/Machine_Learning_RPS

Machine Learning Rock Paper Scissors (RPS)

Primary LanguageJupyter Notebook

How to Setup this Project in Google Collaboratory

1. Silahkan download file zip/rar Machine_Learning_RPS pada repository di atas

2. Kemudian, Ekstraklah file zip/rar tersebut pada folder yang anda inginkan :

  • Jika sudah, akan terdapat file yang berekstensi .ipynb, file tersebut-lah yang akan kita gunakan

3. Selanjutnya, Buka Google Collaboratory melalui browser anda :

  • https://colab.research.google.com

  • Akan muncul tampilan awal seperti dibawah ini, silahkan klik upload pada bagian kanan atas yang sudah ditandai seperti berikut :

    WhatsApp Image 2021-05-27 at 10 40 20

  • Setelah itu, klik browse dan pilih file "Machine_Learning_RPS.ipynb" dari hasil ekstrak zip/rar sebelumnya :

    Screenshot (22)

4. Terakhir, Kita tinggal menjalankan "Code Cell" pada setiap bagian kode Machine Learning tersebut :

Screenshot (21)

Screenshot (22)

Dicoding Submission : Belajar Machine Learning untuk Pemula

Screenshot (13)

Proyek Akhir : Klasifikasi Gambar

Kriteria Submission Berikut kriteria submission yang harus Anda penuhi:

  1. Dataset yang dipakai haruslah dataset berikut : rockpaperscissors, atau gunakan link ini pada wget command: https://dicodingacademy.blob.core.windows.net/picodiploma/ml_pemula_academy/rockpaperscissors.zip
  2. Dataset harus dibagi menjadi train set dan validation set.
  3. Ukuran validation set harus 40% dari total dataset (data training memiliki 1314 sampel, dan data validasi sebanyak 874 sampel).
  4. Harus mengimplementasikan augmentasi gambar.
  5. Menggunakan image data generator.
  6. Model harus menggunakan model sequential.
  7. Pelatihan model tidak melebihi waktu 30 menit.
  8. Program dikerjakan pada Google Colaboratory.
  9. Akurasi dari model minimal 85%. 10.Dapat memprediksi gambar yang diunggah ke Colab seperti gambar di bawah.

Saran Submission

  1. Akurasi dari model di atas 85%
  2. Anda menggunakan lebih dari 1 hidden layer.
  3. Menerapkan lebih banyak augmentasi gambar.
  4. Anda menggunakan optimizer dan loss-function yang tidak diajarkan di kelas.