5 Proyek TensorFlow Paling Populer untuk Pemula [2022]

Saat Machine Learning terus memperkuat pemahamannya tentang industri dan dunia di sekitar kita, ada tren baru yang muncul bersamanya – kebangkitan TensorFlow. Dikembangkan oleh tim Google Brain, TensorFlow adalah salah satu framework ML dan Deep Learning yang paling populer saat ini.

TensorFlow adalah library open-source berbasis Python yang dirancang untuk komputasi numerik dan Machine Learning. Ini menggabungkan berbagai macam algoritma dan model Machine Learning dan Deep Learning.

TensorFlow memudahkan proses akuisisi data, pelatihan model, dan menyajikan prediksi sekaligus menyempurnakan hasil di masa mendatang. Ini menggunakan Python untuk membuat API front-end yang nyaman untuk membangun aplikasi dengannya saat menjalankan aplikasi tersebut dalam C++ berkinerja tinggi.

Karena TensorFlow mempercepat penggabungan fitur AI dan ML, termasuk visi komputer, pengenalan suara, NLP, dll., ke dalam aplikasi, semakin banyak perusahaan yang mengadopsi kerangka kerja untuk ML. Kisah sukses beberapa nama besar di industri seperti SnapChat, AirBnB, Dropbox, Airbus, dan Uber dalam memanfaatkan TensorFlow mendorong orang lain untuk mengikuti jejak mereka. TensorFlow adalah salah satu library Python teratas untuk Machine Learning.

Meningkatnya popularitas TensorFlow mendorong penggemar Ilmu Data untuk memahami kerangka kerja dan membangun model TensorFlow untuk aplikasi dunia nyata.

Proyek TensorFlow Paling Menarik

1. Mata Liar

Pasar perdagangan satwa liar dan tumbuhan diperkirakan bernilai $70-213 miliar per tahun. Kegiatan perdagangan ilegal ini tidak hanya merusak keseimbangan ekosistem, tetapi juga berdampak buruk pada bisnis dan pariwisata negara-negara di seluruh dunia. Proyek WildEye dibuat untuk mengendalikan perdagangan satwa liar dan konflik manusia-satwa liar.

Proyek berbasis TensorFlow ini memanfaatkan teknologi terbaru dalam Deep Learning dan Internet of Things (IoT) untuk mendeteksi dan mengirimkan alarm setiap kali aktivitas ilegal tersebut terdeteksi. Sistem WildEye dikerahkan di berbagai bagian zona perlindungan satwa liar di Kenya untuk memantau dan mengumpulkan data tentang spesies yang tumbuh subur di sana, populasinya, aktivitasnya, dan keberadaannya.

Meskipun ini akan memberikan gambaran menyeluruh tentang satwa liar dan spesies tumbuhan di sana, jebakan kamera berjejaring, yang mampu menganalisis gambar di tepi kawasan lindung hampir secara real-time adalah alat yang efektif dalam memerangi perburuan liar.

2. Farmaid: Robot Deteksi Penyakit Tanaman

Sumber

Ya, Anda mendengarnya dengan benar! Farmaid adalah Robot ML berbasis TensorFlow yang dapat berkeliling secara mandiri di dalam rumah kaca dan mengidentifikasi penyakit tanaman. Proyek ini terinspirasi dari karya plantvillage.psu.edu dan iita.org, dan idenya adalah untuk merancang robot otonom yang dapat bergerak di lingkungan pertanian tanpa merusak tanaman atau tanah dan mengidentifikasi tanaman atau tanaman yang sakit menggunakan deteksi objek teknik.

Dalam pendekatan konvensional, petani manusia harus mengidentifikasi dan menandai tanaman sakit secara manual, yang memakan waktu dan tenaga. Meskipun ada ponsel yang dapat membantu dalam hal ini, mereka tidak selalu memiliki semua fitur untuk deteksi yang efisien. Ini adalah sesuatu yang bisa diselesaikan oleh Farmaid.

