Apa Itu Teachable Machine?

2021-06-26 · 2 menit baca

AI makin akrab dalam keseharian kita, tapi bikin model machine learning sendiri sering terasa jauh dari jangkauan developer front-end biasa. Google mencoba menjembatani itu lewat Teachable Machine, dirilis 7 November 2019 dan bisa diakses gratis di teachablemachine.withgoogle.com, tanpa perlu nulis satu baris kode Python pun untuk melatih model.

Tiga Jenis Proyek

Teachable Machine punya tiga pilihan proyek: Image Project untuk klasifikasi gambar, Audio Project untuk mengenali suara, dan Pose Project untuk mendeteksi postur tubuh. Ketiganya jalan langsung di browser lewat TensorFlow.js, jadi nggak perlu setup training environment sama sekali.

Melatih Model dalam Tiga Langkah

Image Project paling gampang buat dicoba pertama kali. Alurnya cuma tiga langkah:

  1. Sampel — bikin beberapa class (default-nya "Class 1", "Class 2", tapi bisa diganti nama), lalu isi tiap class dengan data: upload gambar atau capture langsung pakai webcam.
  2. Latih — klik tombol Train. Ada panel Advanced dengan parameter seperti Epochs dan Batch Size, tapi buat kebanyakan kasus nilai default sudah cukup bagus tanpa perlu diutak-atik.
  3. Export — sebelum export, ada live preview prediksi buat ngecek model udah bener apa belum. Kalau sudah puas, export ke TensorFlow.js buat dipakai di web/JavaScript, atau TensorFlow Lite kalau targetnya aplikasi mobile.

Hasil export TensorFlow.js berupa tiga file: model.json, metadata.json, dan weights.bin. Ketiganya tinggal di-load di JavaScript buat jalanin prediksi real-time dari webcam:

const model = await tmImage.load('model.json', 'metadata.json'
SelanjutnyaMengenal Jenkins: Bikin Pipeline CI/CD Pertamamu
);
const prediction = await model.predict(webcamImage);
prediction.forEach((p) => {
console.log(`${p.className}: ${p.probability.toFixed(2)}`);
});

Tiap class bakal punya skor probabilitas sendiri, jadi tinggal ambil yang paling tinggi buat nentuin hasil klasifikasinya.

Yang bikin Teachable Machine menarik adalah jaraknya yang pendek banget antara "coba-coba di browser" sampai "punya model yang bisa diintegrasiin ke aplikasi nyata". Kalau penasaran, langsung aja mampir ke situsnya — prosesnya jauh lebih simpel dari yang dibayangin.