Pencarian global tidak diaktifkan.
Lewati ke konten utama

Ringkasan topik

  • GREETING

    Assalammualaikum wr, wb, Hallo teman-teman Cvisioner!!

    Selamat datang dan selamat bergabung pada matakuliah Computer Vision.
    Matakuliah IFB-301 Computer Vision ini merupakan matakuliah wajib di Program Studi Informatika, Fakultas Teknologi Industri, Institut Teknologi Nasional Bandung yang diselenggarakan di semester ganjil atau tepatnya di semester 5. Bobot matakuliah Computer Vision adalah 3 SKS.

    Perkenalkan saya Irma Amelia Dewi, selama satu semester ini akan menemai teman-teman Cvisioner untuk lebih memahami tidak hanya konsep dari metode-metode computer vision tetapi juga implementasinya di bidang industri.

    Pembelajaran yang diterapkan merupakan collaborative learning dan active learning, mengajak CVisioner terlibat secara partisipasi aktif dalam diskusi/small group discussion, group activity dalam menyelesaikan case study, problem-based yang berasal dari dunia usaha dan dunia industri (DUDI). Jika teman-teman Cvisioner memiliki pertanyaan atau kebutuhan, jangan ragu untuk menghubungi saya melalui platform ini. Saya selalu siap membantu teman-teman dalam proses pembelajaran ini.

    Jadi, mari kita mulai! Siapkan diri Anda untuk menggali ilmu baru, berdiskusi, dan menjalani pengalaman pembelajaran yang luar biasa.

    Terima kasih telah bergabung, dan saya berharap kita akan memiliki waktu yang sangat bermanfaat bersama. Selamat belajar!"

    • Deskripsi Matakuliah

      Mata kuliah ini membahas konsep dan teknik computer vision, yang berfokus pada kemampuan komputer untuk menginterpretasikan data visual 2D atau video. Mahasiswa akan mengeksplorasi dan mengimplementasikan berbagai topik seperti pemrosesan gambar, ekstraksi fitur, deteksi objek, klasifikasi gambar, dan deep learning untuk aplikasi computer vision. Melalui perkuliahan teori, hands-on assignments, dan proyek kolaboratif dengan industri untuk menyempurnakan dan meningkatkan solusi computer vision, mengatasi kebutuhan dan tantangan spesifik industri.

    • headerPada bagian ini berisi informasi mengenai Capaian Pembelajaran Lulusan (CPL) yang dibebankan pada mata kuliah. Selain itu juga berisikan informasi mengenai Capaian Pembelajaran Mata Kuliah (CPMK) yang diturunkan dari CPL, CPL ini lebih difokuskan atau disesuaikan dengan bahan kajian mata. Kemudian Sub-Capaian Pembelajaran Mata Kuliah (Sub-CPMK) diturunkan dari CPMK yang sudah dirumuskan untuk mengukur ketercapaian di setiap pertemuan perkuliahan. 

    • Temen-temen CVisioner berikut ini  informasi mengenai bahan-bahan kajian pada mata kuliah selama satu semester. Bahan kajian adalah konten esensial yang dicapai pada satu periode pembelajaran (babakan).

    • CVisioner skema perkuliahan matakuliah Computer Vision menerapkan Hybrid Learning dengan peserta yang berasal dari prodi Informatika Itenas dan luar PT. Pengimplementasian Flipped Classroom akan men-trigger teman-teman menjadi active learner dengan memperbanyak diskusi dan group activity. 

      Selain itu rencana penilaian disusun untuk setiap Sub-CPMK dengan dilengkapi panduan Rencana Tugas Mahasiswa (RTM) sehingga teman-teman CVisioner dapat mengikuti panduan pengerjaan, indikator dan kriteria penilaiannya. 

    • Sudah menyaksikan video nya kan?? Ini adalah dokumen RPS (Rencana Pembelajaran Semester) Matakuliah Computer Vision

    • CVisioner kita perkenalan dulu yuk sama dosen pengampu dan pengajar matakuliah IFB-301 Computer Vision di prodi Informatika Itenas Bandung

    • Berikut ini daftar rujukan yang dapat teman-teman CVisioner jadikan referensi dalam kuliah Computer Vision. 

    • Simulasi Computer Vision adalah aplikasi berbasis website yang dapat membantu teman-teman CVisioner untuk lebih memahami proses atau metode pada computer vision melalui simulasi dari proses-prosesnya. Melalui simulasi ini teman-teman CVisioner dapat mencoba operator sebagai berikut ini:

      • Pre-processing : grayscalling, global thresholding, brightness, contrast stretching dll
      • Image Segmentation dan Feature Extraction: Canny edge detection, Otsu's Thresholding, Histogram Orientation of Gradient, Local Binary Pattern, dll
      • Image Classification: Haar Cascade untuk mendeteksi wajah, face swipe dl

      Untuk lebih jelasnya silahkan jelajah sendiri simulasinya sebelum mempelajari materi pertemuannya untuk mendapatkan gambaran penerapan metode yang dipelajari.  

