Section 15/152 menit
15. Ringkasan & Decision Guide
15. Ringkasan & Decision Guide
| Use Case | Framework yang Tepat |
|---|---|
| Extract teks dari gambar/dokumen | Vision (VNRecognizeTextRequest) |
| Deteksi wajah/landmark | Vision (VNDetectFaceLandmarksRequest) |
| Deteksi objek di gambar | Vision + Core ML (VNCoreMLRequest) |
| Analisis pose tubuh/tangan | Vision (VNDetectHumanBodyPoseRequest) |
| Deteksi bahasa teks | NaturalLanguage (NLLanguageRecognizer) |
| Sentiment analysis | NaturalLanguage (NLTagger .sentimentScore) |
| Named Entity Recognition | NaturalLanguage (NLTagger .nameType) |
| Part-of-speech tagging | NaturalLanguage (NLTagger .lexicalClass) |
| Voice-to-text | Speech (SFSpeechRecognizer) |
| Klasifikasi suara/audio | Sound Analysis (SNClassifySoundRequest) |
| Train model dari labeled data | Create ML |
| On-device LLM / text generation | Foundation Models (LanguageModelSession) |
| General ML inference | Core ML (MLModel) |
Panduan Mulai
Untuk sebagian besar developer iOS yang baru masuk ke AI, urutan yang disarankan:
- Mulai dengan Vision OCR — visible impact langsung, mudah diintegrasikan, banyak use case produk
- Tambahkan NaturalLanguage — augmentasi teks yang sudah ada dengan sentiment/NER
- Gunakan Sound Analysis bila app butuh audio intelligence tanpa custom model
- Create ML ketika butuh custom classifier untuk domain spesifik, dengan data sendiri
- Combine frameworks untuk pipeline yang kuat (gambar → teks → entities)
Privacy-first approach: selalu mulai dengan on-device. Baru pertimbangkan cloud API ketika akurasi on-device benar-benar tidak cukup untuk use case yang kritis.