TensorFlow برای توسعه جاوا اسکریپت

برای آشنایی سریع با اصول اولیه ML در جاوا اسکریپت، دوره آموزشی خود گام در Edx را بگذرانید یا ویدیوهای زیر را تماشا کنید که شما را از اصول اولیه، به استفاده از مدل های از پیش ساخته شده موجود و حتی ساخت شبکه عصبی خود برای طبقه بندی می برد. همچنین می‌توانید وب‌کم هوشمند را در JavaScript Codelab برای بررسی تعاملی این مفاهیم امتحان کنید.

برای دریافت درک عمیق تر از نحوه عملکرد شبکه های عصبی و درک گسترده تر از نحوه به کارگیری آنها در مسائل مختلف، دو کتاب در دسترس داریم.

یادگیری TensorFlow.js مکانی عالی برای شروع است اگر به طور کلی با Tensor و یادگیری ماشینی تازه کار هستید اما درک خوبی از جاوا اسکریپت دارید. این کتاب شما را از اصول اولیه مانند درک نحوه دستکاری داده‌ها در Tensor تا پیشرفت سریع به برنامه‌های کاربردی دنیای واقعی می‌برد. پس از خواندن، خواهید فهمید که چگونه مدل های موجود را بارگذاری کنید، داده ها را به آنها منتقل کنید و داده هایی را که بیرون می آیند تفسیر کنید.

یادگیری عمیق با جاوا اسکریپت نیز یک مکان عالی برای شروع است. با تعداد زیادی نمونه از GitHub همراه است تا بتوانید کار با یادگیری ماشین را در جاوا اسکریپت تمرین کنید.

این کتاب نحوه استفاده از طیف گسترده‌ای از معماری‌های شبکه‌های عصبی، مانند شبکه‌های عصبی کانولوشن، شبکه‌های عصبی تکراری، و الگوهای آموزشی پیشرفته مانند یادگیری تقویتی را نشان می‌دهد. همچنین توضیحات روشنی از آنچه در واقع با شبکه عصبی در فرآیند آموزش اتفاق می افتد ارائه می دهد.

تمرین کامل می‌شود و دستیابی به تجربه بهترین راه برای قفل کردن مفاهیم است. برای افزایش دانش خود با این راهنمای گام به گام برای موارد استفاده رایج، کد لبه های TensorFlow.js را بررسی کنید:

1. "ماشین قابل آموزش" خود را از یک بوم خالی بسازید

2. تشخیص رقم دست‌نویس با شبکه‌های عصبی کانولوشنال

3. از داده های دو بعدی پیش بینی کنید

4. یک Python SavedModel را به فرمت TensorFlow.js تبدیل کنید

5. از Firebase برای استقرار و میزبانی یک مدل TensorFlow.js استفاده کنید

6. یک سیستم تشخیص هرزنامه نظرات بسازید

7. یک مدل تشخیص هرزنامه نظر را دوباره آموزش دهید تا موارد لبه سفارشی را مدیریت کند

8. تشخیص صدا با استفاده از آموزش انتقال

با دانش خود در مورد شبکه های عصبی، می توانید نمونه های منبع باز ایجاد شده توسط تیم TensorFlow را راحت تر کشف کنید. همه آنها در GitHub در دسترس هستند ، بنابراین می توانید کد را بررسی کنید و ببینید که چگونه کار می کنند.

هنگامی که دانش خود را آزمایش کردید و با برخی از نمونه های TensorFlow.js تمرین کردید، باید آماده شروع توسعه پروژه های خود باشید. به مدل های از پیش آموزش دیده ما نگاهی بیندازید و در عرض چند دقیقه شروع به ساختن یک برنامه کنید. یا می توانید مدل خود را با استفاده از داده هایی که جمع آوری کرده اید یا با استفاده از مجموعه داده های عمومی آموزش دهید. Kaggle و Google Dataset Search مکان‌های عالی برای یافتن مجموعه داده‌های باز برای آموزش مدل شما هستند.

اگر به دنبال الهام هستید، برنامه Made With TensorFlow.js ما را بررسی کنید و قسمت‌هایی را از افرادی در سراسر جهان که از TensorFlow.js در برنامه‌های خود استفاده کرده‌اند، بگویید.

همچنین می‌توانید با جستجوی هشتگ #MadeWithTFJS در شبکه‌های اجتماعی، آخرین مشارکت‌های انجمن را مشاهده کنید.