Help protect the Great Barrier Reef with TensorFlow on Kaggle Join Challenge

জাভাস্ক্রিপ্ট বিকাশের জন্য টেনসরফ্লো

নীচের শেখার উপকরণগুলি শুরু করার আগে, আপনার উচিত:

  1. HTML, CSS, এবং JavaScript ব্যবহার করে ব্রাউজার প্রোগ্রামিং এর সাথে স্বাচ্ছন্দ্য বোধ করুন

  2. Node.js স্ক্রিপ্ট চালানোর জন্য কমান্ড লাইন ব্যবহার করার সাথে পরিচিত হন

এই পাঠ্যক্রমটি এমন লোকদের জন্য যারা চান:

  1. জাভাস্ক্রিপ্টে এমএল মডেল তৈরি করুন

  2. জাভাস্ক্রিপ্ট চালানো যেতে পারে এমন যেকোনো জায়গায় বিদ্যমান মডেলগুলি চালান

  3. ওয়েব ব্রাউজারে এমএল মডেল স্থাপন করুন

TensorFlow.js আপনাকে JavaScript-এ ML মডেল ডেভেলপ করতে বা এক্সিকিউট করতে দেয় এবং ব্রাউজার ক্লায়েন্ট সাইডে, Node.js-এর মাধ্যমে সার্ভার সাইডে, React Native-এর মাধ্যমে মোবাইল নেটিভ, Electron-এর মাধ্যমে ডেস্কটপ নেটিভ, এমনকি Node.js-এর মাধ্যমে IoT ডিভাইসেও ML ব্যবহার করতে দেয়। রাস্পবেরি পাইতে। TensorFlow.js সম্পর্কে আরো জানতে, এবং কি এটা দিয়ে কাজ করা যেতে পারে, খুঁজে বার করো এই আলাপ গুগল ইনপুট / আউটপুট করেন।

ধাপ 1: ব্রাউজারে মেশিন লার্নিং এর সাথে পরিচিত হন

জাভাস্ক্রিপ্টে ML-এর মৌলিক বিষয়গুলির একটি দ্রুত পরিচিতি পেতে, নীচের ভিডিওগুলি দেখুন যা আপনাকে প্রথম নীতিগুলি থেকে, বিদ্যমান পূর্ব-তৈরি মডেলগুলি ব্যবহার করতে এবং এমনকি শ্রেণিবিন্যাসের জন্য আপনার নিজস্ব নিউরাল নেটওয়ার্ক তৈরি করে। এছাড়াও আপনি চেষ্টা করে দেখতে পারেন মেক জাভাস্ক্রিপ্ট মধ্যে একটি স্মার্ট ওয়েবক্যাম এই ধারণার একটি ইন্টারেক্টিভ walkthrough জন্য Codelab।

পরবর্তী প্রজন্মের ওয়েব অ্যাপের জন্য সুপার পাওয়ার: মেশিন লার্নিং

জাভাস্ক্রিপ্টে মেশিন লার্নিং-এর এই উচ্চ স্তরের ভূমিকা হল ওয়েব ডেভেলপারদের জন্য যারা TensorFlow.js-এর সাথে তাদের প্রথম পদক্ষেপ নিতে চান।

বিনামূল্যে
ভিডিও দেখুন  
TensorFlow দ্বারা TensorFlow.js দিয়ে শুরু করা

একটি 3-অংশের সিরিজ যা TensorFlow.js-এর সাহায্যে মেশিন লার্নিং মডেলের প্রশিক্ষণ এবং এক্সিকিউটিং উভয়ই এক্সপ্লোর করে এবং জাভাস্ক্রিপ্টে একটি মেশিন লার্নিং মডেল তৈরি করতে দেখায় যা সরাসরি ব্রাউজারে কার্যকর হয়।

বিনামূল্যে
সিরিজ দেখুন  
জাভাস্ক্রিপ্টে একটি প্রাক-প্রশিক্ষিত মডেলের সাথে একটি স্মার্ট ওয়েবক্যাম তৈরি করুন

কিভাবে TensorFlow.js প্রাক-প্রশিক্ষিত মডেল (COCO-SSD) লোড করতে হয় এবং ব্যবহার করতে হয় তা শিখুন এবং এটিকে প্রশিক্ষিত সাধারণ বস্তুগুলিকে চিনতে ব্যবহার করুন৷

