diklatkerja | [Tanya Jawab] Computer Vision in Big Data Applications

1. Pertanyaan dari R. Bambang Widiatmoko, S.T. (PT. Bina Rekacipta Utama)
Apakah ada repository big data open source untuk model training visual yang bisa kita tarik datanya, misal data visual hewan? Atau harus cari dan download manual ke local storage?

Jawaban: Ada di imagenet, ada 14 juta image.

2. Pertanyaan dari Setiawan Guntarto (Japfa Comfeed)
1) Apakah salah satu contoh computer vision adalah google photo yang selalu melakukan verifikasi untuk memastikan klasifikasi orang?
2) Bagaimana kita berkompetisi di computer vision kalau menggunakan coding dari source sama?
3) Bagaimana prediksi tren computer vision ke depan dan kemungkinan aplikasi di sekitar kita?

Jawaban:
1) Betul. FB dan Apple juga sudah melakukan itu.

2) Berkreatifitas di situ, inovasi yang harus dicari. Banyak bisnis yang menggunakan algoritma dari tahun 70-an.

3) Sedang ada di tren itu. Arah berikutnya akan ke real time computer analytic. Sangat memungkinkan sekali untuk ke depannya, seperti Negara China.

3. Pertanyaan dari Luthfi Lathifuddin (S1 Teknik Komputer Universitas Telkom)
Apakah untuk mahasiswa Non Teknik Komputer/Informatika dan masyarakat pada umumnya, sebelum mempelajari Machine Learning, perlukah mempelajari Ilmu Matematika, seperti Kalkulus, Matriks, dan Vektor, serta Probabilitas dan Statistika?

Jawaban: Silakan. Apabila ingin berinovasi di ini berikut harus mempelejari kalkulus, matriks, dan lain-lain. Jika ingin mendalami silahkan dipelajari. Tergantung pilihan kita bagaimana. Terbuka menjadi desainnya atau hanya usernya saja.

4. Pertanyaan dari Erikson (Medina)
Untuk menemukan duplicate images dari suatu dataset besar, algoritma apa yang terbaik yang dapat kita pakai?

Jawaban: Tidak bisa menentukan algoritma terbaik karena algoritma itukan banyak sekali. Tergantung image nya. jika image nya wajah harus menggunakan beberapa algoritma. Meskipun sudah DL campur tangan manusia itu untuk deteksi sesuatu atau case sesuatu. Tergantung image nya. jika image orang akan berbeda dengan image lain. Jika pake algoritma ini kenceng namun yang lain tidak kenceng. Ini lah yang harus di tentukan oleh manusia.

5. Pertanyaan dari Rahmad Harjono
Apakah ada tips & trik untuk belajar script pemrograman Python, mungkin buku atau web yang direkomendasikan?

Jawaban: Di web banyak Learning Python atau dari internet.

6. Pertanyaan dari Michael Ethan (Binus, ASO)
Berdasarkan pengalaman Bapak Bagus, untuk jumlah data yang sedikit apakah deep learning dapat memberikan tingkat keakurasian yang lebih baik dibandingkan machine learning? Karena di deep learning CNN sudah dapat melakukan feature extraction + classification, sedangkan pada machine learning harus melakukan langkah terpisah untuk feature extraction dan classification.

Jawaban: Secara performa akan lebih bagus DL, cuman secara resources computing juga akan lebih banyak DL. Istilahnya pakai alat yang lebih sederhana pun bisa. Kita pakai DL ketika memang hal hal itu sudah tidak bisa dilakukan oleh ML. atau hal-hal yang di tangani oleh ML memburuk baru pindah ke DL. Dalam hal ini kita harus memiliki resources yang cukup untuk melakukan DL. Jika setahun dua tahun ke depan data semakin banyak bisa dilakukan rencana untuk menggunakan DL.

7. Pertanyaan dari Faishal Basbeth
Tadi pada slide berapa itu saya melihat ada K-Means Clustering itu masuk klasifikasi, kalau saya tahu biasanya K-Means itu kan untuk penelompokan saja/clustering. Tetapi, apakah di dalam image processing/computer vision ini K-Means masuk dalam klasifikasi?

Jawaban: Ya, betul. Masuk klasifikasi yang digunakan.

8. Pertanyaan dari Majamas Purba
Bagaimana menggunakan computer vision di dalam dunia konstruksi untuk imaginasi bentuk final akhir dari konstruksi yang akan dibangun? Misalnya, dalam membangun Plant Oil Gas atau Mining.

Jawaban: Ini bisa dilakukan. Dalam hal kontruksi ini menjadi suatu hal yang jelas secara vision. Misalkan, kita ingin memiliki ke akuratan dalam kontruksi otomatis kita harus belajar data kontruksi yang banyak.

Profil Instruktur