Allan & Ray Techno-Spiritual Hub (ARTS)

Dari menara ke tensor — membangun AI yang benar-benar dipakai, dengan disiplin telco-grade: ritme PMO, pipeline data yang jelas, eksperimen ML terukur, dan dokumentasi yang bisa diaudit. ARTS adalah tempat kami mengikat academy, riset kecil, dan delivery ke satu narasi yang rapi.

AcademyResearchTransformationService

Vision

Menjembatani disiplin telco dengan AI/ML praktis. Targetnya: operasi yang lebih cerdas, keputusan berbasis bukti, dan talenta lokal yang naik kelas. AI bukan sekadar demo — tapi produk yang hidup: punya metrik, dokumentasi, dan ritme perawatan.

Mission

  • Proyek ujung-ke-ujung: use-case → data → model → demo → dokumentasi.
  • Kemasan rapi: playbook, dashboard, micro-course, dan repo yang mudah direview.
  • Etika & anonimisasi by default; pipeline dan audit trail jelas.
  • Teach-as-you-build: mentoring ringan agar tim internal mandiri.

Deliverables

  • Learn: carousel, PDF ringkas, micro-course.
  • Build: demo NID, embeddings, streaming ML, dashboard eksekutif.
  • Advise: PMO playbook, governance ML, operating rhythm.
  • Archive: template anonymized (MW/FO, KPI operasional).

Signature Projects

Network Intrusion Detection Dashboard

2025

PCAP ➜ ekstraksi fitur ➜ PCA/DBSCAN ➜ dashboard triage. Mempercepat investigasi anomali, mengurangi false positive, dan memudahkan handover.

View repo / details →

Sarcasm Embeddings

2025

Tokenisasi ➜ embeddings ➜ visualisasi ruang ➜ baseline model + video proyeksi. Paket mini untuk memahami semantic space dan membandingkan model teks dengan cepat.

View repo / details →

Telco Archive (Anonymized)

  • MW/FO: contoh LOS, link budget template, checklist BoQ.
  • 4.000+ site (rentang), multi-country rollout.

KPI & Footprint

  • 15+ repo publik, 3+ live demo.
  • 10+ workstream merger; dashboard eksekutif.

People & Milestones

Cuplikan perjalanan lintas kota dan negara—tim yang solid lebih kuat dari tool mana pun. Klik untuk melihat versi besar. Caption dibentuk otomatis dari nama file.

Operating Principles

  1. Small bets, fast loops. Eksperimen kecil, iterasi cepat, dokumentasi rapi.
  2. Evidence-first. Keputusan berbasis metrik & visual yang bisa diaudit.
  3. Sustainable delivery. README, makefile, env jelas—mudah dirawat.
  4. Co-build. Pair dengan tim internal—transfer kapabilitas, bukan vendorism.

Methods

  • Discovery (1–2 minggu): mapping use-case, risiko data, definisi metrik.
  • Prototype (2–4 minggu): pipeline data ➜ baseline model ➜ demo nyata.
  • Productization (4–8 minggu): monitoring, retry strategy, dashboard, handover.

Focus Areas 2025

  • Network analytics (QoS/QoE, alarm triage, anomali transport).
  • Embeddings for ops (ticket similarity, knowledge search).
  • Streaming ML (peristiwa real-time, fitur waktu).
  • PMO for AI (ritme, risk log, rilis yang bisa dipertanggungjawabkan).

Engagement Models

  • Starter Pack: discovery ➜ baseline demo + rencana 90 hari.
  • Co-Build Sprint: 2–3 sprint untuk MVP siap review stakeholder.
  • Productize: harden + observability + handover.