বিনামূল্যে
কোডল্যাব দেখুন  

ধাপ 2: ডিপ লার্নিং-এ আরও গভীরে যান

নিউরাল নেটওয়ার্কগুলি কীভাবে কাজ করে সে সম্পর্কে গভীর বোঝার জন্য এবং বিভিন্ন সমস্যায় কীভাবে তাদের প্রয়োগ করতে হয় সে সম্পর্কে বিস্তৃত বোঝার জন্য, আমাদের কাছে দুটি বই উপলব্ধ রয়েছে।

শেখা TensorFlow.js একটি দারুন জায়গা যদি আপনি Tensors এবং মেশিন লার্নিং সাধারণত নতুন শুরু কিন্তু একটি ভাল জাভাস্ক্রিপ্ট বোঝার আছে। এই বইটি আপনাকে বুনিয়াদি থেকে সমস্ত পথ নিয়ে যায় যেমন টেনসরে কীভাবে ডেটা ম্যানিপুলেট করা যায় তা বোঝা, বাস্তব বিশ্বের অ্যাপ্লিকেশনগুলিতে দ্রুত অগ্রসর হওয়া। পড়ার পরে, আপনি বুঝতে পারবেন কীভাবে বিদ্যমান মডেলগুলি লোড করতে হয়, তাদের কাছে ডেটা পাস করতে হয় এবং যে ডেটা বেরিয়ে আসে তা ব্যাখ্যা করতে হয়।

গভীর শিক্ষা জাভাস্ক্রিপ্ট একটি দারুন জায়গা শুরু হয়। এটির সাথে গিটহাব থেকে প্রচুর সংখ্যক উদাহরণ রয়েছে যাতে আপনি জাভাস্ক্রিপ্টে মেশিন লার্নিংয়ের সাথে কাজ করার অনুশীলন করতে পারেন।

এই বইটি প্রদর্শন করবে কিভাবে বিভিন্ন ধরনের নিউরাল নেটওয়ার্ক আর্কিটেকচার ব্যবহার করতে হয়, যেমন কনভোল্যুশনাল নিউরাল নেটওয়ার্ক, রিকারেন্ট নিউরাল নেটওয়ার্ক, এবং উন্নত প্রশিক্ষণ দৃষ্টান্ত যেমন রিইনফোর্সমেন্ট লার্নিং। এটি প্রশিক্ষণ প্রক্রিয়ায় নিউরাল নেটওয়ার্কের সাথে আসলে কী ঘটছে তার স্পষ্ট ব্যাখ্যাও প্রদান করে।

TensorFlow.js শেখা
Gant Laborde দ্বারা

একটি বিস্তৃত প্রযুক্তিগত দর্শকদের জন্য TensorFlow.js মৌলিক বিষয়গুলির জন্য একটি হ্যান্ডস-অন এন্ড-টু-এন্ড পদ্ধতি। একবার আপনি এই বইটি শেষ করে ফেললে, আপনি TensorFlow.js-এর সাথে প্রোডাকশন-রেডি ডিপ লার্নিং সিস্টেমগুলি কীভাবে তৈরি এবং স্থাপন করতে হয় তা জানতে পারবেন।

জাভাস্ক্রিপ্ট দিয়ে গভীর শিক্ষা
ফ্রাঙ্কোইস চোলেটের সাথে শানকিং কাই, স্ট্যানলি বিলেচি, এরিক ডি নিলসেন

টেনসরফ্লো লাইব্রেরির প্রধান লেখকদের দ্বারা লিখিত, এই বইটি আপনার ব্রাউজারে বা নোডে জাভাস্ক্রিপ্টে গভীর শিক্ষার অ্যাপগুলির জন্য আকর্ষণীয় ব্যবহারের ক্ষেত্রে এবং গভীরভাবে নির্দেশনা প্রদান করে।

ধাপ 3: TensorFlow.js ব্যবহার করে উদাহরণ সহ অনুশীলন করুন

অনুশীলন নিখুঁত করে তোলে, এবং অভিজ্ঞতা অর্জন করা ধারণাগুলি লক করার সর্বোত্তম উপায়। পরীক্ষা করে দেখুন TensorFlow.js সাধারণ ব্যবহারের ক্ষেত্র জন্য ধাপে লেখা সহায়িকা দ্বারা এই পদক্ষেপ সাথে আপনার জ্ঞান এগিয়ে নিয়ে যাওয়ার codelabs:

