Meskipun kami masih kagum dengan penerapan awal teknologi pembelajaran mesin, teknologi ini terus berkembang dengan pesat, memperkenalkan kami pada algoritma dan cabang yang lebih canggih seperti Deep Learning. Pembelajaran mendalam menggunakan algoritme yang dikenal sebagai Neural Networks, yang terinspirasi oleh cara sistem saraf biologis, seperti otak, memproses informasi. Hal ini memungkinkan komputer untuk mengidentifikasi setiap data yang diwakilinya dan mempelajari polanya.

Alat perangkat lunak utama pembelajaran mendalam adalah TensorFlow. Ini adalah perpustakaan kecerdasan buatan sumber terbuka, menggunakan grafik aliran data untuk membangun model. Hal ini memungkinkan pengembang untuk membuat jaringan saraf berskala besar dengan banyak lapisan. TensorFlow terutama digunakan untuk: Klasifikasi, Persepsi, Pemahaman, Penemuan, Prediksi, dan Penciptaan.

Kasus Penggunaan Utama TensorFlow

  1. Pengenalan Suara/Suara

Salah satu kegunaan TensorFlow yang paling terkenal adalah aplikasi berbasis Suara. Dengan umpan data yang tepat, jaringan saraf mampu memahami sinyal audio. Ini bisa berupa:

  • Pengenalan suara — sebagian besar digunakan di IoT, Otomotif, Keamanan, dan UX/UI
  • Pencarian suara — sebagian besar digunakan di Telekomunikasi, Produsen Handset
  • Analisis Sentimen — sebagian besar digunakan dalam CRM
  • Deteksi Cacat (kebisingan mesin) — banyak digunakan di Otomotif dan Penerbangan

Mengenai kasus penggunaan umum, kita semua akrab dengan pencarian suara dan asisten yang diaktifkan dengan suara pada ponsel pintar baru yang tersebar luas seperti Siri dari Apple, Google Now untuk Android, dan Microsoft Cortana untuk Windows Phone.

Pemahaman bahasa adalah kasus penggunaan umum lainnya untuk Pengenalan Suara. Aplikasi ucapan-ke-teks dapat digunakan untuk menentukan potongan suara dalam file audio yang lebih besar, dan mentranskripsikan kata yang diucapkan sebagai teks.

Aplikasi berbasis suara juga dapat digunakan dalam CRM. Skenario kasus penggunaannya mungkin: Algoritme TensorFlow menggantikan agen layanan pelanggan, dan mengarahkan pelanggan ke informasi relevan yang mereka perlukan, dan lebih cepat daripada agen.

  1. Aplikasi Berbasis Teks

Penggunaan TensorFlow yang populer lainnya adalah, aplikasi berbasis teks seperti analisis sentimental (CRM, Media Sosial), Deteksi Ancaman (Media Sosial, Pemerintah) dan Deteksi Penipuan (Asuransi, Keuangan)

Deteksi Bahasa adalah salah satu penggunaan aplikasi berbasis teks yang paling populer.

  • Kita semua tahu Google Terjemahan, yang mendukung lebih dari 100 bahasa untuk menerjemahkan satu bahasa ke bahasa lain. Versi yang dikembangkan dapat digunakan untuk banyak kasus seperti menerjemahkan jargon legal dalam kontrak ke dalam bahasa sederhana.
  • Ringkasan Teks

Google juga menemukan bahwa untuk teks yang lebih pendek, peringkasan dapat dipelajari dengan teknik yang disebut pembelajaran sequence-to-sequence. Ini dapat digunakan untuk menghasilkan berita utama artikel berita. Di bawah, Anda dapat melihat “contoh” di mana model membaca teks artikel dan menulis judul yang sesuai.

