Perkenalkan, Google Workspace Developer Experts

Ditulis oleh Charles Maxson, Developer Advocate, Google CloudRead More



Perkenalkan, Google Workspace Developer Experts

Ditulis oleh Charles Maxson, Developer Advocate, Google Cloud

Pahlawan super terkenal karena memakai jubah, melawan penjahat, dan ingin menyelamatkan dunia dari kejahatan. Ada juga pahlawan super yang diam-diam memilih menggunakan kekuatan super mereka untuk menjelaskan teknologi kepada pengguna baru, mengelola forum komunitas, menulis postingan blog, berbicara di sebuah acara, menjadi host seri video, membuat demo, membagikan kode contoh, dan banyak lagi. Semua bertujuan membantu developer lain menjadi lebih sukses dengan mempelajari keterampilan baru, menghadirkan aplikasi yang lebih baik, dan pada akhirnya meningkatkan karier mereka. Di Google, kami menyebut kategori pahlawan super yang terakhir sebagai Google Developer Experts atau disingkat “GDEs”.

Program Google Developer Experts adalah jaringan global pakar teknologi yang sangat berpengalaman, pencetus ide dan influencer yang secara aktif mendukung komunitas developer di seluruh dunia, berbagi pengetahuan dan antusiasme mereka dalam berbagai topik mulai dari Android, Angular, Google Assistant, hingga Google Cloud – dan tentu saja, Google Workspace. Perhatikan bahwa semua GDEs adalah sukarelawan yang tidak hanya memberikan waktu mereka secara sukarela untuk mendukung orang lain, mereka juga membantu meningkatkan produk kami dengan memberikan masukan yang berharga, menguji fitur baru dengan cermat sebelum dirilis, serta membantu memperluas kasus penggunaan dan audience secara bersamaan.

Dengan anggota komunitas GDE Google Workspace berasal dari berbagai negara di seluruh dunia, kami ingin bertanya kepada para ahli Google Workspace Developer apa yang membuat mereka bersemangat untuk membangun di Google Workspace, dan mengapa mereka bertindak sebagai pahlawan super dengan membantu orang lain menjadi developer Google Workspace yang lebih baik. Inilah yang dikatakan beberapa pakar ini:

GDEs Google Workspace menjangkau seluruh dunia

“Workspace memungkinkan saya membuat solusi inovatif untuk alur kerja guru dengan mengefisienkan waktu mereka secara signifikan dan/atau memungkinkan guru menggunakan ruang kerja secara lebih efektif dengan siswa mereka.”

- Alice Keeler (@alicekeeler), Kansas, AS

“Tidak ada kurva pembelajaran bagi pengguna dan tidak ada masalah yang tidak bisa Anda pecahkan dengan Google Apps Script.”

- Amit Agarwal (@labnol), India

“Aksesibilitas dan keberadaan Google Workspace, dan khususnya penyesuaian yang lebih spesifik dengan Apps Script, telah membuat saya terus bekerja (dan tetap bekerja!) sebagai developer Apps Script lepas sejak 2013!”

- Andrew Roberts (@andrewroberts6), Llanwrda, Wales, UK

“Ada dua hal yang saya suka tentang Google Workspace. Pertama, semuanya ada di cloud, jadi dapat diakses di mana saja dan mudah dibagikan. Dan kedua, integrasi antara berbagai alat Workspace dan alat pihak ketiga sangat mudah digunakan. Data saya bisa berpindah secara otomatis di antara berbagai aplikasi dan menyelamatkan saya dari alur kerja manual yang menjemukan.”

- Ben Collins (@benlcollins), East Coast, AS

“Workspace memungkinkan siapa pun yang memiliki ide untuk menciptakan solusi yang berdampak untuk memecahkan masalah, dan saya suka menunjukkan kepada pemula yang mempunyai sedikit atau tanpa pengalaman coding bahwa mereka didukung untuk membangun solusi digital!”

