Ringkasan konseptual
Pembelajaran mesin meresapi pengembangan aplikasi seluler dan web. Untuk membuat aplikasi interaktif modern yang dapat berkembang dari waktu ke waktu, ada baiknya untuk mempelajari cara membangun dan menggunakan model pembelajaran mesin. Di unit ini, Anda akan mempelajari cara membuat aplikasi web menggunakan Maven. Dalam aplikasi ini, Anda akan menyematkan model pembelajaran mesin yang dilatih menggunakan layanan Custom Vision AI.
Apa itu Vue.js?
Vue (diucapkan /vjuː/, seperti tampilan) adalah kerangka kerja progresif untuk membangun antarmuka pengguna. Ini dirancang agar dapat diadopsi secara bertahap. Vue juga dapat mendukung Aplikasi Single-Page yang canggih. Untuk informasi selengkapnya tentang Vue, kunjungi dokumen proyek. Anda tidak perlu menggunakan Vue.js untuk membuat aplikasi menggunakan model pembelajaran mesin, tetapi contoh aplikasi ini menunjukkan metodologi kerangka kerja tertentu.
Apa itu model pembelajaran mesin?
Pembelajaran mesin (ML), subset kecerdasan buatan, adalah studi algoritma dan model statistik. Sistem komputer dapat menggunakan model ini untuk melakukan tugas tertentu tanpa menggunakan instruksi eksplisit karena mengandalkan pola dan inferensi sebagai gantinya. Algoritma pembelajaran mesin digunakan dalam berbagai aplikasi, seperti pemfilteran email dan visi komputer. Pembelajaran mesin membantu dalam situasi yang sulit untuk mengembangkan algoritma konvensional untuk menyelesaikan tugas tertentu.
Mengapa membuat aplikasi web termasuk model ML?
Dalam modul ini, Anda akan membuat aplikasi web yang meng-hosting model pembelajaran mesin secara lokal. Aplikasi ini akan menganalisis gambar menggunakan model ini. Anda juga akan menyiapkan layanan untuk melakukan Integrasi Berkelanjutan/Pengiriman Berkelanjutan (CI/CD) konten baru setiap kali Anda mendorong kode baru ke basis kode aplikasi web Anda di GitHub. Proses ini adalah proses yang sering Anda lihat di aplikasi produksi yang dapat di-refresh saat model baru tersedia untuk digunakan.
Dalam konteks bisnis, Anda mungkin perlu mengonfirmasi bahwa berbagai gambar diidentifikasi dengan benar, memverifikasi penyelarasan sekrup, misalnya. Dalam contoh aplikasi ini, kita akan membangun sesuatu yang jauh lebih sederhana (dan lebih menyenangkan) - cara untuk membedakan antara gambar yang rumit untuk diungkapkan. Terinspirasi oleh karya Karen Zack, yang dikenal sebagai @teenybiscuit di Instagram dan Twitter, kami akan melatih model di Custom Vision AI menggunakan gambar dalmatian dan es krim chip cokelat. Kita kemudian akan menggunakan gambar dari kolase yang dibuat Karen untuk menguji model.
Contoh beberapa kolase gambar-gambar yang sulit dari Karen Zack.
Arsitektur apa yang akan berfungsi untuk proyek ini?
Saat Anda membangun aplikasi web menggunakan teknologi pembelajaran mesin, Anda memiliki beberapa pilihan tentang cara menggunakan model yang dihasilkan proses pelatihan. Anda dapat meng-hosting model secara eksternal di cloud. Kemudian, Anda dapat menggunakan API untuk mengkuerinya menggunakan data yang ingin Anda lakukan inferensinya. Secara bergantian, Anda dapat meng-hosting model itu sendiri dalam basis kode aplikasi web.
Keuntungan untuk melakukan yang terakhir adalah aplikasi Anda akan melakukan inferensi offline, karena tidak ada panggilan API ke layanan yang terhubung ke internet yang dilakukan. Sebagai gantinya, aplikasi menggunakan model yang disertakan dalam proses build aplikasi web. Kerugian menggunakan model lokal adalah bahwa ketika Anda mengedit model dengan melatihnya kembali, Anda wajib membangun kembali aplikasi web Anda untuk merefresh model. Dalam modul ini, kita akan membuat arsitektur untuk aplikasi web ini untuk mengaktifkan Tindakan GitHub untuk membangun kembali aplikasi jika pengembang mendorong kode ke repositorinya.