Computer Vision Engineer
CNN Image Classification
beginner
0,00
8 jam 0 menit
0 Siswa Terdaftar
Deskripsi
Ingin tahu bagaimana Artificial Intelligence bisa mengenali gambar dengan coding python? Tingkatkan skill coding Anda lewat pembelajaran CNN Image Classification di aodedu.id. Kita akan belajar cara membangun model klasifikasi gambar berbasis project nyata dengan teknologi deep learning terkini dan populer.
Sasaran Siswa
- Memahami CNN
- Membangun CNN untuk klasifikasi gambar
- Menerapkan CNN pada Computer Vision
Perangkat yang Dibutuhkan
Prosesor
Intel Core i3 (Rekomendasi Core i5 ke atas)
Sistem Operasi
Windows, Linux, MacOS
Biaya Investasi
Rp 350.000
Metode Ajar
- Self-paced learning
- Total Belajar : 8 jam 0 menit
Instructor
Dr. Ni Wayan Sumartini Saraswati, S.T.,M.T.
Apa yang akan Anda dapatkan
Sertifikat
Dapatkan sertifikat resmi sebagai bukti kompetensi Anda.
Modul
Akses modul pembelajaran lengkap yang mudah dipahami kapanpun.
Forum Diskusi
Diskusi interaktif bersama siswa lainnya.
Kuis
Kuis singkat untuk menguji dan memperkuat pemahaman materi.
Ujian
Ujian akhir untuk mengukur kemampuan dan kelulusan course.
Silabus
Materi yang Anda pelajari di kelas ini
Convolutional Neural Network (CNN)
Modul ini membahas pengertian dasar Convolutional Neural Network (CNN) sebagai salah satu arsitektur utama dalam deep learning untuk pemrosesan citra. Peserta akan mempelajari bagaimana CNN bekerja, mulai dari proses ekstraksi fitur melalui convolution layer, peran pooling layer dalam mereduksi dimensi, hingga bagaimana data diproses oleh fully connected layer untuk menghasilkan output klasifikasi. Pemahaman konsep ini menjadi dasar penting sebelum masuk ke tahap implementasi dan pengembangan model berbasis CNN.
90 Menit
Arsitektur CNN
Modul ini membahas tiga komponen utama dalam arsitektur Convolutional Neural Network (CNN), yaitu convolutional layer, pooling layer, dan fully connected layer. Peserta akan mempelajari bagaimana convolutional layer berfungsi dalam mengekstraksi fitur lokal dari citra, bagaimana pooling layer mereduksi dimensi data untuk meningkatkan efisiensi komputasi, serta bagaimana fully connected layer menggabungkan fitur-fitur tersebut untuk menghasilkan output klasifikasi. Pemahaman struktur dasar ini menjadi landasan penting dalam pengembangan model CNN untuk berbagai tugas pengenalan citra
90 Menit
Preprocessing Gambar
Modul ini membahas tahap awal dalam pemrosesan citra sebelum digunakan dalam pelatihan model Convolutional Neural Network (CNN). Fokus utama meliputi normalisasi piksel, yaitu proses penskalaan nilai piksel ke rentang tertentu untuk mempercepat konvergensi model, serta augmentasi data, yaitu teknik manipulasi citra seperti rotasi, flipping, dan zoom untuk memperluas variasi data latih tanpa menambah data baru. Kedua proses ini bertujuan untuk meningkatkan kualitas pelatihan dan ketahanan model terhadap overfitting.
90 Menit
Evaluasi Model
Modul ini membahasa bagaimana mengevaluasi hasil pemodelan CNN menggunakan confusion matrix, metrik evaluasi dan classification report.
30 Menit
Studi Kasus dan Implementasi
Modul ini membahas mengenai studi kasus dan juga menjelaskan bagaimana cara mengimplementasikan dari sebuah modul CNN dengan tujuan untuk mengklasifikasikan citra dari X-Ray untuk memprediksi class dari gambar normal dan COVID-19
90 Menit
Submission
Pada modul submission ini diharapkan kalian mendapatkan pengetahuan dan pemahaman dalam CNN Image Classification dan mampu menyelesaikan ujian project yang diberikan
90 Menit