Lewati ke konten
Daftar
  • Jenjang 2 · Climb Up Skills
  • Kredensial terverifikasi

Edge AI: Deteksi Objek di Perangkat Berdaya Rendah

Jalankan model deteksi objek langsung di perangkat (laptop, Raspberry Pi, atau ponsel) tanpa bergantung pada cloud: pilih model, kecilkan ukurannya, ukur kecepatan dan akurasinya, lalu bangun satu kasus penggunaan nyata.

Solvera AI & Technology AcademyBahasa Indonesia · terbit 14 Oktober 2026

Ringkasan

Untuk siapa • Engineer embedded atau IoT yang ingin menambahkan kemampuan AI. • Developer ML yang ingin men-deploy model ke perangkat. • Mahasiswa teknik elektro atau informatika dengan minat robotika. Yang akan Anda bangun Sistem deteksi objek yang berjalan di perangkat untuk satu kasus nyata, misalnya menghitung kendaraan di gerbang, memeriksa pemakaian helm keselamatan, atau mendeteksi cacat produk sederhana. Sistem diukur kecepatan (frame per detik), akurasi, dan konsumsi sumber dayanya. Setelah kelas ini Anda mampu • Memilih model deteksi objek yang sesuai dengan keterbatasan perangkat. • Melatih ulang model dengan dataset kecil milik sendiri. • Mengecilkan model lewat kuantisasi dan konversi format, lalu mengukur dampaknya. • Membangun alur kamera → inferensi → aksi. • Mengukur dan melaporkan kinerja di perangkat nyata. Prasyarat • Python dasar. • Laptop dengan webcam sudah cukup; Raspberry Pi atau perangkat edge lain bersifat opsional. Cara belajar Belajar mandiri sesuai waktu Anda, sekitar 36 jam termasuk mengerjakan karya. Tidak ada jadwal sesi langsung. Karya dikerjakan dalam empat tahap (kerangka, draf, revisi, final), dan setiap tahap direview oleh reviewer bernama yang memberi umpan balik tertulis. Rubrik penilaian bisa Anda baca sebelum mulai mengerjakan. Kredensial Lulus tahap final dengan skor berbobot minimal 70% akan memberi Anda kredensial Terverifikasi Exelern dengan halaman verifikasi publik. Halaman itu memuat karya Anda, nama reviewer, dan rubrik yang dipakai, sehingga pemberi kerja bisa memeriksanya sendiri.

Yang Anda dapatkan

  • 9 materi yang bisa dibuka kapan saja
  • Karya 4 tahap, tiap tahap dibalas reviewer bernama
  • Kredensial yang bisa diperiksa siapa pun tanpa login, bila karya Anda lulus

Skill yang diajarkan

Kelas ini berada di Jenjang 2 · Climb Up Skills: karyanya mengandaikan Anda pernah membuat sesuatu di bidang ini.

Karya & rubrik

Kelas ini ditutup dengan karya yang dinilai reviewer bernama memakai rubrik di bawah — rubrik yang sama persis dengan yang dipakai menilai pekerjaan Anda nanti.

  1. 1Kerangka
  2. 2Draf
  3. 3Revisi
  4. 4Final

  1. Sistem deteksi objek di perangkat untuk satu kasus nyata, dengan pengukuran kinerja

    Pilih satu kasus deteksi objek yang nyata. Kumpulkan atau pilih dataset, latih ulang model, kecilkan ukurannya, lalu jalankan di perangkat. Laporkan perbandingan sebelum dan sesudah pengecilan: ukuran, kecepatan, dan akurasi. Tahapan pengerjaan • Kerangka: Kasus yang dipilih, perangkat sasaran, target kinerja, dan rencana dataset. • Draf: Model terlatih ulang dan berjalan di laptop dengan pengukuran awal. • Revisi: Model dikecilkan dan dijalankan di perangkat sasaran, alur aksi berjalan, dan umpan balik reviewer ditindaklanjuti. • Final: Video demo di perangkat dan laporan kinerja lengkap.