- Cleo Espiritu (@cinfourthirds), Kanada

“Saya suka Google Workspace karena Google Apps Script. Ini telah menjadi platform 100% tanpa server sejak 2009 untuk otomatisasi, ekstensi, dan integrasi. Saya telah mengembangkan banyak aplikasi pribadi dan pekerjaan.”

- Ivan Kutil (@ivankutil), Praha, Republik Ceko

“Dengan Add-Ons dan Apps Script, Google Workspace melangkah lebih jauh lagi dalam menyediakan pengalaman yang disesuaikan di seluruh alat profesional yang sering dipakai - dan membuatnya dapat diakses terlepas dari perangkat yang saya gunakan.”

- Jeremy Glassenberg (@jglassenberg), San Francisco, CA

“Dengan Google Workspace, kita semua bisa menjadi lebih pintar dan produktif. Kesenangan mengembangkan di Google Workspace adalah solusi yang kuat bisa terdiri dari beberapa baris kode, bahkan semakin tidak menggunakan kode sama sekali.”

- Martin Hawksey (@mhawksey), Skotlandia, UK

“Saya menggunakan Workspace karena kemampuannya menerobos batasan dengan Apps Script ketika ada sesuatu yang tidak bisa saya lakukan di Spreadsheet, Formulir, Dokumen & Slide saja”

- Max Brawer (@brawermd), New York, NY

"Bisa membangun solusi yang mendorong kolaborasi adalah hal yang paling saya sukai. Struktur terbuka memungkinkan Anda menambahkan kebutuhan khusus. Antarmuka yang sederhana dan intuitif; tidak perlu beralih, langsung mulai membangun!"

- Niek Waarbroek (niekwaarbroek), Belanda

“Apps Script adalah "perekat" yang menyatukan banyak layanan Google untuk menghadirkan otomatisasi yang indah ke alur kerja data pribadi, bisnis, atau sekolah Anda. Kapan pun, di mana pun, semua di cloud. Penggunaan yang cepat dan mudah menjadikannya pilihan pertama saya untuk memanfaatkan seluruh potensi Google Workspace.”

- Pablo Felip Monferrer (@pfelipm), Castelló de la Plana, Spanyol

“Saya cukup mahir menggunakan formula Spreadsheet, tetapi sebagai seseorang yang tidak selalu punya kemampuan coding/latar belakang teknis yang kuat, alat Workspace membuat jauh lebih mudah & mulus untuk menghubungkan satu sama lain dan membangun sesuatu seperti yang dilakukan tim produk/engineering. Ini menginspirasi saya untuk menghubungkan berbagai alat SaaS yang memiliki API dan membangun rangkaian integrasi saya sendiri.”

- Sourabh Choraria (@schoraria911), Bangalore, India

“Saya menggunakan Workspace karena ini adalah satu-satunya solusi selama 10 tahun terakhir yang memungkinkan saya mengakses dokumen dari mana pun dan memberi saya antarmuka pengembangan yang mudah digunakan untuk Google API dengan Apps Script.”

- Stéphane Giron (@st3phcloud), Lyon, Prancis

“Saya menggunakan Google Workspace karena kolaborasi, komunikasi, integrasi, dan alur kerjanya yang hebat. Saya baru-baru ini memimpin tim guna membuat solusi klien untuk scrolling ticker COVID-19 di Gmail yang memanfaatkan Spreadsheet, Apps Script, Firebase Notifications, dan Ekstensi Chrome -- tidak ada yang tidak mungkin!”

- Steve Webster (@SteveWebster22), Lakeland, FL

“Workspace bisa mengurangi biaya proses dalam berbagai pekerjaan dengan kontrol otomatis aplikasi. Terutama, saat Google Apps Script dan API digunakan, kemungkinan efisiensi yang lebih tinggi akan menjadi tak terbatas. Saya yakin ini akan memberi angin baru bagi kehidupan kita sehari-hari.”

- Kanshi Tanaike (@tanaikech), Osaka, Jepang

“Karena kami bisa mengotomatiskan pekerjaan kami dengan Apps Script.”

