AI

Pernah kepikiran buat ngejalanin large language models (LLM) langsung di komputer sendiri tanpa harus bergantung ke layanan cloud? Sekarang itu mungkin banget. Dengan Ollama, Anda bisa mengelola dan menjalankan berbagai model bahasa canggih secara lokal—langsung dari laptop atau PC Anda. Artikel ini akan ngebimbing Anda langkah demi langkah, mulai dari instalasi sampai cara menjalankan model di Linux dan macOS. Instalasi Ollama di Linux Kalau Anda pengguna Linux, prosesnya simpel: Buka Terminal Siapkan terminal, seperti biasa kalau mau eksekusi perintah.

Di tulisan ini saya akan coba main-main dengan YOLOv8 buat deteksi objek di gambar. YOLO (You Only Look Once) adalah salah satu algoritma deteksi objek paling terkenal. Versi terbarunya, YOLOv8, hadir dengan performa yang lebih cepat dan hasil yang lebih akurat. Untungnya, kita nggak perlu ribet karena ada library ultralytics yang bikin penggunaannya jadi simpel banget. Apa yang Perlu Disiapkan? Sebelum mulai, pastikan kamu sudah punya: Python Library ultralytics Kalau belum, tinggal install lewat pip:

YOLO (You Only Look Once) adalah salah satu algoritma paling populer untuk deteksi objek. Versi terbarunya, YOLOv8, hadir dengan performa yang lebih cepat dan akurat. Pada artikel ini, kita akan mencoba menggunakan YOLOv8 bersama OpenCV untuk melakukan deteksi objek secara real-time lewat webcam. Prasyarat Pastikan Anda sudah menyiapkan: Python 3.8+ Library ultralytics (untuk YOLOv8) Library opencv-python (untuk akses webcam) Install dengan pip: Copy pip install ultralytics opencv-python Contoh Kode Berikut contoh kode Python sederhana untuk melakukan deteksi objek dari webcam:

Di tulisan ini saya akan coba menggunakan YOLOv8 untuk mendeteksi objek dalam gambar, sekaligus menampilkan label objek dan probabilitasnya. YOLO (You Only Look Once) sudah lama jadi andalan di dunia deteksi objek. Versi barunya, YOLOv8, hadir dengan performa lebih cepat dan hasil yang lebih akurat. Langsung saja kita lihat cara pakainya. Prasyarat Pastikan sudah ada Python dan library ultralytics di sistem kamu. Kalau belum, tinggal install lewat pip: Copy pip install ultralytics Contoh Kode Deteksi Objek Berikut contoh sederhana untuk mendeteksi objek lalu menampilkan label dan probabilitasnya:

Di tulisan ini saya akan coba main-main dengan BERT buat deteksi SMS spam. BERT (Bidirectional Encoder Representations from Transformers) adalah salah satu model NLP paling populer yang bisa dipakai untuk banyak tugas teks, termasuk klasifikasi spam. Dengan bantuan PyTorch, implementasinya jadi fleksibel dan relatif mudah. Apa yang Perlu Disiapkan? Sebelum mulai, pastikan kamu sudah punya: Python PyTorch Transformers (dari Hugging Face) Dataset SMS (misalnya SMS Spam Collection) Kalau belum, install dulu library yang dibutuhkan: