Belajar Data Science : Apa yang dimaksud dengan Tensorflow dan Bagaimana Penggunaannya?

Apakah kamu sedang belajar Data Science? Sudahkah kamu menggunakan Tensorflow? Jika belum, maka kamu harus membaca artikel ini hingga tuntas ya! Karena kamu akan memahami apa itu tensorflow melalui artikel ini! TensorFlow adalah library yang dikembangkan oleh google dan merupakan salah satu library yang paling populer serta banyak digunakan untuk mengembangkan dan menerapkan Machine Learning dan algoritma lain yang memiliki banyak operasi matematika untuk dilakukan.

Google meluncurkan TensorFlow untuk memperkenalkan ekosistem yang menyediakan kumpulan alur kerja untuk mengembangkan dan melatih model, untuk mengimplementasikan Machine Learning di hampir semua aplikasi. Sebenarnya, kita semua menggunakan TensorFlow begitu sering tanpa menyadari bahwa penggunaannya: Google Foto atau Google voice, kamu menggunakan model TensorFlow secara tidak langsung, model tersebut bekerja pada kelompok besar perangkat keras Google dan sangat kuat dalam tugas perseptual.

TensorFlow memiliki lebih dari 150 ribu bintang GitHub dan sekitar 83,2 ribu garpu GitHub (Github Forks). Repo open source TensorFlow di GitHub adalah resource yang bagus. Melalui artikel ini, DQLab akan memperkenalkan kamu ke TensorFlow, bagaimana cara menggunakannya, dan mengapa menggunakannya? Penasaran dengan pembahasannya? Yuk simak penjelasan berikut!

1. Pengenalan Umum Tensorflow

Komponen inti TensorFlow adalah tensor dan grafik komputasi yang melintasi node hingga edge. Jadi, pertama-tama mari kita pahami dari apa TensorFlow dibuat:

Tensor

Data untuk Machine Learning umumnya membutuhkan komputasi dalam beberapa bentuk dan oleh karena itu, kita sering melihat representasi data dilakukan secara numerik. Untuk mendefinisikan tensor: wadah yang dapat menampung data dalam dimensi N.

Singkatnya, tensor adalah objek matematika yang digunakan untuk mendeskripsikan properti fisik seperti skalar dan vektor. Pada dasarnya, tensor hanyalah sebuah generalisasi dari skalar dan vektor; skalar adalah tensor peringkat-nol, sedangkan vektor adalah tensor peringkat pertama. Anda dapat menentukan peringkat tensor dengan jumlah arah yang diperlukan untuk mewakilinya. Itu juga ditandai dengan dimensi array. Berikut adalah ilustrasinya:

Grafik Komputasi

Sekarang setelah kita mengetahui apa itu tensor, mari kita pahami bagian Flow dari TensorFlow. Grafik komputasi adalah entitas yang didefinisikan sebagai grafik berarah di mana setiap node sesuai dengan operasi matematika tertentu. Pada dasarnya, grafik komputasi adalah alat untuk mengekspresikan dan mengevaluasi beberapa ekspresi matematis pada setiap node.

Baca Juga : Kursus Data Science : 3 Kriteria Kursus Data Science yang Harus Kamu Perhatikan

2. Siapa yang Menggunakan Tensorflow?

Machine Learning memiliki manfaat yang sangat besar bagi banyak perusahaan. Sehingga, berbagai perusahaan dari berbagai industri membutuhkan alat dan sumber daya untuk menerapkan ML dan memecahkan masalah terbesar mereka. Dari bidang Healthcare hingga social network dan e-commerce, TensorFlow digunakan oleh semua orang dan untuk banyak hal! Berikut adalah beberapa contoh siapa yang menggunakan Tensorflow:

• Airbnb: Mengkategorikan Foto Tempat di Airbnb

• Lenovo: Pengoptimalan TensorFlow untuk Prosesor Intel Xeon yang Dapat Diskalakan

• Coca-Cola: Machine Learning dengan TensorFlow yang mendukung Bukti Pembelian seluler di Coca-Cola

• Lenovo: Lenovo Intelligent Computing Orchestration menggunakan TensorFlow untuk membantu mempercepat revolusi cerdas

• PayPal: Menggunakan TensorFlow untuk terus memantau Deteksi Penipuan

• GE: General Electric melatih jaringan saraf menggunakan TensorFlow untuk mengidentifikasi anatomi pada MRI di otak

• Twitter: Memberi Peringkat Tweet di timeline beranda dengan TensorFlow

3. Mengapa Menggunakan Tensorflow dan Bagaimana Penggunaannya?

Mengapa begitu banyak perusahaan menggunakan Tensorflow? Tentu saja hal itu terjadi bukan tanpa alasan. Berikut adalah alasan mengapa Tensorflow banyak digunakan:

• Abstraksi multi-level untuk berbagai aplikasi

• Buat dan latih model dengan API Keras tingkat tinggi untuk memudahkan TensorFlow dan orientasi machine learning

• Pengodean yang fleksibel, eksekusi yang bersemangat untuk pembuatan prototipe yang mudah dan debugging yang cepat, iterasi langsung, dan debugging yang intuitif

• Distribution Strategy API untuk tugas-tugas ML besar memungkinkan pelatihan terdistribusi pada konfigurasi hardware yang berbeda tanpa mengubah definisi model

• Jalur langsung menuju produksi: latih dan terapkan model dengan mudah, apa pun bahasa atau platformnya

• Latih dan terapkan model di lingkungan JavaScript menggunakan TensorFlow.js untuk menjalankan inferensi dan model di perangkat seluler dan edge

• Kembangkan, latih, dan terapkan algoritme canggih tanpa mengurangi kecepatan atau performa model

• Fleksibilitas dan kontrol untuk membuat topologi yang kompleks dengan fitur seperti API Fungsional Keras dan API Subclassing Model

• Akses ke ekosistem pustaka add-on dan model yang kuat untuk bereksperimen

• Memberikan eksperimen yang kuat untuk penelitian dan pengembangan bukti konsep

Lalu, untuk apa saja Tensorflow biasanya digunakan? Berikut adalah contoh beberapa penerapan dari Tensorflow:

• Prediksi harga rumah secara akurat: Zillow, apartments.com

• Mendeteksi default peminjam kartu kredit

• Gambar gerakan bahasa isyarat: Google, Microsoft

• Sistem Pengenalan Pidato

• Pengenalan Gambar / Video dan penandaan

• Mobil Mengemudi Sendiri

• Peringkasan Teks

• Analisis Sentimen

• Sistem rekomendasi

Baca Juga : 3 Permasalahan Kursus Data Science di Indonesia yang Harus Kamu Ketahui

4. Yuk Mulai Belajar Data Science Sekarang!

Tidak memiliki background IT? Jangan khawatir, kamu tetap bisa menguasai Ilmu Data Science untuk siap berkarir di revolusi industri 4.0. Bangun proyek dan portofolio datamu bersama DQLab untuk mulai berkarir di industi data yang sebenarnya! Sign up sekarang untuk #MulaiBelajarData di DQLab!

Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":

1. Buat Akun Gratis dengan Signup di DQLab.id/signup

2. Akses module Introduction to Data Science

3. Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab

4. Subscribe DQLab.id untuk Akses Semua Module Premium!

Penulis : Jihar Gifari

Editor : Annissa Widya

Tags