Pembelajaran Mendalam untuk Visi Komputer: Dari CNN ke GAN — PickAClass
3.8 (5) ⏱ 2 jam 42 mnt 📚 27 pelajaran 🎧 Versi audio

Pembelajaran Mendalam untuk Visi Komputer: Dari CNN ke GAN

Bangun model praktis untuk deteksi objek, transfer gaya neural, dan generasi gambar menggunakan Python, Keras, dan TensorFlow.

  • 💬 Instruktur AI
    Tanyakan apa pun tentang pelajaran dan dapatkan jawaban jelas seketika, kapan saja.
  • 🕐 Mulai kapan saja
    Tanpa jadwal atau tenggat — belajar dengan kecepatan sendiri, kapan pun Anda mau.
  • 🌐 Dalam bahasa Indonesia
    Pelajaran, tugas, dan sertifikat — semuanya sepenuhnya dalam bahasa Anda.

Tentang kursus ini

Pernahkah Anda bertanya-tanya bagaimana komputer belajar untuk 'melihat' dan menafsirkan dunia visual? Dari mengidentifikasi objek secara real-time hingga menciptakan gambar yang sepenuhnya baru, kekuatannya terletak pada arsitektur pembelajaran mendalam modern. Kursus ini menyediakan jalur praktis dari dasar-dasar Jaringan Neural Konvolusional (CNN) hingga model-model canggih yang mendukung AI visual paling mengesankan saat ini. Anda akan melampaui klasifikasi gambar dasar dan memperoleh keterampilan untuk mengimplementasikan sistem visi komputer yang canggih untuk berbagai tugas. Melalui penjelasan berbasis teks yang jelas dan contoh kode, Anda akan belajar berpikir seperti praktisi visi komputer. Apa yang akan Anda pelajari: - Memahami evolusi CNN dari desain klasik hingga arsitektur modern seperti ResNet dan Inception. - Membangun model deteksi objek untuk mengidentifikasi dan menemukan beberapa item dalam sebuah gambar menggunakan teknik Single Shot Detector (SSD). - Menciptakan gambar artistik dengan mengimplementasikan transfer gaya neural untuk memadukan konten dan gaya dari berbagai gambar. - Menjelajahi dasar-dasar AI generatif dengan membangun dan melatih Jaringan Adversarial Generatif (GAN) dari awal. - Berlatih mempersiapkan dataset gambar dan mengevaluasi kinerja model untuk aplikasi visi komputer dunia nyata. - Mengimplementasikan model kompleks langkah demi langkah menggunakan kerangka kerja TensorFlow dan Keras yang populer di Python. Kursus ini dimulai dengan konsep inti dan terminologi kunci sebelum berlanjut ke latihan praktik di mana Anda akan menerapkan apa yang telah Anda baca. Anda akan mengikuti tutorial tertulis untuk membangun dan melatih setiap jenis model, memperkuat pemahaman Anda melalui praktik. Kursus ini dirancang untuk pelajar dengan pemahaman dasar tentang Python dan konsep pembelajaran mesin. Tidak diperlukan pengalaman sebelumnya dalam visi komputer untuk memulai. Mulailah perjalanan Anda ke dunia visi komputer modern hari ini.

Apa yang Anda dapatkan

  • 📜 Sertifikat penyelesaian
    Tambahkan ke profil LinkedIn Anda
  • 💬 Tutor AI pribadi
    Bingung di tengah pelajaran? Tanya tutor bawaan kamu apa saja, kapan saja.
  • 🎧 Termasuk versi audio
    Belajar di mana saja — tanpa layar
  • ♾️ Akses seumur hidup
    Kembali kapan saja, tanpa kedaluwarsa
  • 📱 Ponsel atau komputer
    Berfungsi di mana saja, perangkat apa saja
  • 💸 Pengembalian 14 hari
    Tanpa pertanyaan
  • Singkat dan fokus
    2 jam 42 mnt konten praktis

Sertifikat penyelesaian

Setiap kursus yang Anda selesaikan di PickAClass menerbitkan kredensial seperti ini — orisinal, dengan kodenya sendiri, dapat diverifikasi via URL, dan rinci tentang yang benar-benar ditunjukkan.

