Machine learning adalah salah satu cabang ilmu dari artificial intelligence (kecerdasan buatan) dimana sistem dapat mengolah data dan mengembangkannya untuk memecahkan suatu masalah. 

Machine learning membutuhkan data latih (data training) untuk mengajarkan mesin dalam memecahkan masalah dan menarik kesimpulan dari pengolahan data. Aplikasi penggunaan machine learning dalam kehidupan sehari hari diantaranya sebagai pengenalan wajah (image recognition), Pengenalan suara (voice recognation) pada google translate, pendeteksian penyakit jantung pada rekaman elektrokardiogram, dan lain sebagainnya.

Kita bisa mencoba coba membuat model machine learning sederhana yang salah satunya difasilitasi oleh Google melalui websitenya. Berikut merupakan langkah-langkah untuk membuat model sederhana machine learning dari google melalui website yang bernama 'Teachable Machine': 

1. Buka url website https://teachablemachine.withgoogle.com/ . Berikut merupakan halaman depan dari website teachable machine.

2. Klik Get Started. Berikut merupakan halaman selanjutnya dimana saat ini tersedia tiga jenis model machine learning yang dapat dibuat yaitu Image Project yaitu mode klasifikasi gambar (image recognation) menggunakan gambar yang diberikan atau menggunakan webcam, Audio Project yaitu mode klasifikasi suara (voice recognition) menggunakan suara yang diberikan melalui microphone dan Pose Project yaitu mode klasifikasi gambar seperti Image Project tetapi lebih mengutamakan klasifikasi pose yang diberikan (pose recognition).

3.  Untuk kali ini, kita akan mencoba dengan image project dengan mengeklik image project. Berikut merupakan tampilan dimana halaman selanjutnya dengan bagian image sample sudah terisi sebagai data input berupa gambar pada setiap class dengan sumber baik dari webcam atau file yang diberi keterangan (kita dapat menambah class dengan mengeklik 'Add a Class').  

4. Setelah itu, klik train model. Train model digunakan untuk mengolah data dengan keterangan yang diberikan pada setiap sample. Pada train model membutuhkan waktu untuk mengelola data sesuai dengan banyaknya data yang diinput. Selain itu, kita juga bisa menggunakan fitur 'Advanced' untuk pengaturan yang lebih lanjut dan melihat proses pengolahan datanya. Setelah selesai train model, kita bisa menguji data inputnya (data training) dengan adanya masalah melalui gambar dengan sumber dari webcam atau file. Berikut merupakan tampilan saat terjadinya pengujian pada bagian preview dimana hasil pengujian dalam bentuk persentase.

5. Untuk menggunakan model machine learning yang telah di buat ke project kalian, klik export model dan download. Export model dapat berupa tipe tensorflow.js untuk menggunakannya pada javascript dan untuk menggunakannya di mobile bisa juga mengexportnya ke Tensorflow lite. Pada tipe tensorflow.js, kita akan mendapatkan 3 file setelah mengeklik download. Langkah-langkah yang dilakukan juga hampir sama untuk model Audio Project dan model Pose Project.