TensorFlow per lo sviluppo JavaScript

Prima di iniziare con i materiali didattici di seguito, dovresti:

  1. Avere dimestichezza con la programmazione del browser utilizzando HTML, CSS e JavaScript

  2. Acquisire familiarità con l'utilizzo della riga di comando per eseguire gli script Node.js

Questo curriculum è per le persone che vogliono:

  1. Crea modelli ML in JavaScript

  2. Esegui modelli esistenti ovunque sia possibile eseguire Javascript

  3. Distribuisci modelli ML ai browser Web

TensorFlow.js ti consente di sviluppare o eseguire modelli ML in JavaScript e utilizzare il ML direttamente sul lato client del browser, lato server tramite Node.js, nativo mobile tramite React Native, nativo desktop tramite Electron e persino su dispositivi IoT tramite Node.js su Raspberry Pi. Per ulteriori informazioni su TensorFlow.js e su cosa si può fare con esso, dai un'occhiata a questa conferenza su Google I/O.

Passaggio 1: scopri il machine learning nel browser

Per ottenere una rapida introduzione sulle nozioni di base del ML in JavaScript, segui il corso di autoapprendimento su Edx o guarda i video seguenti che ti portano dai principi fondamentali all'utilizzo di modelli predefiniti esistenti e persino alla creazione della tua rete neurale per la classificazione. Puoi anche provare Crea una webcam intelligente nel Codelab JavaScript per una panoramica interattiva di questi concetti.

Superpoteri per le web app di nuova generazione: Machine Learning

Questa introduzione di alto livello all'apprendimento automatico in JavaScript è rivolta agli sviluppatori web che desiderano muovere i primi passi con TensorFlow.js.

Gratuito
Guarda un video
IA di Google per sviluppatori JavaScript con TensorFlow.js

Passa da zero a eroe con il Web ML utilizzando TensorFlow.js. Scopri come creare app Web di nuova generazione che possono essere eseguite lato client ed essere utilizzate su quasi tutti i dispositivi.

Gratuito
Visualizza il corso
Crea una webcam intelligente in JavaScript con un modello pre-addestrato

Scopri come caricare e utilizzare uno dei modelli preaddestrati di TensorFlow.js (COCO-SSD) e utilizzarlo per riconoscere gli oggetti comuni su cui è stato addestrato.

Gratuito
Vedi Codelab