- Yuki Tanabe (@tanabee_en), Tokyo, Jepang

Sumber Daya Google Workspace Developer GDE

Jika Anda tertarik untuk terhubung dan mempelajari lebih lanjut tentang apa yang sedang dibicarakan atau dikerjakan GDEs, ikuti melalui saluran sosialnya. Sebagian besar GDEs cukup aktif berbagi dalam segala hal mulai dari tips harian, acara, atau proyek open source. Gunakan link di atas dalam profil GDE atau silakan merujuk direktori GDE lengkap untuk menjelajahi para pakar di semua teknologi developer Google.

Komunitas Google Workspace GDE juga menghosting beberapa sumber daya yang sangat berguna yang layak untuk disebutkan di sini:

• Forum Komunitas
  • Google Grup - groups.google.com/g/google-apps-script-community
  • Stack Overflow - stackoverflow.com/questions/tagged/google-apps-script
  • Slack - google-apps-script.slack.com
• Daftar
  • Di Twitter - twitter.com/i/lists/1235144368593367043
  • Blog Medium Google GDE - medium.com/google-developer-experts
• Situs Berita & Tutorial GDE
  • Apps Script Pulse (Berita) - pulse.appsscript.info
  • Digital Inspiration (Add-ons & Cara Kerja) - digitalinspiration.com
  • Google Sheets Essentials (Cara Kerja Automation) - benlcollins.com
  • Desktop Liberation (Tutorial Apps Script) - ramblings.mcpher.com
  • Teacher Tech (Sumber daya untuk EDU) - alicekeeler.com
  • Totally Unscripted (Acara Komunitas) - sites.google.com/corp/view/totallyunscripted/home
• Video GDE
  • Totally Unscripted - www.youtube.com/c/TotallyUnscriptedShow

Google Cloud, Harvard Global Public Health merilis COVID-19 Public Forecasts yang disempurnakan, sebuah pembelajaran bersama

Read More



Google Cloud, Harvard Global Public Health merilis COVID-19 Public Forecasts yang disempurnakan, sebuah pembelajaran bersama

Harvard Global Health Institute dan Google Cloud telah bekerja sama selama tiga bulan terakhir untuk menyempurnakan COVID-19 Public Forecasts, untuk memberikan informasi terbaik kepada responden pertama dan organisasi kesehatan guna mempersiapkan diri terhadap yang akan terjadi di masa mendatang.

Prediksi ini menggunakan AI untuk memberikan proyeksi kasus COVID-19, kematian, dan metrik lainnya untuk wilayah dan negara bagian AS. Sejak awal rilis, COVID-19 Public Forecasts sekarang telah digunakan oleh banyak organisasi di seluruh Amerika Serikat, dan meningkat secara signifikan dengan lima cara utama:

1. Prediksi & interval kepastian yang lebih lama. Saat pertama kali diluncurkan, COVID-19 Public Forecasts menyertakan prediksi untuk 14 hari ke depan. Mereka sekarang menyertakan prediksi untuk 28 hari ke depan. Karena prediksi secara umum semakin tidak pasti seiring peristiwa yang diprediksi semakin jauh ke depan, kami menambahkan interval kepastian untuk membantu pengguna memodelkan ketidakpastian tersebut.

2. Kualitas model yang ditingkatkan. Tim khusus terus meningkatkan kualitas model dengan penelitian AI yang canggih. Makalah yang merinci beberapa inovasi ini dipublikasikan dalam konferensi machine learning, NeurIPS 2020. Model ini adalah salah satu dari sedikit model yang memprediksi lonjakan kasus di bulan Oktober dan November dengan tepat. Akurasi model terus meningkat dari waktu ke waktu dan dilatih ulang setiap hari saat tersedia lebih banyak data. Sejak prediksi pertama dipublikasikan, kami telah melihat peningkatan akurasi prediksi sekitar 50%.

