Ulasan MOOC: Convolutional Neural Networks – oleh Andrew Ng (deeplearning.ai) via Coursera

Judul/Tautan

Convolutional Neural Networks

Kursus ini merupakan kursus keempat dari program Deep Learning Specialization di Coursera. Lihat review kursus pertama, kedua, dan ketiga.

Oleh

Prof. Andrew Ng – deeplearning.ai

Penilaian Saya

 (4/5)

Format

Kursus online (MOOC) dengan kuis interaktif dan tugas pemrograman.

Tingkat

Menengah

Biaya

Kursus ini merupakan bagian dari program Deep Learning Specialization, yang biayanya $49 per bulan sampai selesai.

Ada masa free trial 7 hari, sehingga kalau Anda bisa menyelesaikan MOOC ini kurang dari 7 hari maka Anda bisa mendapat sertifikat secara gratis.

Durasi

• 4 minggu dengan rata-rata komitmen 4 jam per minggu. Estimasi komitmen per minggu adalah:
  • minggu 1:  5j 12m
  • minggu 2:  3j 44m
  • minggu 3:  5j 5m
  • minggu 4:  5j 5m

Tahun Pembuatan

Akhir 2017

Penilaian oleh Situs Lain

Coursera:        (rating 4.8/5.0 oleh 6,978 murid) (lihat review)

Persyaratan

•  Sebaiknya Anda mengikuti kursus-kursus sebelumnya di program spesialisasi ini. Lihat:
  1. Ulasan MOOC: Neural Networks and Deep Learning
  2. Ulasan MOOC: Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization
  3. Ulasan MOOC: Structuring Machine Learning Projects

Lingkup Materi

Sesuai dengan judulnya, kursus ini mengajarkan tentang Convolutional Neural Network (CNN). CNN adalah cabang dari deep learning yang sangat sukses diaplikasikan untuk pemrosesan gambar, seperti misalnya pengenalan objek, verifikasi wajah, pengenalan wajah, lokalisasi objek dalam gambar, pengenalan dan transfer gaya atau pola dalam gambar, dan lain-lain.

Kursus ini terdiri dari empat modul, yaitu:

1. Dasar-dasar CNN.
   Di sini diajarkan operasi-operasi mendasar dalam CNN misalnya operasi convolution, setelan stride, setelan padding, pooling (max pooling dan avg pooling), dll.
2. Pengenalan model-model CNN yang terkenal, seperti LeNet, AlexNet, VGG-16, ResNet, dan Inception/GoogLeNet.
   Model-model ini sering kita jumpai ketika membaca artikel tentang deep learning, dan setelah mengikuti modul ini maka akan menjadi jelas bagaimana model-model ini dibuat.
3. Pengenalan dan lokalisasi objek.
   Dan pemberian bounding box pada objek yang dideteksi. Contoh aplikasinya adalah pada self driving car.
4. Verifikasi dan pengenalan wajah, dan transfer gaya (neural style transfer).
   Transfer gaya adalah bagaimana mengaplikasikan gaya yang ada pada suatu gambar (misalnya gaya pada lukisan van Gogh) ke dalam gambar yang lain (misalnya foto pemandangan). Pengenalan wajah dan transfer gaya ini  menggunakan cara-cara yang unik tidak seperti CNN yang telah diajarkan di atas.

Catatan:

saya membuat catatan (cheatsheet) tentang semua materi yang diajarkan di modul 1 dan 2, lihat Student Notes: Convolutional Neural Networks (CNN) Introduction.

Modul pertama dan kedua bagi saya pribadi adalah yang terbaik, karena menjadi eye opener bagi saya – dari yang tidak tahu sama sekali tentang CNN sampai  mengerti tentang (dasar-dasar) CNN dan model-model CNN yang sering kita baca dan bagaimana mengimplementasikannya.

Untuk modul ketiga menurut saya agak biasa-biasa saja, karena di sini yang diajarkan lebih ke pengenalan konsepnya dan detilnya agak kurang. Modul keempat lumayan berguna, dan diajarkan dengan cukup detil.

Tidak seperti kursus-kursus sebelumnya, di kursus ini sudah tidak ada lagi video wawancara dengan “pahlawan deep learning” (Heroes of Deep Learning).

Rating untuk lingkup materi: 

Pengajaran

•  Spesialisasi dari Prof Ng adalah membuat materi belajar yang sulit menjadi mudah dan tidak menakutkan. Gaya mengajar Prof Ng membuat kursus ini mudah untuk diikuti.

Rating untuk pengajaran: 

Pemrograman

• Minggu 1:
  • Convolution model – step by step dengan memakai Numpy
  • Convolution model – Application: deteksi bahasa isyarat dengan TensorFlow

• Minggu 2:
  • Tutorial Keras
  • Implementasi ResNet dengan Keras
• Minggu 3:
  • Autonomous driving application – Car detection dengan Keras

• Minggu 4:
  • Face recognition dengan menggunakan Keras
  • Neural Style Transfer

• Secara umum, pemrogramannya agak kurang bagus dibanding kursus-kursus sebelumnya, karena kadang penjelasannya kurang sehingga dibutuhkan usaha yang lumayan untuk menyelesaikan, dan mulai minggu kedua, lebih banyak memakai model yang sudah dilatih sebelumnya (pretrained model) sehingga rasanya pengalamannya kurang maksimal.

Rating untuk pemrograman: (3/5)

Dukungan

• Ada forum untuk diskusi dan isinya cukup aktif. Untuk kursus ini sepertinya mentornya cukup aktif.

Rating untuk dukungan: 

Kesimpulan

Deep learning adalah kemajuan utama dari machine learning dalam satu dekade terakhir ini dan telah memicu perkembangan yang hebat di machine learning terutama di bagian supervised learning dan reinforcement learning. Dengan demikian maka deep learning adalah topik yang sangat layak untuk dipelajari di bidang machine learning.

CNN adalah salah satu bidang deep learning yang digunakan terutama untuk pemrosesan gambar. CNN telah mengalami kemajuan yang hebat dalam satu dekade terakhir. Kursus ini mengajarkan CNN mulai dari yang paling mendasar sampai pemrograman CNN yang mutakhir seperti pengenalan mobil pada self-driving car, pengenalan wajah, dan sebagainya. Menurut saya kursus ini cukup bagus untuk mendapatkan pengenalan terhadap konsep-konsep CNN.