3. Monitor Pembantu Meter

John Naulty meluncurkan Meter Maid Monitor di TechCrunch Disrupt Hackathon pada September 2016. Meter Maid Monitor menggabungkan klasifikasi gambar TensorFlow dengan deteksi gerakan dan pengukuran kecepatan Raspberry Pi. Tujuannya adalah untuk menciptakan sesuatu yang dapat membantu orang menghindari tiket parkir.

Menurut John, dengan Meter Maid Monitor "seseorang dapat memarkir mobil mereka, mengetahui bahwa pemberitahuan akan tiba melalui pesan teks yang memberi tahu mereka tentang Meter Maid yang lewat." Peringatan akan memulai batas waktu parkir dua jam yang diberikan kepada mereka di area parkir. Meter Maid Monitor menggunakan Raspberry Pi dengan modul kamera dan OpenCV sebagai pendeteksi gerakan.

Kamera memantau lalu lintas dan menangkap gambar setelah itu diunggah ke AWS, tempat instans EC2 yang berjalan di TensorFlow melakukan pengenalan gambar. Sistem dilatih untuk mengenali kendaraan Meter Maid, dan setiap kali gambar tersebut ternyata cocok dengan Meter Maid, ia mengirimkan pesan melalui Twilio dengan tautan ke gambar tersebut.

4. PENGLIHATAN

Sumber

SIGHT adalah sepasang kacamata pintar untuk tunanetra yang memungkinkan mereka memahami apa yang terjadi di sekitar mereka. Didukung oleh TensorFlow dan Google Android Things), SIGHT memiliki tiga komponen inti – Raspberry Pi 3 (didukung oleh Android Things), kamera, dan tombol. Ketika seorang tunanetra menekan tombol pada perangkat SIGHT, ia menangkap gambar pemandangan di depan mereka. Gambar ini kemudian dianalisis menggunakan TensorFlow yang mendeteksi objek dalam gambar dan membantu orang tersebut tentang lingkungan melalui asisten suara SIGHT.

Rapi, kan?

5. Sudoku Solver Bot

Bagi mereka yang tidak mengetahui apa itu Sudoku, ini adalah teka-teki digital yang dapat dipecahkan oleh komputer karena mereka mematuhi aturan matematika sederhana.

Sumber

Seperti namanya, Sudoku Solver Bot dapat memecahkan dan mengisi kisi-kisi Sudoku. Ide di balik pembuatan bot ini adalah untuk membangun sistem otonom yang dapat menganalisis kisi-kisi Sudoku, menemukan bagian teka-teki yang hilang, dan mengisi kisi-kisi tersebut.

Sumber

Perangkat keras Sudoku Solver Bot terdiri dari Raspberry Pi 3 dan kamera. Kamera mengambil foto grid untuk dipecahkan. Gambar tersebut kemudian diproses terlebih dahulu menggunakan pemrosesan gambar TensorFlow. Setiap grid tersegmentasi untuk mengekstrak kotak individu yang kemudian dianalisis melalui pengenalan gambar menggunakan jaringan saraf.

Pada akhir proses, bot memberikan representasi numerik dari grid yang dapat digunakan untuk mengisi celah. Sekarang Raspberry Pi mulai berfungsi – ia mengontrol motor bot dan membantunya mengisi kisi Sudoku.

Kesimpulan

Faktor kemudahan penggunaan TensorFlow dan penggabungan fitur AI dan ML yang mulus membuatnya cocok untuk bereksperimen dengan pembuatan model. Meskipun kami hanya menyebutkan lima proyek berbasis TensorFlow, ada banyak proyek lain di luar sana yang sama menariknya dengan ini. Penggemar Ilmu Data di seluruh dunia secara aktif berkontribusi untuk menciptakan proyek-proyek fantastis yang dapat memiliki dampak yang berarti dalam skenario dunia nyata.

Jika Anda penasaran untuk mempelajari TensorFlow dan menguasai Machine learning dan AI, tingkatkan karir Anda dengan kursus lanjutan Machine Learning dan AI dengan IIIT-B & Liverpool John Moores University.

Bergabunglah dengan Kursus Pembelajaran Mesin dari Universitas top dunia. Dapatkan Master, PGP Eksekutif, atau Program Sertifikat Tingkat Lanjut untuk mempercepat karier Anda.