“COVID-19 Public Forecasts adalah solusi kesehatan publik yang penting sebagai panduan respons kebijakan terhadap pandemi COVID-19. Dengan menyediakan ‘sistem peringatan dini’ untuk kasus COVID-19, rawat inap, ICU, penggunaan ventilator, dan kematian, COVID-19 Public Forecasts menciptakan peluang bagi pejabat kesehatan publik dan pembuat kebijakan untuk beralih dari pendekatan reaktif ke pendekatan proaktif untuk menekan pandemi,” kata Dr. Thomas Tsai, MD, MPH, ahli bedah dan peneliti kebijakan kesehatan di Harvard T.H. Chan School of Public Health. Tim risetnya menggunakan COVID-19 Public Forecasts untuk mengembangkan target pengujian negara bagian dan nasional guna mengarahkan strategi pengujian seputar skrining individu tanpa gejala guna menekan penularan tersembunyi SARS-CoV-2.

3. Kemampuan untuk berekspansi ke negara lain. Kami telah menambahkan dukungan untuk memperluas COVID-19 Public Forecasts ke negara lain, dan hari ini kami meluncurkan prediksi untuk Jepang. Seperti halnya Amerika Serikat, prediksi ini gratis dan berdasarkan data publik seperti Laporan Situasi COVID-19 publik di Jepang. Model ini memprediksi kasus yang terkonfirmasi, kematian, pemulihan, dan rawat inap, per hari, dan akan memantau 28 hari ke depan. Jepang terdiri dari beberapa prefektur dan kami menawarkan prediksi ini untuk masing-masing prefektur. Informasi ini sekarang tersedia di dasbor prediksi COVID-19 Jepang.

“Kami memvalidasi model prediksi COVID-19 ini untuk Jepang dari perspektif akademis. Prediksi ini akan berguna bagi para profesional yang memahami kemampuan dan batasan model, serta akan memainkan peran penting bagi kesehatan masyarakat Jepang dan meningkatkan kemampuan kami untuk memahami dan merespons pandemi COVID-19 yang berkembang pesat. Dilengkapi dengan karya lain yang sudah ada seperti survei respons COVID-19 dari Universitas Keio yang bermitra dengan Kementerian Kesehatan, Tenaga Kerja, dan Kesejahteraan, dan prefektur, model ini memungkinkan intervensi kesehatan masyarakat yang lebih proaktif dan efisien berdasarkan satu demi satu prefektur," kata Prof. Miyata, Departemen Kebijakan dan Manajemen Kesehatan, Fakultas Kedokteran, Universitas Keio.

4. Prediksi yang disesuaikan. Sejak diluncurkan pada bulan Agustus, kami telah bekerja sama dengan banyak organisasi untuk lebih memahami bagaimana prediksi ini bisa membantu. Dalam prosesnya, kami mempelajari bahwa banyak organisasi memiliki kebutuhan khusus dan tidak hanya memanfaatkan prediksi publik kami, misalnya, menggunakan set data mereka sendiri sebagai input. Karena itu, kami telah mengubah model prediksi awal menjadi sistem yang dapat disesuaikan dengan masalah dan set data baru. Kami bekerja dengan para pemimpin sektor publik dan organisasi kesehatan untuk membantu mereka membuat prediksi khusus untuk negara bagian dan rumah sakit.

5. Analisis bagaimana-jika untuk pengambilan keputusan kebijakan yang tepat. Kami juga melihat minat yang signifikan dalam menggunakan model prediksi untuk menanyakan “bagaimana-jika” untuk membantu memutuskan kebijakan yang lebih tepat. Misalnya, Anda bisa melihat bagaimana prediksi berubah dalam merespons perubahan kebijakan seperti jika intervensi non-farmasi (mis. kewajiban memakai masker) dimunculkan, rencana pembukaan kembali diubah, atau kebijakan vaksinasi diubah. Karena itu, kami telah mengembangkan model baru yang didukung AI untuk digunakan bagi pengambilan keputusan COVID-19 dan penyakit menular lainnya. Kami berharap ini bisa membantu organisasi yang tertarik untuk melakukan perencanaan peluncuran vaksin dan pengambilan keputusan penting lainnya yang dapat memengaruhi hasil COVID-19. Jika Anda atau organisasi Anda tertarik untuk memanfaatkan alat ini, silakan hubungi kami di COVID19-public-forecasts-feedback@google.com.

