🚀 Roadmap Vision Amarine (April - September 2025)

Selamat datang di Roadmap Vision Amarine! 🎯 Repository ini dirancang sebagai panduan lengkap untuk mempelajari Computer Vision, Deep Learning, dan penerapannya dalam berbagai studi kasus dunia nyata.

Di dalam repository ini, kamu akan menemukan:
✅ Roadmap Mingguan 📆: Kurikulum terstruktur dari dasar hingga tingkat lanjut, mencakup OpenCV, CNN, YOLO, Side of ROS 2, XAI, hingga Edge Deployment.
✅ Hands-on Project 🔬: Implementasi langsung dalam bentuk kode dan studi kasus.
✅ Dataset & Preprocessing 📊: Cara mengolah dataset dari sumber terbuka maupun custom dataset.
✅ Model Training & Optimization 🤖: Pemahaman hyperparameter tuning, explainability AI, dan optimasi model.
✅ Deployment & Integration 🌎: Menyebarkan model ke Streamlit, Edge Device, Jetson Orin, dan IoT.

Kami berharap repository ini bisa menjadi panduan yang terstruktur dan aplikatif untuk kamu yang ingin mendalami Computer Vision & AI. Jangan ragu untuk eksplorasi, berdiskusi, dan berkontribusi! 💡🔥

Deep Dive as Researcher and Grow Together
Selamat belajar & happy coding! 🚀✨

🎯 Target Akhir:
✅ Model YOLO yang dilatih dengan dataset kustom
✅ Deteksi real-time dengan akurasi optimal
✅ Penguasaan tools seperti OpenCV, CNN, YOLO, ROS 2, dan Jetson Orin
✅ Deployment model di perangkat Edge & Cloud

---

📌 Quick Navigation Table

Week	Topic	Navigation	Detail Materi	Start Date	End Date (Est.)	Checklist
1️⃣	Bonding Session & Intro to Vision Amarine	Go to Week 1	📂 Week 1	15 April 2025	20 April 2025	✅
2️⃣	Hands-on OpenCV	Go to Week 2	📂 Week 2	22 April 2025	27 April 2025	✅
3️⃣	Intro to CNN & Hands-on from Paper	Go to Week 3	📂 Week 3	29 April 2025	04 May 2025	✅
4️⃣	Deep Dive CNN & Case Study	Go to Week 4	📂 Week 4	06 May 2025	11 May 2025	✅
5️⃣	Roboflow, Introduction to YOLO & CUDA Installation	Go to Week 5	📂 Week 5	13 May 2025	18 May 2025	✅
6️⃣	Deep Dive into YOLOv5 and YOLOv8 and Track ur Model Result	Go to Week 6	📂 Week 6	20 May 2025	25 May 2025	✅
Break	Liburan & UAS	PIC Memberi Resource Penguatan Week 3 - Week 6	-	10 June 2025	17 August 2025	⬜️
7️⃣	Deep Dive YOLOv5 / YOLOv8	Go to Week 7	📂 Week 7	19 August 2025	24 August 2025	⬜️
8️⃣	Learn ROS 2 & Integration with YOLO	Go to Week 8	📂 Week 8	26 August 2025	31 August 2025	⬜️
9️⃣	EDA & Deployment with Streamlit	Go to Week 9	📂 Week 9	02 September 2025	07 September 2025	⬜️
🔟	Model Optimization & Hyperparameter Tuning	Go to Week 10	📂 Week 10	09 September 2025	14 September 2025	⬜️
1️⃣1️⃣	Explainability AI (XAI)	Go to Week 11	📂 Week 11	16 September 2025	21 September 2025	⬜️
1️⃣2️⃣	Edge Deployment & IoT Integration	Go to Week 12	📂 Week 12	23 September 2025	28 September 2025	⬜️
1️⃣3️⃣	Final Project: Edge AI & Cloud Integration	Go to Final Project	📂 Final Project	30 September 2025	10 October 2025	⬜️
Source	Sumber Belajar	Go to Learning Resource	-	All Time	-	All Time

---

🔹 Cara Menggunakan Checklist

• ✅ = Selesai (Hanya dilakukan oleh PIC owner )
• ⬜️ = Belum selesai (Hanya dilakukan oleh PIC owner )
• Checklist anggota terdapat pada milestone repository
• Klik link Navigation untuk langsung menuju ke deskripsi tiap minggu
• Klik link Folder untuk melihat materi dan kode pada setiap minggu
• Keterangan terkait Week untuk Liburan dan Source untuk memudahkan pembaca serta menyesuaikan Kalender Akademik

---

📌 Week 1: Bonding Session and Introduction to Vision Amarine (April)

✅ Pemaparan roadmap pembelajaran Vision Amarine
✅ Pengenalan tools dan framework Vision Amarine
✅ Pengenalan konsep dasar dari tools dan framework

📌 Studi Kasus:

• Diskusi kelompok terkait tantangan dan peluang dalam Vision

🛠️ Side Project:

• Instalasi dan environmental development settings

📂 Detail Materi:

• Introduction to Vision Amarine

---

📌 Week 2: Introduction and Hands-on with OpenCV (April)

✅ Pengenalan OpenCV dan instalasi
✅ Pengenalan konsep dasar OpenCV
✅ Pengenalan konsep Color Space dan Color Detection

📌 Studi Kasus:

