Pada Modul 1 kelas Computer Vision, materi memperkenalkan dua konsep fundamental: data collection dan data augmentation. Data collection dijelaskan sebagai tahap awal yang krusial dalam membangun model AI, yaitu proses mengumpulkan citra atau video relevan melalui berbagai sumber seperti kamera digital, ponsel, sensor, maupun CCTV, dengan jenis data disesuaikan pada tugas seperti klasifikasi, deteksi objek, atau segmentasi. Dataset dapat diperoleh dari sumber publik (misalnya ImageNet) untuk kebutuhan pelatihan dan benchmark, atau dibuat secara custom untuk kasus spesifik melalui pengambilan data langsung maupun web scraping. Selanjutnya, data augmentation dibahas sebagai teknik memperbesar dan memperkaya dataset secara artifisial guna meningkatkan performa model tanpa biaya pengumpulan data tambahan. Teknik yang dijelaskan meliputi data warping (rotasi, flipping, cropping, perubahan warna, noise, penghapusan acak), oversampling dengan data sintetis (termasuk GAN), serta pendekatan gabungan. Augmentasi membantu menambah variasi data, mengatasi keterbatasan dataset, menyeimbangkan kelas kecil, dan mengurangi risiko overfitting, dengan penekanan bahwa kualitas dan keragaman data lebih penting daripada sekadar ukuran dataset.