Pelajaran yang didapat

Selama pengembangan prediksi COVID-19, tim kami dihadapkan pada risiko peluncuran yang terlalu cepat. Di satu sisi, potensi dampak prediksi yang lebih akurat dan kuat terhadap respons COVID-19 cukup besar, jadi sangatlah penting untuk meluncurkan dengan cepat. Namun, kami juga harus memastikan bahwa kualitasnya cukup tinggi sehingga bisa memberi informasi kepada pembuat keputusan serta memastikan bahwa hal ini tidak menjadikan disparitas semakin mencolok karena bias model.

Bagian berikut membagikan beberapa latar belakang tentang perjalanan kami menjelang peluncuran awal COVID-19 Public Forecasts.

Googler di Alphabet berkumpul pada bulan Maret dan mempelajari literatur untuk memahami prediksi epidemiologis, menemukan set data publik terbaik untuk melatih model, membangun infrastruktur untuk melatih model machine learning besar-besaran, dan merancang AI baru untuk prediksi deret waktu. Lebih dari seratus Googler bekerja selama berbulan-bulan untuk memastikan prediks yang kuat, akurat, dan bisa dipertanggungjawabkan.

Menggabungkan machine learning termutakhir dengan model epidemiologis tradisional. Sebagian besar model prediksi AI belajar dari data, seperti prakiraan cuaca yang berdasarkan data historis. Sebaliknya, sebagian besar model prediksi COVID-19 tidak belajar dari data tetapi simulasi penyebaran sesuai dengan prakiraan epidemiologis manusia. Kami merancang model prediksi deret waktu jenis baru yang belajar dari pengetahuan epidemiologis manusia serta data. Tantangan penting lainnya adalah merancang sistem yang bisa belajar di lingkungan yang terus berubah: intervensi seperti masker dan pembatasan sosial sering berubah dan terkadang sebagai respons terhadap prediksi – perkembangan penyakit memengaruhi kebijakan publik dan perilaku publik secara individu serta sebaliknya.

Membangun produk Google Cloud publik. Sejak awal kami tahu bahwa alat yang kami buat kemungkinan besar akan dibagikan secara luas kepada publik dan banyak organisasi. Hal itulah yang mendorong kami untuk membuat software ini pada produk Google Cloud publik kami, termasuk pipeline Kubeflow, tuning hyper-parameter GCP, Kubernetes, BigQuery, Google Cloud Storage, dan Cloud SQL. Menggunakan produk sendiri membantu kami mempersiapkan prediksi dengan lebih cepat.

Meningkatkan kekuatan prediksi. Untuk memastikan bahwa kami mengembangkan prediksi yang berguna, kami bermitra dengan Harvard Global Health Institute yang memberikan panduan kepada kami tentang cara memaksimalkan dampak pembuatan kebijakan dan memastikan prediksi akan berguna bagi mereka yang sangat membutuhkannya. Selain itu, kami bermitra dengan beberapa penguji awal, termasuk HCA Healthcare, untuk membantu kami memahami apa yang harus diprediksi, bagaimana formatnya, bahkan menguji versi awal prediksi. Upaya ini membantu menyempurnakan prediksi sebelum tersedia untuk masyarakat umum. Kami juga menghadirkan para pakar di Google dengan keahlian statistik dan epidemiologis untuk memastikan bahwa pekerjaan kami memenuhi standar ilmiah tertinggi. Kami merancang proses peluncuran prediksi harian yang pertama kali menjalankan lebih dari 100 pemeriksaan untuk mencari kejanggalan, dan kami melakukan tinjauan manual untuk analisis kualitatif guna memeriksa setiap masalah. Setiap hari pelatihan model kami menelusuri lebih dari ratusan opsi hyperparameter, dan tim bekerja untuk memastikan bahwa model terbaik bisa menjangkau pengguna kami.

