Kurikulum Dasar Kecerdasan Buatan (artificial intelligence / AI) dengan Penerapan pada Penglihatan Komputer (computer vision / CV)

Lesson Plan forEducation on SEAMOLEC

Prepared by Nodeflux

Informasi Umum 

Deskripsi Kursus :

Kursus ini berkaitan dengan dasar-dasar kecerdasan buatan (artificial intelligence / AI) sebagai konsep luas dan penerapannya dalam bidang penglihatan komputer (computer vision / CV) yang sederhana. Isi kursus meliputi pengenalan struktur data, teknik dasar pengolahan citra (image processing), penerapan beberapa teknik dasar CV, pemelajaran mesin (machine learning / ML) konvensional, dan pemelajaran  dalam (deep learning / DL).  AI dan CV pada era industri 4.0 ini diterapkan di berbagai hal seperti aplikasi pengenalan wajah,  pendeteksi jenis kendaraan, diagnosa kesehatan pada gambar medis, dll. Sehubungan dengan itu, kursus ini bertujuan untuk memberikan peserta pandangan yang komprehensif tentang AI dan CV di tingkat praktis sehingga peserta memilki modal dasar untuk bersaing di era industri 4.0

Persyaratan Kursus :

    Memiliki kemampuan :

1. Bahasa Inggris dasar
2. Pemrograman dasar (direkomendasikan Python)
3. Memiliki dasar Matematika (statistik, matriks, probabilitas and persamaan linear)

Struktur Pemelajaran :
Metode Pemelajaran :

Metode Pembelajaran ini menggunakan model Massive Open Online Courses (MOOCs) dimana tim instruktur akan menyajikan materi konten digital pada platfrom MOOC SEAMOLEC berdasarkan outline dan terurut dan dibagi menjadi 2 pendekatan yaitu synchronous (pendampingan langsung) dan asynchronous (pembelajaran tertunda). Mode synchronous akan dibagi menjadi beberapa sesi video conference antara instruktur dan peserta didik sesuai jadwal yang ditentukan, serta diskusi pada suatu komunitas (group WA). Sedangkan mode asynchronous disajikan dalam bentuk materi video, quiz, assessment dan  referensi lainnya pada platform MOOC yang harus dipelajari mandiri oleh peserta.

Hasil Belajar Kursus :

1. Peserta dapat memperluas wawasan dan menjadi pemecah masalah yang adaptif dan inovatif di era industri 4.0
2. Peserta didik mencapai pemahaman dasar AI dan CV
3. Peserta didik mampu membuat model dan program AI sederhana dan menerapkannya pada bidang CV
4. Peserta didik dapat mendesain,, menerapkan hasil kursus dalam suatu produk prototipe sederhana dan dapat menulis hasilnya dalam bentuk tugas akhir singkat

SUSUNAN  KURIKULUM:

Persiapan:

Tutorial penggunaan google collab secara tertulis dan link tutorial instalasi OpenCV, Dlib, pytorch

Sesi 1

1. Pengenalan AI (pengertian, 4 teknik dasar, dan contoh implementasi) 
2. Struktur Data
3. Regresi Linear pada Data terstruktur

Tugas : membuat regresi linear pada suatu kasus sederhana

Tujuan sesi 1 :

Peserta didik  diharapkan memiliki pengetahuan dasar yang baik tentang definisi AI dan memahami dasar tentang pengolahan data melalui regresi linier

Sesi 2

1. Pengenalan dasar pengolahan citra (image processing)
2. Dasar operasi OpenCV (transformasi,  membuka, mengolah, dan menyimpan video+gambar)
3. Image Filter dan Konvolusi

Tugas :  membuat image enhancement sederhana

Tujuan sesi 2 :

Peserta didik  diharapkan mampu memahami konsep dasar pengolahan citra dan mengimplementasikannya dengan OpenCV

Sesi 3

1. Pengenalan CV
2. Dasar pengolahan citra dan sinyal digital pada CV
3. Edge Detection dan Contours
4. Pengenalan haar cascade

Tugas : implementasi haarcascade dengan openCV

Tujuan sesi 3 :

Peserta didik  diharapkan memiliki pengetahuan dasar tentang CV dan keterkaitan CV dengan AI dan pengolahan citra. Peserta juga diharapkan dapat membuat aplikasi CV sederhana dengan menggunakan OpenCV

Sesi 4

1. Ekstraksi Fitur
2. Pengenalan ML  (pengenalan Supervised, unsupervised, dan reinforcement learning
3. Loss, backpropagation, dan gradient descent
4. Metrik Pengukuran Performa 

Tugas : training klasifikasi dan regresi pada data tidak terstruktur 

Tujuan sesi 4 :

Peserta didik  diharapkan memiliki pengetahuan dasar yang baik tentang ML konvensional sebagai salah satu teknik AI dan mampu mengimplementasikannya pada aplikasi sederhana 

Sesi 5

1. Pengenalan DL 
2. Pengenalan  Pytorch (atau framework lainnya)
3. Klasifikasi Gambar dengan DL

Tugas : implementasi DL untuk klasifikasi image

Tujuan sesi 5 :

Peserta didik  diharapkan memiliki pengetahuan dasar yang baik tentang DL sebagai salah satu metoda ML terbaru yang  dan mampu mengimplementasikan nya dengan PyTorch atau framework lainnya

 Sesi 6

Peserta diharapkan membuat tugas akhir berkaitan dengan AI dan diimplementasikan pada bidang CV. Peserta diwajibkan untuk membuat aplikasi, model Ai, dan menulis tugas akhir tersebut dengan format yang sudah disediakan.

Catatan : tidak ada video konferensi online pada sesi ini

Tujuan sesi 6

Peserta didik  diharapkan mampu berpikir kreatif ,mampu menerapkan ilmu yang sudah diajarkan pada sesi sebelumnya, dan mampu membuat tulisan ilmiah sederhana