    Yang diserahkan: Tautan repositori (kode, konfigurasi, dan cara menjalankan), laporan kinerja maksimal 4 halaman, dan video demo maksimal 5 menit.

    Kriteria penilaian

    Lulus mulai 70%
    • Kesesuaian dengan batasan perangkatbobot 25% · skor 0–4

      Pilihan model dan pengecilan sesuai dengan perangkat dan target kinerja yang ditetapkan.

    • Akurasi pada kasus nyatabobot 25% · skor 0–4

      Akurasi diukur pada data uji yang mewakili kondisi nyata.

    • Pengukuran kinerjabobot 25% · skor 0–4

      Ukuran, kecepatan, dan sumber daya diukur dengan benar sebelum dan sesudah pengecilan.

    • Sistem utuhbobot 15% · skor 0–4

      Alur kamera sampai aksi berjalan dan menangani kegagalan seperti kamera terputus.

    • Reprodusibilitasbobot 10% · skor 0–4

      Orang lain bisa menjalankan ulang dari repositori.

Lihat bagaimana kredensial diperiksa

Silabus

Isi materi terbuka setelah Anda terdaftar.

  1. 1Kenapa AI di perangkat: latensi, privasi, dan biayaTeks
  2. 2Dasar computer vision dan deteksi objekTeks
  3. 3Memilih model untuk perangkat berdaya rendahTeks
  4. 4Menyiapkan dataset kecil dan pelabelanTeks
  5. 5Melatih ulang model deteksi objekTeks
  6. 6Kuantisasi dan konversi format modelTeks
  7. 7Alur kamera, inferensi, dan aksiTeks
  8. 8Mengukur kinerja di perangkatTeks
  9. 9Pengenalan IoT: mengirim hasil deteksi ke sistem lainTeks

Pengajar

Solvera AI & Technology Academy terverifikasi

Tim pengajar Solvera untuk kelas teknologi, AI, data, dan keuangan di Exelern. Setiap kelas ditutup dengan karya nyata yang dinilai reviewer memakai rubrik terbuka, bukan kuis pilihan ganda.

  • AI generatif
  • Rekayasa perangkat lunak
  • Data dan analitik
  • Cloud dan keamanan siber
  • Keuangan dan akuntansi
Profil lengkap

Pertanyaan yang sering diajukan

Bagaimana karya saya dinilai?
Reviewer bernama memberi skor per kriteria memakai rubrik di bagian Karya & rubrik — rubrik yang sama dengan yang dipakai menilai Anda nanti. Anda lulus bila skor berbobotnya mencapai 70%. Kredensial terbit hanya bila karya final Anda lulus, dan memuat karya, rubrik, serta nama penilainya.
Apakah ada tenggat pengerjaan?
Tidak. Kelas mandiri dimulai kapan saja. Karya dikerjakan bertahap — kerangka, draf, revisi, final — dan setiap tahap dibalas reviewer sebelum Anda lanjut.
Bisakah kantor saya membiayai kelas ini?
Bisa. Panduan klaim biaya ke kantor memuat templat email ke atasan dan bukti yang biasanya diminta: bukti pembayaran dan tautan kredensial yang bisa diperiksa tanpa login.
Apa beda kredensial Exelern dengan sertifikat kehadiran?
Kredensial hanya terbit dari karya yang lulus review, bukan dari jam tayang. Siapa pun bisa memeriksa keabsahannya di halaman verifikasi, lengkap dengan karya, rubrik, dan penilainya.

Untuk tim

Kelas yang sama untuk satu orang, satu tim, atau satu angkatan khusus organisasi Anda.

  • Klaim ke kantor

    Templat email ke atasan dan bukti yang biasanya diminta bagian keuangan.

    Buka panduan

  • Daftarkan tim

    Beberapa orang di kelas ini, dengan kredensial yang bisa Anda periksa satu per satu.

    Ceritakan kebutuhan tim

  • Angkatan privat

    Satu angkatan khusus organisasi Anda, dengan karya yang disesuaikan pekerjaan tim.

    Ajukan angkatan privat

Kelas terkait