  1. একটি ফাঁকা ক্যানভাস থেকে আপনার নিজস্ব "শিক্ষাযোগ্য মেশিন" তৈরি করুন

  2. কনভোলিউশনাল নিউরাল নেটওয়ার্কের সাথে হাতে লেখা অঙ্কের স্বীকৃতি

  3. 2D ডেটা থেকে ভবিষ্যদ্বাণী করুন

  4. Python SavedModel কে TensorFlow.js ফরম্যাটে রূপান্তর করুন

  5. একটি TensorFlow.js মডেল স্থাপন এবং হোস্ট করতে Firebase ব্যবহার করুন

  6. একটি মন্তব্য স্প্যাম সনাক্তকরণ সিস্টেম তৈরি করুন

  7. কাস্টম এজ কেসগুলি পরিচালনা করতে একটি মন্তব্য স্প্যাম সনাক্তকরণ মডেলকে পুনরায় প্রশিক্ষণ দিন৷

  8. ট্রান্সফার লার্নিং ব্যবহার করে অডিও স্বীকৃতি

স্নায়ুর নেটওয়ার্ক আপনার জ্ঞান সঙ্গে, আপনি আরও সহজে অন্বেষণ করতে পারবেন ওপেন সোর্সড উদাহরণ TensorFlow দল দ্বারা তৈরি করা হয়েছে। তারা সব GitHub থেকে পাওয়া , তাই আপনি কোড মধ্যে উপত্যকা পারে এবং দেখতে কিভাবে তারা কাজ করে।

TensorFlow.js দিয়ে তৈরি উদাহরণ

GitHub-এর একটি সংগ্রহস্থল যাতে TensorFlow.js-এ বাস্তবায়িত উদাহরণের একটি সেট রয়েছে। প্রতিটি উদাহরণ ডিরেক্টরি স্বতন্ত্র তাই ডিরেক্টরিটি অন্য প্রকল্পে অনুলিপি করা যেতে পারে।

বিনামূল্যে
আরও জানুন  
TensorFlow.js এর সাথে কীভাবে শুরু করবেন তা শিখতে আমাদের টিউটোরিয়ালগুলি অন্বেষণ করুন

TensorFlow টিউটোরিয়ালগুলি জুপিটার নোটবুক হিসাবে লেখা হয় এবং সরাসরি Google Colab-এ চালানো হয়—একটি হোস্ট করা নোটবুক পরিবেশ যার কোনো সেটআপের প্রয়োজন হয় না। Run in Google Colab বোতামে ক্লিক করুন।

বিনামূল্যে
আরও জানুন  

ধাপ 4: কিছু নতুন করুন!

একবার আপনি আপনার জ্ঞান পরীক্ষা করে নিলে, এবং TensorFlow.js এর কিছু উদাহরণ দিয়ে অনুশীলন করলে, আপনার নিজের প্রজেক্ট তৈরি করা শুরু করার জন্য প্রস্তুত হওয়া উচিত। আমাদের কটাক্ষপাত pretrained মডেল , এবং মিনিটের মধ্যে একটি অ্যাপ্লিকেশন নির্মাণ শুরু। অথবা আপনি আপনার সংগ্রহ করা ডেটা ব্যবহার করে বা সর্বজনীন ডেটাসেট ব্যবহার করে আপনার নিজের মডেলকে প্রশিক্ষণ দিতে পারেন। Kaggle এবং গুগল ডেটা সেটটি অনুসন্ধান অসাধারণ জায়গাগুলি আপনার মডেল প্রশিক্ষণ জন্য খোলা ডেটাসেট খুঁজে পেতে হয়।

যদি আপনি খুঁজছেন অনুপ্রেরণা জন্য, আমাদের খুঁজে বার করো তৈরি TensorFlow.js শো এবং পর্ব বলতে সারা বিশ্বব্যাপী মানুষ যারা তাদের অ্যাপ্লিকেশনের মধ্যে TensorFlow.js ব্যবহার করেছেন থেকে।

এছাড়াও আপনি অনুসন্ধানের দ্বারা সম্প্রদায় থেকে সর্বশেষ অবদান দেখতে পারেন #MadeWithTFJS সামাজিক মিডিয়া হ্যাশট্যাগ।