Masukan: Kalimat pertama artikel Judul yang ditulis dengan modelmulai tanggal 1 Juli, provinsi kepulauan hainan di Tiongkok selatan akan menerapkan kontrol akses pasar yang ketat pada semua ternak dan produk hewani yang masuk untuk mencegah kemungkinan penyebaran penyakit epidemikhainan ke mengekang penyebaran penyakit

  • Kasus penggunaan Google lainnya adalah SmartReply . Ini secara otomatis menghasilkan tanggapan email (menginginkan versi evolusi dari versi ini yang melakukan bisnis atas nama kami)
  1. Pengenalan Gambar

Banyak digunakan oleh Media Sosial, Telekomunikasi dan Produsen Handset; Pengenalan Wajah, Pencarian Gambar, Deteksi Gerakan, Visi Mesin, dan Pengelompokan Foto juga dapat digunakan di Industri Otomotif, Penerbangan, dan Kesehatan. Pengenalan Gambar bertujuan untuk mengenali dan mengidentifikasi orang dan objek dalam gambar serta memahami konten dan konteksnya.

Algoritme pengenalan objek TensorFlow mengklasifikasikan dan mengidentifikasi objek arbitrer dalam gambar yang lebih besar. Ini biasanya digunakan dalam aplikasi teknik untuk mengidentifikasi bentuk untuk tujuan pemodelan (konstruksi ruang 3D dari gambar 2D) dan oleh jejaring sosial untuk penandaan foto (Wajah Dalam Facebook). Misalnya, dengan menganalisis ribuan foto pohon, teknologi dapat belajar mengidentifikasi pohon yang belum pernah dilihat sebelumnya.

Pengenalan Gambar juga mulai berkembang di Industri Layanan Kesehatan di mana algoritme TensorFlow dapat memproses lebih banyak informasi dan menemukan lebih banyak pola dibandingkan algoritma manusia. Komputer kini mampu meninjau hasil pemindaian dan menemukan lebih banyak penyakit dibandingkan manusia.

4. Rangkaian Waktu

Algoritme TensorFlow Time Series digunakan untuk menganalisis data deret waktu guna mengekstrak statistik yang bermakna. Mereka memungkinkan perkiraan periode waktu non-spesifik selain menghasilkan versi alternatif dari rangkaian waktu.

Kasus penggunaan paling umum untuk Time Series adalah Rekomendasi. Anda mungkin pernah mendengar penggunaan ini dari Amazon, Google, Facebook, dan Netflix di mana mereka menganalisis aktivitas pelanggan dan membandingkannya dengan jutaan pengguna lain untuk menentukan apa yang mungkin ingin dibeli atau ditonton oleh pelanggan. Rekomendasi ini semakin pintar, misalnya menawarkan hal-hal tertentu sebagai hadiah (bukan untuk diri sendiri) atau acara TV yang mungkin disukai anggota keluarga Anda.

Kegunaan lain dari algoritma TensorFlow Time Series terutama adalah bidang yang diminati di bidang Keuangan, Akuntansi, Pemerintahan, Keamanan, dan IoT dengan Deteksi Risiko, Analisis Prediktif, dan Perencanaan Perusahaan/Sumber Daya.

5. Deteksi Video

Jaringan neural TensorFlow juga berfungsi pada data video. Ini terutama digunakan dalam Deteksi Gerakan, Deteksi Thread Real-Time di bidang Game, Keamanan, Bandara, dan UX/UI. Baru-baru ini, Universitas sedang mengerjakan kumpulan data Klasifikasi Video Skala Besar seperti YouTube-8M yang bertujuan untuk mempercepat penelitian tentang pemahaman video skala besar, pembelajaran representasi, pemodelan data berisik, pembelajaran transfer, dan pendekatan adaptasi domain untuk video.

Bonus: Ini mungkin bukan penggunaan yang umum tetapi ini adalah masalah hidup dan mati –jika Anda menonton film Amerika lho! — dan terpilih sebagai 20 proyek teratas di seluruh dunia (Finalis Global). NASA sedang merancang sistem dengan TensorFlow untuk klasifikasi orbit dan pengelompokan objek asteroid. Hasilnya, mereka dapat mengklasifikasikan dan memprediksi NEO (objek dekat bumi).

Karena TensorFlow adalah perpustakaan sumber terbuka, kita akan segera melihat lebih banyak kasus penggunaan inovatif, yang akan saling mempengaruhi dan berkontribusi pada teknologi Machine Learning.

Postingan ini awalnya diposting di www.exastax.com/blog