P
PickAClass
Profil keterampilan · terverifikasi
Dokumen
Sertifikat Penguasaan
Ini menyatakan bahwa
Nama Lengkap
telah berhasil menunjukkan penguasaan
Pembelajaran Mendalam untuk Visi Komputer: Dari CNN ke GAN
Keterampilan yang ditunjukkan
Analisis pola perilaku
Dasar
1.2 jam
Kerangka arsitektur keputusan
Mahir
1.4 jam
Desain uji A/B
Mahir
1.7 jam
Copywriting perilaku
Lanjutan
1.9 jam
P
PickAClass — Nama Lengkap
Pembelajaran Mendalam untuk Visi Komputer: Dari CNN ke GAN
Halaman 2 dari 2
Detail kinerja
Ringkasan tugas kursus
Pelajaran selesai 14 / 14
Soal latihan 26 / 28
Tugas dikirim 4 (rata 4,5 / 5)
Proyek capstone Ditinjau — 4,6 / 5
Total latihan 6.2 jam
Tolok ukur kinerja
Peringkat kohort 12% teratas dari 1,625
Waktu penyelesaian 11 hari (median: 22)
Skor penguasaan 91 / 100
Skor soal latihan 94%
Verifikasi keterampilan Jalur Keterampilan terverifikasi
Verifikasi kredensial ini
pickaclass.com/certificates/PCC-2026-X4F7-AP19
Diterbitkan di bawah standar akademik PickAClass. Tingkat keterampilan mencerminkan kinerja yang dinilai terhadap rubrik kompetensi kursus. Ini kredensial orisinal platform ini.

Ulasan (5)

Sofía Martínez AR Pelajar terverifikasi
★ 4 · 14.07.2026

Sangat menikmati kursus ini. Cara informasi dipresentasikan sangat baik, dan aplikasi praktis disorot secara efektif. Kerja bagus!

فاطمة بوحاجب TN Pelajar terverifikasi
★ 4 · 04.07.2026

Kursus yang brilian! Aliran informasinya sempurna, dan contohnya benar-benar menguatkan konsep.

Ethan Garcia PH Pelajar terverifikasi
★ 4 · 20.06.2026

itu adalah kursus yang solid strukturnya logis dan kebanyakan contohnya membantu bisa menggunakan beberapa skenario dunia nyata.

Akua Gyan GH Pelajar terverifikasi
★ 3 · 11.06.2026

Hmm, aku tidak yakin ini untuk pemula, itu mengasumsikan sedikit pengetahuan sebelumnya yang tidak secara eksplisit diajarkan, beberapa contohnya membingungkan.

Victoria Castro PA Pelajar terverifikasi
★ 4 · 08.06.2026

itu adalah kursus yang cukup baik secara keseluruhan beberapa bagian bergerak sedikit cepat, tapi contoh-contohnya umumnya bermanfaat.

Tulis ulasan

Setelah mengirim kami akan meminta masuk — draf Anda tersimpan.

Pelajar lain juga mengambil

Pertanyaan umum

Apa yang saya butuhkan untuk mengikuti kursus ini? +

Cukup ponsel atau komputer dengan internet. Tidak ada instalasi atau perangkat khusus.

Bagaimana cara membayar? +

Dengan kartu via Stripe. Kami tidak menyimpan detail kartu — Stripe menanganinya dengan aman.

Bisakah saya mendapat refund? +

Ya — refund penuh dalam 14 hari, tanpa pertanyaan.

Berapa lama saya akan punya akses? +

Selamanya. Setelah membeli, kursus jadi milik Anda untuk dikunjungi lagi kapan saja.

Apakah saya akan mendapat sertifikat? +

Ya. Setelah selesai, Anda akan menerima sertifikat yang bisa ditambahkan ke profil LinkedIn.

Dibuat untuk pelajar di
Teknologi Desain Keuangan Pemasaran Kesehatan Pendidikan Perhotelan Manufaktur