ML Application pada website menggunakan Flask

Original article was published by Agus Prayudi on Deep Learning on Medium


Disclaimer: saya menganggap bahwa data telah melalui tahap pre-processing (handling missing values dan outliers), sehingga data sudah siap digunakan untuk pembuatan model machine learning.

Tahap 1: Training dan Evaluasi Model

Pada tahap ini, kita akan belajar bagaimana men-training data untuk membuat model deep learning.

Pada tahap modelling di atas, penulis menggunakan library keras untuk mempermudah dalam penulisan program. Pada dasarnya library keras berdiri di atas tensorflow, sehingga kita juga perlu meng-install tensorflow (sebagai engine). Modelling di atas dibuat dengan menggunakan metode MLP (Multi Layer Perceptron).

Tahap 2: Membuat Web Apps dengan Flask

Pada tahap ini, kita akan belajar bagaimana membangun aplikasi menggunakan flask framework yang mana menggunakan bahasa interpreter python.

Kita perlu menyiapkan susunan folder kerja seperti di bawah ini:

Folder Structure untuk template kerja web application mengunakan Flask

Selanjutnya, di bawah ini adalah program web application yang menggunakan model MLP untuk klasifikasi jenis bunga iris.

Boom!

Tampilan website di bawah ini merupakan hasil dari program kita menggunakan framework flask. Tampilan website menyesuaikan dengan program html dan css kalian ya!

Tampilan halaman web application yang telah dibangun menggunakan Flask.

Dari web application di atas, kita hanya perlu meng-inputkan ukuran sepal (kelopak bunga) dan petal (daun bunga), kemudian sistem akan secara otomatis, menggunakan model MLP (Multi Layer Perceptron) akan memprediksi jenis bunga iris tersebut berdasarkan ukuran yang diinputkan. Mantap bukan? hehe.

yap, akhirnya kita telah belajar bagaimana men-deploy model machine learning pada web application. Tulisan ini akan selalu disempurnakan dan untuk selanjutnya saya akan membagikan catatan belajar saya mengenai bagaimana mengolah data tersebut (Iris dataset atau data yang lain) hingga menjadi data yang siap untuk digunakan sebagai input machine learning atau deep learning. Semangat belajar ya! Penulis juga masih belajar, semoga ini jadi catatan belajar yang bermanfaat! Danke!