RSVP for your your local TensorFlow Everywhere event today!
ترجمت واجهة Cloud Translation API‏ هذه الصفحة.
Switch to English

التخصص: أساسيات TensorFlow لتطوير JavaScript

قبل البدء في المواد التعليمية أدناه ، يجب عليك:

  1. كن مرتاحًا مع برمجة المتصفح باستخدام HTML و JavaScript

  2. كن على دراية باستخدام سطر الأوامر لتشغيل البرامج النصية لـ node.js

هذا المنهج مخصص للأشخاص الذين يرغبون في:

  1. بناء نماذج ML في JavaScript

  2. قم بتشغيل نماذج TensorFlow.js الحالية

  3. انشر نماذج ML على متصفحات الويب

يتيح لك TensorFlow.js تطوير نماذج ML في JavaScript ، واستخدام ML مباشرة في المتصفح أو على Node.js. لمعرفة المزيد حول TensorFlow.js وما يمكن فعله به ، تحقق من هذا الحديث في Google I / O.

الخطوة الأولى: مقدمة سريعة للتعلم الآلي في المتصفح.

للحصول على مقدمة سريعة حول أساسيات ML في JavaScript ، شاهد سلسلة الفيديو هذه على YouTube ، والتي تأخذك من المبادئ الأولى إلى بناء شبكة عصبية للقيام بالتصنيف الأساسي.

دورات تمهيدية عبر الإنترنت
الشروع في العمل مع TensorFlow.js بواسطة TensorFlow

سلسلة من 3 أجزاء تستكشف كلاً من التدريب وتنفيذ نماذج التعلم الآلي باستخدام TensorFlow.js ، وتوضح لك كيفية إنشاء نموذج تعلم آلي في JavaScript يتم تنفيذه مباشرةً في المتصفح.

مجانا
راقب  

الخطوة 2: التعمق في التعلم العميق

للحصول على فهم أعمق لكيفية عمل الشبكات العصبية ، وفهم أوسع لكيفية تطبيقها على مشاكل مختلفة ، يعد كتاب التعلم العميق باستخدام JavaScript مكانًا رائعًا للبدء. يرافقه عدد كبير من الأمثلة من GitHub حتى تتمكن من ممارسة العمل مع التعلم الآلي في JavaScript.

سيوضح هذا الكتاب كيفية استخدام مجموعة متنوعة من بنى الشبكات العصبية ، مثل الشبكات العصبية التلافيفية ، والشبكات العصبية المتكررة ، ونماذج التدريب المتقدمة مثل التعلم المعزز. كما يقدم تفسيرات واضحة لما يحدث بالفعل مع الشبكة العصبية في عملية التدريب.

دورات تمهيدية عبر الإنترنت
التعلم العميق باستخدام JavaScript بواسطة Shanqing Cai و Stanley Bileschi و Eric D. Nielsen مع Francois Chollet

يقدم هذا الكتاب ، الذي كتبه المؤلفون الرئيسيون لمكتبة TensorFlow ، حالات استخدام رائعة وتعليمات متعمقة لتطبيقات التعلم العميق في JavaScript في متصفحك أو على Node.

الخطوة 3: تدرب على الأمثلة باستخدام TensorFlow.js

الممارسة تجعلها مثالية ، والحصول على الخبرة هو أفضل طريقة لتأمين المفاهيم. بفضل معرفتك بالشبكات العصبية ، يمكنك بسهولة استكشاف الأمثلة مفتوحة المصدر التي أنشأها فريق TensorFlow. كلها متوفرة على GitHub ، لذا يمكنك الخوض في الكود ومعرفة كيفية عملها. لتجربة حالات الاستخدام الشائعة ، يمكنك البدء في استكشاف الشبكات العصبية التلافيفية باستخدام مثال mnist ، أو حاول نقل التعلم باستخدام مثال mnist-transfer-cnn ، أو شاهد كيف يتم تنظيم الشبكات العصبية المتكررة باستخدام مثال add -rnn .

TensorFlow.JS
أمثلة تم إنشاؤها باستخدام TensorFlow.js

مستودع على GitHub يحتوي على مجموعة من الأمثلة المنفذة في TensorFlow.js. كل مثال دليل مستقل بحيث يمكن نسخ الدليل إلى مشروع آخر.

TensorFlow.JS
استكشف برامجنا التعليمية لتتعلم كيف تبدأ مع TensorFlow.js

تمت كتابة برامج TensorFlow التعليمية على هيئة دفاتر Jupyter ويتم تشغيلها مباشرةً في Google Colab - وهي بيئة دفتر ملاحظات مستضافة لا تتطلب أي إعداد. انقر فوق الزر تشغيل في Google Colab.

الخطوة 4: اصنع شيئًا جديدًا!

بمجرد اختبار معرفتك ، وممارسة بعض أمثلة TensorFlow.js ، يجب أن تكون مستعدًا لبدء تطوير مشاريعك الخاصة. ألق نظرة على نماذجنا التي تم اختبارها مسبقًا وابدأ في إنشاء تطبيق. أو يمكنك تدريب نموذجك الخاص باستخدام البيانات التي جمعتها ، أو باستخدام مجموعات البيانات العامة. يعد Kaggle و Google Dataset Search أماكن رائعة للعثور على مجموعات بيانات مفتوحة لتدريب نموذجك.