🚀 Week 1: Introduction to Vision Amarine

🎯 Tujuan Pembelajaran

Pada minggu pertama ini, kita akan berfokus pada pemahaman dasar tentang Vision Amarine, mengenal tools dan framework yang akan digunakan sepanjang roadmap ini, serta memahami konsep dasar dalam pengembangan aplikasi Computer Vision.

📝 Materi Pembelajaran

✅ 1. Pemaparan Roadmap Pembelajaran Vision Amarine

Pada sesi ini, kita akan membahas roadmap pembelajaran yang akan ditempuh, termasuk:
✔️ Gambaran besar topik yang akan dipelajari setiap minggu
✔️ Tools dan framework yang akan digunakan dalam pengembangan Computer Vision
✔️ Studi kasus yang akan dikerjakan dalam bentuk mini-project dan final project

✅ 2. Pengenalan Tools dan Framework Vision Amarine

Dalam pengembangan aplikasi Computer Vision, kita akan menggunakan berbagai tools dan framework berikut:

📌 Aksi:

• Pastikan kamu telah menginstal Python dan mengenal Jupyter Notebook / VS Code / PyCharm
• Pahami kegunaan masing-masing tools di atas

✅ 3. Pengenalan Konsep Dasar dari Tools dan Framework yang Digunakan

Sebelum masuk ke implementasi, kita akan membahas konsep dasar yang mendasari tools dan framework yang akan digunakan:

✔️ Image Processing: Cara kerja manipulasi gambar menggunakan OpenCV
✔️ Deep Learning untuk Computer Vision: Dasar-dasar CNN dan bagaimana AI mengenali objek dalam gambar
✔️ Object Detection vs Image Classification: Perbedaan dalam penerapan Vision AI
✔️ Model Training Pipeline: Proses pelatihan model dari dataset hingga deployment
✔️ Edge Computing: Implementasi model AI pada perangkat keras seperti Jetson Orin

📌 Aksi:

• Pelajari perbedaan image classification, object detection, dan segmentation
• Eksplorasi dataset untuk pemrosesan gambar
• Pahami workflow training, testing, dan deployment model

📌 Studi Kasus: Diskusi Kelompok

Kamu akan berdiskusi dalam kelompok untuk menjawab pertanyaan berikut:

1️⃣ Apa tantangan terbesar dalam Computer Vision saat ini?
2️⃣ Bagaimana peluang Computer Vision dalam industri seperti kesehatan, otomotif, dan keamanan?
3️⃣ Bagaimana model seperti YOLO bisa diterapkan dalam kehidupan sehari-hari?

📌 Aksi:

• Diskusikan dengan kelompokmu dan rangkum hasilnya dalam sebuah presentasi singkat

🛠️ Side Project: Instalasi & Environmental Development Settings

Agar siap menghadapi tantangan dalam minggu-minggu berikutnya, kita akan melakukan setup lingkungan pengembangan:

🔹 1. Instalasi Python dan Virtual Environment

Gunakan perintah berikut untuk menginstal dan mengatur environment:

# Instalasi Python (jika belum terinstal)
sudo apt update && sudo apt install python3 python3-pip

# Buat virtual environment
python3 -m venv vision_env
source vision_env/bin/activate  # Aktifkan environment (Linux/macOS)
vision_env\Scripts\activate  # (Windows)

# Instal dependensi dasar
pip install opencv-python numpy matplotlib tensorflow keras roboflow streamlit

📌 Aksi:

• Pastikan semua tools telah terinstal
• Coba jalankan kode berikut untuk menguji OpenCV:

import cv2
print("OpenCV version:", cv2.__version__)

🔹 2. Forking Week Repository dan Struktur File Direktori Proyek

Setiap Vision Amarineer dapat fork repository utama, mengerjakan studi kasus atau side project di dalam fork mereka, lalu melakukan pull request (PR) ke repository utama untuk pengumpulan hasil kerja mereka. Ini juga akan memberikan transparansi, memungkinkan kolaborasi yang lebih baik serta memudahkan PIC dalam memantau progress Vision Amarineer.

vision-roadmap/
│── week-1/
│   │── study-case/
│   │   │── nama-peserta-1/
│   │   │   │── readme.md   # Deskripsi studi kasus yang dikerjakan peserta
│   │   │   │── hasil-analisis.ipynb  # Notebook atau kode yang dikerjakan
│   │   │── nama-peserta-2/
│   │── side-project/
│   │   │── nama-peserta-1/
│   │   │   │── readme.md   # Dokumentasi hasil side project peserta
│   │   │   │── setup-code/  # Folder berisi kode yang dikerjakan
│── week-2/
│── ...
│── final-project/
│   │── nama-peserta-1/
│   │── nama-peserta-2/
│── README.md  # Dokumentasi utama

📌 Petunjuk Forking dan Pengumpulan Hasil

1️⃣ Fork Repository Ini

Klik tombol Fork di sudut kanan atas repository ini untuk membuat salinan di akun GitHub-mu.

2️⃣ Clone Repository ke Lokal

git clone https://github.com/username/TL-Vision.git
cd TL-Vision

3️⃣ Buat Branch Baru untuk Masing-Masing Week

git checkout -b week-1-username

4️⃣ Tambahkan Folder dengan Namamu di study-case dan side-project

mkdir week-1/study-case/username
mkdir week-1/side-project/username

5️⃣ Tambahkan Dokumentasi (readme.md) dalam Foldermu

-- Contoh --
# 📌 Studi Kasus - Week 1

## 🎯 Deskripsi  
Diskusi tentang tantangan dan peluang dalam Computer Vision, serta implementasi awal image processing.

## 🚀 Implementasi  
- Instalasi OpenCV dan percobaan kode dasar.
- Eksplorasi dataset terkait Computer Vision.

## 📊 Hasil Analisis  
Tambahkan ringkasan atau hasil analisismu di sini.

6️⃣ Commit dan Push Perubahan ke Fork Repository-mu

git add .
git commit -m "Menambahkan studi kasus dan side project - Week 1"
git push origin week-1-username

7️⃣ Buat Pull Request (PR) ke Repository Utama

• Buka repository utama (TL-Vision).
• Klik Pull Requests > New Pull Request.
• Pilih branch dari fork-mu, lalu ajukan PR.

📌 Proses Review dan Update Repo Utama

• PR akan direview oleh PIC dan jika sudah sesuai akan di-merge ke repo utama.
• Setelah di-merge, Vision Amarineer bisa melakukan git pull untuk mendapatkan update terbaru dari repo utama.

🎯 Target Akhir Week 1

✅ Memahami roadmap pembelajaran Vision Amarine
✅ Menginstal dan menyiapkan environment pengembangan
✅ Mengenal tools dan framework yang akan digunakan
✅ Berpartisipasi dalam diskusi studi kasus

Nahh mungkin cukup sampe disini aja buat week kali ini pabila bingung bisa tanyain digrup or u can get in touch with me: https://wildanaziz.vercel.app/

🚀 Selamat belajar! Week berikutnya kita akan mulai eksplorasi OpenCV!