• Implementasi color detection untuk mendeteksi warna objek

🛠️ Side Project:

• Membuat filter deteksi warna sederhana dengan OpenCV

---

📌 Week 3: Introduction to Neural Network & Hands-on From Scratch Using Paper (April/May)

✅ Pengenalan konsep dasar NN
✅ Pengenalan arsitektur NN

📌 Studi Kasus:

• Analisis arsitektur CNN menggunakan visualisasi feature maps

---

📌 Week 4: Deep Dive with CNN and Case Study (May)

✅ Pengenalan dan Memahami tentang Convolutional Layer, Pooling Layer, Activation Layer, Fully Connected Layer
✅ Implementasi CNN untuk berbagai kasus Image Classification

📌 Studi Kasus:

• Klasifikasi objek menggunakan dataset Fashion Mnist

🛠️ Side Project:

• Membuat model CNN dan melakukan training dengan dataset kustom

---

📌 Week 5: How to Create a Dataset & Using Secondary Data (May)

✅ Pengenalan pembuatan dataset dengan Roboflow
✅ Labeling dengan bounding box & anotasi
✅ Preprocessing dan augmentasi dataset
✅ Pembagian dataset (training, validation, testing)
✅ Menggunakan dataset dari sumber terbuka

📌 Studi Kasus:

• Membandingkan hasil model sebelum dan sesudah augmentasi

🛠️ Side Project:

• Membuat dataset anotasi sendiri dan melakukan preprocessing

---

📌 Week 6: Introduction to YOLOv5 / YOLOv8 (May / June)

✅ Pengenalan framework YOLO dan arsitekturnya
✅ Implementasi langkah-langkah dasar YOLO
✅ Pengenalan parameter YOLO dan tuning parameter

📌 Studi Kasus:

• Menggunakan YOLO untuk mendeteksi objek pada dataset COCO

🛠️ Side Project:

• Melakukan eksperimen dengan parameter YOLO untuk optimasi

---

📌 Week 7: Deep Dive with YOLOv5 / YOLOv8 (June)

✅ Integrasi custom dataset ke YOLO
✅ Training model dengan dataset kustom
✅ Melatih YOLO dengan dataset dari sumber terbuka

📌 Studi Kasus:

• Studi kasus Object Detection

🛠️ Side Project:

• Membandingkan hasil deteksi antara YOLOv5 dan YOLOv8

---

📌 Week 8: Learn ROS 2 with Motion Amarine

✅ Mengetahui alur kerja ROS 2
✅ Integrasi YOLO dengan ROS 2
✅ Deploy YOLO ke Jetson Orin

📌 Studi Kasus:

• Implementasi YOLO pada robot Opsional bergantung PIC

🛠️ Side Project:

• Membuat pipeline komunikasi antara ROS & YOLO Opsional bergantung PIC

---

📌 Week 9: Introduction to EDA & Deployment with Streamlit

✅ Mengolah dataset menggunakan Exploratory Data Analysis (EDA)
✅ Mengatasi dataset yang belum bersih
✅ Hands-on dengan dataset kustom dan dari sumber terbuka
✅ Deployment pengolahan data dengan Streamlit

📌 Studi Kasus:

• Membersihkan dataset objek dan membuat visualisasi statistik

🛠️ Side Project:

• Membuat dashboard interaktif dengan Streamlit untuk eksplorasi data

---

📌 Week 10: Optimasi Model & Hyperparameter Tuning

✅ Hyperparameter tuning (learning rate, batch size)
✅ Transfer Learning dengan model pre-trained
✅ Model Pruning & Quantization

📌 Studi Kasus:

• Mengoptimalkan YOLO untuk performa lebih cepat

🛠️ Side Project:

• Membuat tabel perbandingan model sebelum & sesudah pruning

---

📌 Week 11: Explainability AI (XAI)

✅ Memahami Explainability AI
✅ Implementasi Grad-CAM pada model CNN
✅ Analisis bias model dengan SHAP

📌 Studi Kasus:

• Menganalisis bias dalam model deteksi wajah

🛠️ Side Project:

• Membuat visualisasi aktivasi layer CNN

---

📌 Week 12: Edge Deployment & IoT Integration

✅ Konversi Model ke TensorRT
✅ Deploy Model ke Jetson Orin
✅ Testing Real-Time Inference di Edge Device with Tensorflow Lite

📌 Studi Kasus:

• Deploy YOLO di Jetson Orin untuk deteksi objek bawah air
• Deploy CNN atau YOLO menggunakan TFLite bertujuan deteksi perlengkapan sebelum nukang untuk mekanik amarine

🛠️ Side Project:

• Membuat sistem alert berbasis IoT untuk hasil deteksi

---

🎯 Final Project: Edge AI & Cloud Integration

🚀 Target Akhir: Deteksi Objek Real-Time dengan Model di Jetson Orin & Cloud

📌 Task Final Project

✅ Finalisasi Model & Evaluasi Akhir
✅ Deploy ke Jetson Orin & Cloud
✅ Monitoring real-time dengan API

🛠️ Side Project:

• Membuat dashboard Streamlit untuk monitoring deteksi objek
• Menghubungkan hasil deteksi ke database cloud

---

📚 Sumber Belajar

• OpenCV Documentation
• YOLOv8 Ultralytics
• TensorFlow CNN Guide
• ROS 2 Documentation
• XAI ITS Book

---