Tertarik dengan pembelajaran mesin tetapi tidak punya banyak pengalaman? ML Kit SDK baru dari Google memudahkan pembelajaran mesin untuk diintegrasikan ke dalam aplikasi Android atau iOS Anda.
Pembelajaran mesin dan kecerdasan buatan dengan cepat memasuki leksikon kita dalam beberapa tahun terakhir, namun hanya sedikit yang benar-benar memahami cara kerja teknologi, atau kemampuan teknologi tersebut. Bahkan peneliti AI milik Google sendiri bercanda bahwa pembelajaran mesin mirip dengan alkimia. Sebagai pengembang yang sibuk, Anda mungkin tidak punya waktu untuk mempelajari pembelajaran mesin (ML), namun Google tidak ingin hal itu menghentikan Anda untuk memperoleh manfaatnya. Oleh karena itu, perusahaan hari ini mengumumkannya Perangkat ML: SDK baru yang menggabungkan karya Google selama bertahun-tahun dalam pembelajaran mesin ke dalam paket Firebase yang digunakan oleh pengembang aplikasi seluler baik iOS dan Android dapat digunakan untuk menyempurnakan aplikasi mereka.
Jika kamu tidak tahu apa pun tentang pembelajaran mesin
, maka jangan khawatir: Anda tidak memerlukan latar belakang pengetahuan ML sebelumnya. Anda mungkin akrab dengan beberapa aplikasi teknologi di dunia nyata seperti deteksi wajah dan pengenalan gambar. ML Kit Google ingin aplikasi Anda mendapatkan manfaat dari penggunaan ML di dunia nyata tanpa Anda perlu memahami cara kerja algoritme. Dan jika Anda memahami ML atau ingin mempelajarinya, Anda juga dapat memanfaatkan ML Kit.Pembelajaran Mesin untuk pemula dengan ML Kit
Firebase SDK untuk ML baru dari Google menawarkan lima API untuk beberapa kasus penggunaan paling umum di seluler:
- Pengenalan teks
- Deteksi wajah
- Pemindaian kode batang
- Pelabelan gambar
- Pengakuan terkenal
Yang perlu Anda lakukan hanyalah meneruskan data ke API dan SDK mengembalikan respons. Sesederhana itu. Beberapa contoh penggunaan ML mencakup aplikasi musik yang menafsirkan not apa yang Anda mainkan dan menerapkan peredam gema/kebisingan pada musik Anda. Contoh lainnya adalah pengenalan karakter optik (OCR) untuk label nutrisi untuk aplikasi penghitungan kalori.
Daftar API dasar yang tersedia akan diperluas dalam beberapa bulan mendatang untuk menyertakan API balasan cerdas Android P dan penambahan kontur wajah dengan kepadatan tinggi pada API deteksi wajah.
ML Kit untuk pengguna berpengalaman
Jika Anda memiliki sedikit latar belakang pengetahuan sebelumnya, Anda juga dapat menerapkan kustom Anda sendiri TensorFlow Lite model. Yang perlu Anda lakukan hanyalah mengunggah model Anda ke Firebase console sehingga Anda tidak perlu khawatir untuk memaketkan model tersebut ke dalam APK (sehingga mengurangi ukuran file.) ML Kit menyajikan model Anda secara dinamis sehingga Anda dapat memperbarui model tanpa memublikasikan ulang aplikasi.
Yang lebih baik lagi adalah Google akan secara otomatis mengompresi model TensorFlow lengkap menjadi TensorFlow Lite model, yang mengurangi ukuran file dan memastikan lebih banyak orang dengan koneksi data terbatas dapat menikmatinya aplikasi.
API di perangkat dan Cloud
ML Kit menawarkan API di perangkat dan Cloud. API pada perangkat memproses data tanpa koneksi jaringan (seperti Fitur pemilihan teks Android Oreo) sedangkan Cloud API menggunakan Google Cloud Platform untuk memproses data agar lebih akurat.
ML Kit berfungsi di Android dan iOS, dan khususnya di Android, ML Kit berfungsi dengan perangkat yang menjalankan versi Android setua Ice Cream Sandwich. Jika pengguna sedang berjalan Android 8.1 Oreo dan diatasnya, maka ML Kit akan menawarkan performa yang lebih baik berkat Neural Networks API yang sudah hadir. Pada perangkat dengan chipset yang memiliki perangkat keras khusus seperti QualcommSnapdragon 845 (dan DSP Hexagon-nya) atau itu HiSilicon Kirin 970 (dan Unit Pemrosesan Neuralnya), pemrosesan di perangkat akan dipercepat. Google mengatakan mereka juga bekerja sama dengan vendor SoC untuk meningkatkan pengenalan pada perangkat.
Kesimpulan
Pengembang yang ingin memulai harus mencari SDK baru di Konsol Firebase. Anda dapat meninggalkan umpan balik di Grup Google untuk Firebase.
Pengembang berpengalaman dalam ML yang ingin mencoba algoritme Google untuk mengompresi model TensorFlow bisa melakukannya Daftar disini. Terakhir, periksa Konfigurasi Jarak Jauh Firebase jika Anda ingin bereksperimen dengan beberapa model khusus; ini memungkinkan Anda untuk mengganti nilai model secara dinamis, membuat segmen populasi, dan bereksperimen dengan beberapa model secara paralel.