Mulai dari Pertanyaan Sederhana
Waktu kuliah Data Science, semua orang bicara tentang cloud: AWS, GCP, Azure. Deploy model ke server, scale up, monitoring pipeline. Semua masuk akal — sampai saya ingat background saya dari SMK elektronika industri.
Di sana, saya belajar bahwa dunia nyata itu edge. Sensor suhu di pabrik tidak bisa nunggu round-trip ke cloud. Robot di lini produksi butuh respons milidetik, bukan detik.
TinyML: ML yang Hidup di Ujung
TinyML adalah praktik menjalankan model machine learning langsung di microcontroller — ESP32, Arduino, STM32 — dengan RAM yang diukur dalam kilobyte, bukan gigabyte.
Tantangannya beda dari ML konvensional:
- Model harus dikuantisasi (float32 → int8)
- Latency dan power consumption jadi metrik utama
- Tidak ada Python runtime, harus C/C++
Apa yang Saya Pelajari
Saya mulai dengan ESP32-C3 dan PlatformIO. Salah satu eksperimen pertama: WiFi scan sederhana, lalu kontrol motor via web interface (project Mochan).
Dari situ saya sadar: kombinasi ML knowledge + hardware intuition adalah T-shape yang langka. Dan langka itu valuable.
Selanjutnya
Target saya: deploy model klasifikasi ringan langsung ke ESP32-S3. Bukan karena cloud tidak cukup baik — tapi karena ada masalah yang memang harus diselesaikan di edge.