 2024
- Formasi yg harus dihindari
- Informasi penting terbaru CPNS 2026.
- Materi untuk menganalisis formasi CPNS.
- Formasi CPNS 2026 yg peluang lulusnya besar
(berdasar kualifikasi pendidikan, ketika CPNS 2026 sudah buka).