Prediksi yang layak dan bisa dipertanggungjawabkan. Sangatlah penting bagi kami bahwa prediksi dapat diandalkan dan kuat. Mengingat dampak disproporsional yang ditimbulkan COVID-19 pada komunitas kulit berwarna di Amerika Serikat, kami melakukan analisis kelayakan, melihat bagaimana perbedaan kesalahan relatif dan absolut pada berbagai kelompok (terutama populasi Afrika Amerika dan Hispanik) dan menyimpulkan hasilnya. Kami menulis temuan kami dalam Analisis Kelayakan publik.

Kami sangat senang dengan apa yang telah kami capai dalam delapan bulan sejak upaya ini dimulai, tetapi yang lebih penting lagi adalah, kami bangga dengan orang-orang yang bersedia bersatu untuk membuat perbedaan dalam perang melawan pandemi global ini dan berterima kasih kepada semua orang di garis depan yang telah menyelamatkan nyawa, berinovasi, dan membawa dunia selangkah lebih dekat untuk kembali normal.

Jika Anda memiliki pertanyaan tentang COVID-19 Public Forecasts (g.co/covidforecast), penyesuaian, atau analisis bagaimana-jika, silakan hubungi kami di COVID19-public-forecasts-feedback@google.com.

Artikel Terkait

Google Cloud AI dan Harvard Global Health Institute Berkolaborasi dalam model prediksi COVID-19 baru

Untuk membantu responden pertama lebih siap menghadapi apa yang akan terjadi, Google Cloud merilis COVID-19 Public Forecasts.

Baca Artikel

Mempercepat Kinerja TensorFlow di Mac

Ditulis oleh Pankaj Kanwar dan Fred Alcober
Read More



Mempercepat Kinerja TensorFlow di Mac

Ditulis oleh Pankaj Kanwar dan Fred Alcober

Dengan TensorFlow 2, pelatihan kinerja terbaik di kelasnya pada berbagai platform, perangkat, dan hardware, developer, engineer, dan peneliti bisa bekerja pada platform pilihannya. Pengguna TensorFlow di Mac berprosesor Intel atau Mac yang ditenagai oleh chip M1 baru dari Apple sekarang bisa memanfaatkan pelatihan yang dipercepat menggunakan TensorFlow 2.4 versi Apple yang dioptimalkan untuk Mac dan framework ML Compute baru. Peningkatan ini, dikombinasikan dengan kemampuan developer Apple yang bisa mengeksekusi TensorFlow di iOS melalui TensorFlow Lite, terus menunjukkan fleksibilitas dan keintensifan TensorFlow dalam mendukung eksekusi ML berkinerja tinggi di hardware Apple.

Kinerja di Mac dengan ML Compute

Mac telah lama menjadi platform populer bagi developer, engineer, dan peneliti. Dengan pengumuman Apple minggu lalu, yang menampilkan jajaran Mac terkini yang berisi chip M1 terbaru, versi TensorFlow 2.4 yang dioptimalkan untuk Mac memaksimalkan kekuatan Mac dengan peningkatan kinerja yang sangat besar.

Dengan ML Compute, framework baru Apple yang mendukung pelatihan untuk model TensorFlow langsung di Mac, kini Anda dapat memanfaatkan pelatihan akselerasi CPU dan GPU di Mac berprosesor M1 dan Intel.

Sebagai contoh, chip M1 berisi CPU 8-Core baru yang kuat dan GPU hingga 8-core yang dioptimalkan untuk tugas pelatihan ML langsung di Mac. Pada grafik di bawah, Anda bisa melihat bagaimana TensorFlow 2.4 yang dioptimalkan untuk Mac dapat memberikan peningkatan kinerja sangat besar pada Mac berprosesor M1 dan Intel dengan model populer.