    • Pixel Spot Detection adalah simulasi berbasis website yang dapat digunakan oleh teman-teman CVisioner untuk memehami lebih dalam lagi melalui implementasinya mengenai materi object detection pada materi perkuliahan di Computer Vision. Penerapan metode deep learning teknologi Artificial Intelligence yang dibahas pada pertemuan Object Detection dapat memberikan arahan bagi teman-teman CVisioner bagaimana deep learning mampu mengenali objek disekitar kita. 

      Teman-teman Cvisioner dapat mencoba fitur real-time dengan mengaktifkan kamera dan PixelSpot Dtection dapat mendeteksi objek-objek di sekitar kalian, atau dapat menggunakan fitur offline dengan meng-upload video untuk mendeteksi objek yang ada di video tersebut. 

    • Pixel TalkBot adalah fitur penunjang dalam pembelajaran Computer Vision. Aplikasi yang dikembangkan dengan menggunakan teknologi Natural Language Processing dengan library OpenAI menjadikan PixelTalkBot tidak kalah serunya dari ChatGPT loh CVisioner. 

      Teman-teman CVisioner dapat memanfaatkan PixelTalkBot ini untuk mempelajari materi atau matakuliah secara mendalam, atau biasanya akan digunakan pada aktifitas diskusi dan group activity yang di-trigger dengan pertanyaan-pertanyaan dan studi kasus yang membutuhkan penjelasalan lebih mendalam dari teman-teman CVisioner. 

      Silahkan teman-teman CVisioner dapat memanfaatkan PixelTalkBot untuk memahami lebih lanjut materi pada setiap pertemuannya.

    • CVisioner, sudah saatnya masuk ke group activity untuk project based learning dengan case berasal dari DUDI yang telah bekerjasama dengan prodi Informatika Itenas Bandung.

    • Hai Cvisioner...

      sudah punya project akhir yang kita peroleh dari industries kan yah...sekarang waktunya teman-teman untuk melakukan manajemen project dan monitoring juga nih pekerjaan teman-teman untuk mengukur sejauh mana capaian teman-teman sekalian. Cek Trello secara periodik untuk melihat feedback dari mentor dan teman anggotanya yah...

    • Sebagai panduan pengerjaan project besar silahkan mengikuti panduan rencana tugas mahasiswa ini

    • Make a submission Receive a grade
      1. Aplikasi dikumpulkan boleh dapat berupa link Google Colab yang sudah di share dengan email dosen ataupun siapapun. Untuk data image ataupun aplikasi selain menggunakan Google Colab dapat dikirimkan dalam format zip. Aplikasi dan dataset dapat mahasiswa simpan dalam link Gdrive dan dikumpulkan melalui LMS
      2. Video demo aplikasi, mahasiswa dapat mendemokan sistem yang dikembangkan dengan menjelaskan cara kerjanya, bagaimana pengujiannya dan hasil evaluasi dalam durasi maksimal 10 menit. Pada video wajib didahului dengan bumper opening dengan menampilkan identitas prodi, matakuliah dan kelompok. Video diupload ke Youtube salah satu perwakilan anggota saja dengan diberikan title: No Kelompok-judul project. Tambahkan identitas anggota kelompok dan deskripsi singkat mengenai sistem yang dikembangkan. Berikan hastag #IF-Itenas #ComputerVision #P3D-BelmawaDikti
    • Make a submission Receive a grade

      Laporan, berisikan pengerjaan yang sudha dijabarkan pada metode pengerjaan tugas dan sudah mahasiswa isikan di Trello. Silahkan perbaiki atau lengkapi jika masih ada kekurangan informasi yang disajikan di Trello dan dilengkapi di laporannya. Laporan dikirim dalam format file *.pdf dengan ukuran maksimal 100MB. Jika lebih maka dapat melampirkan link Gdrive saja pada kolom komentar. 

      Format laporan:

      1. Cover (desain sesuai project mahasiswa)
      2. Latarbelakang masalah, tujuan, ruang lingkup dan pembagian tugas(harus spesifik dan detail)
      3. Analisis sistem
      4. Collecting dataset
      5. Pre-processing
      6. Image segmentation/Feature Extraction
      7. image classification/object detection
      8. kesimpulan
      9. daftar pustaka
      10. lampiran (data image, dokumentasi saat pengumpulan data atau kerja tim)