Rangkuman Mingguan | Episode 4 | PyScript dan Pengeditan Audio AI

Anaconda Merilis PyScript

Kisah pertama hari ini menyoroti rilis baru yang menarik dari Anaconda. Pada 30 April, Anaconda meluncurkan PyScript — sebuah kerangka kerja yang memungkinkan pengguna menggunakan Python sepenuhnya di peramban web, termasuk fitur seperti konten drop-in, hosting file eksternal, akses ke ekosistem Python, dan lainnya, semuanya tanpa bergantung pada konfigurasi sisi server. Tujuan di balik PyScript adalah memungkinkan siapa pun yang memiliki sedikit pengetahuan Python untuk mengirimkan aplikasi ke platform perangkat keras dan perangkat lunak apa pun. Inilah alasan tim Anaconda memilih peramban web. Peramban aman, stabil, kuat, dan berfungsi hampir di mana saja.

Menurut tim Anaconda, PyScript hanyalah HTML, hanya saja jauh lebih kuat, berkat ekosistem pustaka Python yang kaya dan mudah diakses. Mereka mengibaratkan PyScript sebagai “Minecraft untuk pengembangan perangkat lunak”: Pengguna membangun dunia mereka sendiri (aplikasi) atau blok dan mod baru (komponen dan widget), lalu membagikannya kepada dunia.

Fitur utama PyScript adalah:

1. Memungkinkan kita menggunakan Python dan ekosistem pustakanya (termasuk numpy, pandas, dan scikit-learn) langsung dari dalam peramban.
2. Dengan manajemen lingkungan, pengguna dapat menentukan paket dan file mana yang tersedia saat menjalankan kode halaman.
3. Kita dapat mengembangkan aplikasi secara visual dengan beberapa elemen UI yang sudah ada seperti tombol, kontainer, dan kotak teks.
4. Kita tidak perlu khawatir tentang deployment karena dengan PyScript semuanya akan terjadi di peramban web kita. Sebagai data scientist, kita bisa berbagi file HTML yang berisi dasbor dan/atau analisis dengan para pemangku kepentingan, yang akan dapat mengaksesnya langsung di peramban mereka tanpa penyiapan yang rumit.

Kehadiran PyScript berarti bahwa sekarang, hambatan untuk membuat aplikasi web data science yang menarik dengan Python menjadi lebih rendah dari sebelumnya. Siapa pun yang memiliki keterampilan data science di Python akan dapat berbagi aplikasi data langsung dengan pemangku kepentingan mereka tanpa perlu mengetahui Javascript atau memikirkan deployment sendiri. Kami sudah melihat cukup banyak data scientist yang mencoba PyScript di alam liar; kami pastikan menautkan contoh-contohnya di bawah ini!

Saat ini PyScript hanya mendukung Python, tetapi tujuan jangka panjangnya adalah menyediakan dukungan untuk bahasa lain di masa depan dan menjadikan web tempat yang lebih ramah bagi semua orang.

Rekor Kecepatan Dunia untuk Mobil Swakemudi 

Kisah berikutnya menyoroti kemajuan kendaraan otonom. Bukan hanya Baidu yang baru-baru ini memperoleh lisensi robotaxi pertama, dengan harapan menerjunkan taksi tanpa pengemudi di jalan-jalan Tiongkok, tetapi rekor kecepatan dunia untuk mobil swakemudi juga telah tercatat.

Mobil otonom yang dibangun oleh tim peneliti dari Politecnico di Milano-PoliMOVE berhasil mencapai 309 km/jam (atau 192,2 mph), menembus “tembok” bersejarah 300 km/jam. Tim yang memecahkan rekor di landasan udara Kennedy Space Center milik NASA ini berharap dapat mengulang hasil tersebut di sirkuit Atlanta yang terkenal tidak selurus itu.

Tim mengatakan uji coba tersebut menegangkan sekaligus mendebarkan, dan mereka juga sangat antusias karena data yang dihasilkan dari uji tersebut akan tersedia untuk publik, sehingga industri secara keseluruhan dapat mengambil manfaat dari pekerjaan dan pembelajaran mereka.

Kerja Jarak Jauh di Airbnb

Airbnb bergabung dengan banyak perusahaan yang memperkenalkan kebijakan kerja jarak jauh untuk memberi karyawan lebih banyak fleksibilitas. Perusahaan melihat peningkatan produktivitas yang signifikan selama pembatasan masa lockdown dan memutuskan tidak hanya mengizinkan karyawan bekerja jarak jauh, tetapi juga berkomitmen menstandarkan gaji tanpa memandang lokasi — membedakan AirBnb dari perusahaan teknologi multinasional lainnya. Saat perusahaan belajar beradaptasi dengan kerja jarak jauh selama pandemi, banyak orang menemukan bahwa mereka sebenarnya lebih menyukai bekerja jarak jauh daripada pergi ke kantor setiap hari. Semakin banyak orang menginginkan fleksibilitas, dengan beberapa karyawan di Apple bahkan mengancam akan mengundurkan diri jika mereka tidak bisa sepenuhnya bekerja jarak jauh.

Peralihan ke gaya kerja jarak jauh ini semakin menjadi keunggulan kompetitif bagi banyak pemberi kerja dan tim data saat ini, karena pemberi kerja memiliki akses yang lebih luas ke beragam talenta, dan tenaga kerja menikmati lebih banyak fleksibilitas serta kebebasan.

Meskipun banyak perusahaan memilih model hibrida, ada penolakan yang terlihat dari karyawan, dengan 74% pekerja mengatakan bahwa opsi untuk bekerja jarak jauh akan membuat mereka lebih kecil kemungkinannya untuk meninggalkan perusahaan.

Pemanfaatan Machine Learning untuk Sintesis Audio 

Dalam kisah berikutnya, kita akan melihat ranah produksi musik. Bangkitnya TikTok menyoroti peran musik dan konten audio dalam media sosial, mendorong Bytedance, perusahaan di balik TikTok, untuk mengembangkan alat produksi musik yang menarik yang menggunakan machine learning untuk membentuk sinyal audio menjadi emulasi instrumen asli.

Plugin baru bernama “Mawf” ini saat ini dalam pengujian beta dan memiliki model untuk tiga instrumen: saksofon, terompet, dan khlui Thailand. Mawf terlebih dahulu menggunakan machine learning untuk menganalisis rekaman musisi profesional, mengekstraksi perubahan terperinci pada suara instrumen yang terkait dengan variasi nada dan amplitudo.

Sistem kemudian memperkirakan suara instrumen-instrumen tersebut berdasarkan masukan digital dari pengguna seperti trek MIDI atau sintetiser.

Mengingat inovasi yang telah kita lihat di aspek lain dari pembuatan konten digital, seperti DALL-E 2 yang menghasilkan gambar, dan perangkat lunak pengeditan video berbasis AI, tidak mengherankan jika produksi audio juga ditingkatkan dengan machine learning. Lanskap pembuatan konten masa depan jelas terlihat menarik — kita sedang melangkah menuju dunia di mana kita mungkin bisa berkata “berikan saya video zebra memakai topi melakukan tren TikTok yang terdengar seperti ‘Nobody’s gonna know...’” dan sebuah AI mungkin bisa mewujudkannya untuk kita.

Tetap mengikuti berita data terbaru

Untuk tetap mengikuti berita data terbaru, pastikan berlangganan Channel Youtube DataCamp agar Anda mendapatkan dosis mingguan rangkuman berita data.