Dampak pelatihan terhadap model umum yang menggunakan ML Compute pada MacBook Pro 13 inci berprosesor M1 dan Intel ditampilkan dalam detik per batch, dengan angka yang lebih rendah menunjukkan waktu pelatihan yang lebih cepat.

Dampak pelatihan terhadap model umum yang menggunakan ML Compute pada Mac Pro 2019 berprosesor Intel ditampilkan dalam detik per batch, dengan angka yang lebih rendah menunjukkan waktu pelatihan yang lebih cepat.

Mulai menggunakan TensorFlow yang dioptimalkan untuk Mac

Pengguna tidak perlu melakukan perubahan apa pun pada skrip TensorFlow yang sudah ada untuk menggunakan ML Compute sebagai backend untuk TensorFlow dan TensorFlow Addons.

Untuk memulai, kunjungi repo GitHub Apple guna mendapatkan petunjuk tentang cara mendownload dan menginstal TensorFlow 2.4 yang dioptimalkan untuk Mac.

Dalam waktu dekat, kami akan semakin memudahkan update sehingga pengguna bisa dengan mudah mendapatkan angka kinerja ini dengan mengintegrasikan versi terpisah ke dalam cabang master TensorFlow.

Anda bisa mempelajari lebih lanjut tentang framework ML Compute di situs Machine Learning Apple.

Catatan kaki:

1. Pengujian dilakukan oleh Apple pada bulan Oktober dan November 2020 menggunakan sistem MacBook Pro 13 inci praproduksi dengan chip Apple M1, RAM 16GB, dan SSD 256GB, serta sistem MacBook Pro 13 inci berbasis Intel Core i7 quad-core 1,7 GHz versi produksi dengan Intel Iris Plus Graphics 645, RAM 16GB, dan SSD 2TB. Diuji dengan macOS Big Sur prarilis, TensorFlow 2.3, TensorFlow 2.4 prarilis, ResNet50V2 dengan fine-tuning, CycleGAN, Style Transfer, MobileNetV3, dan DenseNet121. Uji kinerja dilakukan menggunakan sistem komputer khusus dan mencerminkan perkiraan kinerja MacBook Pro.
2. Pengujian dilakukan oleh Apple pada bulan Oktober dan November 2020 menggunakan sistem Mac Pro berbasis Intel Xeon W 16-core 3,2 GHz versi produksi dengan RAM 32GB, grafis AMD Radeon Pro Vega II Duo dengan 64GB HBM2, dan SSD 256GB. Diuji dengan macOS Big Sur prarilis, TensorFlow 2.3, TensorFlow 2.4 prarilis, ResNet50V2 dengan fine-tuning, CycleGAN, Style Transfer, MobileNetV3, dan DenseNet121. Uji kinerja dilakukan menggunakan sistem komputer khusus dan mencerminkan perkiraan kinerja Mac Pro.

Android App Bundle baru dan persyaratan API level target pada tahun 2021

Ditulis oleh Hoi Lam, Developer Relations Engineer, Android Platform

Pada tahun 2021, kami melanjutkan update API level target tahunan kami, mewajibkan aplikasi baru menargetkan API level 30 (Android 11) pada bulan Agustus dan November untuk semua update aplikasi. Selain itu, seperti yang diumumkan pada awal tahun ini, Google Play mewajibkan aplikasi baru untuk menggunakan format publikasi Android App Bundle. Hal ini memberikan manfaat karena aplikasi berukuran lebih kecil dan rilis lebih sederhana bisa dilakukan dengan lebih mudah kepada lebih banyak pengguna dan developer, serta mendukung investasi berkelanjutan dalam distribusi lanjutan.

