Bersama dengan Binar Academy, Kementerian Komunikasi dan Informatika (Kominfo) menggelar program beasiswa bertajuk Fresh Graduate Academy (FGA) Batch ke 3. Binar sendiri telah didirikan oleh para mantan petinggi Gojek yakni Alamanda Shantika, Dita Aisyah, dan Seto Lareno.

Dalam beasiswa kali ini, kominfo telah menyiapkan 1.000 kuota beasiswa untuk para lulusan S1 yang belum atau tidak sedang bekerja. Para serta yang lolos dalam seleksinya nanti akan memperoleh pelatihan yang disesuaikan dengan perkembangan ilmu pengetahuan dan teknologi, tepatnya di era revolusi industri 4.0.

Tujuannya adalah agar para penerima beasiswa nantinya bisa lebih bersaing baik di industri dalam maupun luar negeri. Hal ini sesuai dengan pernyataan Seno yang menyebut bahwa pihaknya telah siap mendukung program ini dan membuka ruang untuk berbagai institusi baik di pemerintahan maupun swasta yang ingin memberikan beasiswa serupa.

Persyaratan Umum

Seperti pada batch sebelumnya, FGA Batch ke-3 juga menetapkan sejumlah persyaratan yang harus dipenuhi oleh para pendaftar. Berikut di antaranya.

• Warga Negara Indonesia (WNI)
• Berusia maksimal 27 tahun
• Lolos dalam seleksi administrasi
• Lolos tes substansi yang diadakan secara online
• Memahami dasar – dasar dalam ilmu data science dan quality assurance.

Dalam program Fresh Graduate Academy (FGA) Batch 3, metode pembelajaran yang digunakan antara lain studi kasus, sesi zoom dengan para mentor, proyek akhir, dan pembelajaran mandiri yang wajib diikuti oleh semua peserta beasiswa.

Melalui program beasiswa kali inilah, Kominfo dan Binar mengharapkan agar para peserta kelak bisa menciptakan suatu produk digital yang berkualitas. Selain itu juga diharapkan agar para peserta akan bisa mengolah data dengan baik.

Demikian lah informasi singkat mengenai beasiswa FGA 2022 batch 3 yang merupakan program kerjasama antara Kominfo dan Binar Academy. Bagi anda yang tertarik untuk mendaftarnya maka segeralah lakukan pendaftaran secara online, melalui //bit.ly/DataScience-FGAxBINAR dan //bit.ly/QA-BINARxFGA.