Read More



Android App Bundle baru dan persyaratan API level target pada tahun 2021

Ditulis oleh Hoi Lam, Developer Relations Engineer, Android Platform

Pada tahun 2021, kami melanjutkan update API level target tahunan kami, mewajibkan aplikasi baru menargetkan API level 30 (Android 11) pada bulan Agustus dan November untuk semua update aplikasi. Selain itu, seperti yang diumumkan pada awal tahun ini, Google Play mewajibkan aplikasi baru untuk menggunakan format publikasi Android App Bundle. Hal ini memberikan manfaat karena aplikasi berukuran lebih kecil dan rilis lebih sederhana bisa dilakukan dengan lebih mudah kepada lebih banyak pengguna dan developer, serta mendukung investasi berkelanjutan dalam distribusi lanjutan.

Lebih dari 750.000 aplikasi dan game telah dipublikasikan ke produksi di Google Play menggunakan app bundle. Pengalihan aplikasi teratas menghemat ukuran rata-rata 15% dibandingkan APK universal. Pengguna yang diuntungkan dengan ukuran download yang lebih kecil dan developer seperti Netflix dan Riafy melihat tingkat keberhasilan penginstalan lebih tinggi, yang sangat berpengaruh di region dengan banyak perangkat berspesifikasi rendah dan kecepatan data yang lebih lambat. Developer yang beralih bisa menggunakan fitur distribusi lanjutan seperti Play Asset Delivery dan Play Feature Delivery. Kami menghargai masukan Anda dan berencana memperkenalkan fitur dan opsi lebih lanjut untuk Play App Signing dan Android App Bundle sebelum peralihan.

Persyaratan untuk aplikasi baru

Mulai Agustus 2021, Konsol Google Play akan mewajibkan semua aplikasi baru untuk:

• Memublikasikan dengan format Android App Bundle.
• Memanfaatkan Play Asset Delivery atau Play Feature Delivery untuk mengirimkan aset atau fitur yang melebihi ukuran download 150MB. File ekspansi (OBB) tidak lagi didukung untuk aplikasi baru.
• Menargetkan API level 30 (Android 11) atau lebih tinggi dan menyesuaikan dengan perubahan perilaku.

Persyaratan untuk update aplikasi yang sudah ada

Mulai November 2021, update wajib diberikan untuk aplikasi yang sudah ada dan menargetkan API level 30 atau lebih tinggi dan menyesuaikan dengan perubahan perilaku di Android 11. Aplikasi saat ini yang tidak menerima update tidak akan terpengaruh dan bisa terus didownload dari Play Store.

Persyaratan untuk pengalaman instan

Peralihan ke pengiriman Android App Bundle juga akan memengaruhi pengalaman instan menggunakan format ZIP aplikasi Instan yang lama. Mulai Agustus 2021, pengalaman instan baru dan update untuk pengalaman instan yang sudah ada akan diharuskan untuk memublikasikan app bundle yang mendukung instan.

Bergerak maju bersama

Berikut ini adalah ringkasan dari semua perubahan tersebut:

TIPE RILIS	DIGANTI	DIWAJIBKAN AGUSTUS 2021
Aplikasi baru  di Google Play	APK	Android App Bundle (AAB)
	API level target disetel ke 29+	API level target disetel ke 30+
	File ekspansi (OBB)	Play Asset Delivery atau  Play Feature Delivery
TIPE RILIS	DIGANTI	DIWAJIBKAN NOVEMBER 2021
Update untuk aplikasi yang sudah ada  di Google Play	Tidak ada persyaratan format publikasi baru
	API level target disetel ke 29+	API level target disetel ke 30+

Aplikasi Wear OS tidak tunduk pada persyaratan API level target yang baru.

Aplikasi masih bisa menggunakan sembarang minSdkVersion, sehingga kemampuan Anda untuk membangun aplikasi pada versi Android lama tidak berubah.

Untuk mempelajari lebih lanjut tentang transisi ke app bundle, tonton serial video baru kami: modern Android development (MAD) skills. Kami sangat berterima kasih kepada semua developer yang telah mengadopsi app bundle dan API level 30. Kami berharap bisa memajukan platform Android bersama Anda.