Halaman ini diterjemahkan oleh Cloud Translation API.

TensorFlow untuk pengembangan JavaScript

Sebelum memulai materi pembelajaran di bawah ini, sebaiknya Anda:

Merasa nyaman dengan pemrograman browser menggunakan HTML, CSS, & JavaScript
Pahami penggunaan baris perintah untuk menjalankan skrip Node.js

Kurikulum ini diperuntukkan bagi orang-orang yang ingin:

Membangun model ML dalam JavaScript
Jalankan model yang ada di mana pun Javascript dapat dijalankan
Terapkan model ML ke browser web

TensorFlow.js memungkinkan Anda mengembangkan atau mengeksekusi model ML dalam JavaScript, dan menggunakan ML secara langsung di sisi klien browser, sisi server melalui Node.js, mobile native melalui React Native, desktop native melalui Electron, dan bahkan pada perangkat IoT melalui Node.js pada Raspberry Pi. Untuk mempelajari lebih lanjut tentang TensorFlow.js, dan apa yang dapat dilakukan dengannya, lihat pembicaraan ini di Google I/O.

Langkah 1: Perkenalkan pembelajaran mesin di browser

Untuk mendapatkan pengenalan singkat tentang dasar-dasar ML dalam JavaScript, ikuti kursus mandiri di Edx atau tonton video di bawah yang akan membawa Anda mulai dari prinsip pertama, hingga menggunakan model siap pakai yang sudah ada, dan bahkan membuat jaringan saraf Anda sendiri untuk klasifikasi. Anda juga dapat mencoba Membuat webcam cerdas di Codelab JavaScript untuk panduan interaktif tentang konsep ini.

Kekuatan super untuk aplikasi web generasi berikutnya: Pembelajaran Mesin

Pengantar pembelajaran mesin tingkat tinggi dalam JavaScript ini ditujukan untuk developer web yang ingin mengambil langkah pertama dengan TensorFlow.js.

Bebas

Menonton video

Kode

Teori

Google AI untuk pengembang JavaScript dengan TensorFlow.js

Beralih dari nol menjadi pahlawan dengan web ML menggunakan TensorFlow.js. Pelajari cara membuat aplikasi web generasi berikutnya yang dapat berjalan di sisi klien dan digunakan di hampir semua perangkat.

Bebas

Lihat kursus

Membangun

Kode

Teori

Membangun

Buat webcam pintar dalam JavaScript dengan model terlatih

Pelajari cara memuat dan menggunakan salah satu model terlatih TensorFlow.js (COCO-SSD) dan menggunakannya untuk mengenali objek umum yang telah dilatihnya.

Bebas

Lihat Codelab

Teori

Membangun

Langkah 2: Selami Pembelajaran Mendalam lebih dalam

Untuk mendapatkan pemahaman yang lebih mendalam tentang cara kerja jaringan saraf, dan pemahaman yang lebih luas tentang cara menerapkannya pada berbagai masalah, kami memiliki dua buku yang tersedia.

Mempelajari TensorFlow.js adalah awal yang baik jika Anda umumnya baru mengenal Tensor dan Machine Learning, tetapi memiliki pemahaman yang baik tentang JavaScript. Buku ini akan membawa Anda mulai dari dasar-dasar seperti memahami cara memanipulasi data menjadi Tensor, hingga maju dengan cepat ke aplikasi dunia nyata. Setelah membaca, Anda akan memahami cara memuat model yang ada, meneruskan data ke model tersebut, dan menafsirkan data yang keluar.

Pembelajaran Mendalam dengan JavaScript juga merupakan tempat yang bagus untuk memulai. Hal ini disertai dengan sejumlah besar contoh dari GitHub sehingga Anda dapat berlatih bekerja dengan pembelajaran mesin dalam JavaScript.

Buku ini akan mendemonstrasikan cara menggunakan berbagai macam arsitektur jaringan saraf, seperti Jaringan Syaraf Konvolusional, Jaringan Syaraf Berulang, dan paradigma pelatihan lanjutan seperti pembelajaran penguatan. Ini juga memberikan penjelasan yang jelas tentang apa yang sebenarnya terjadi dengan jaringan saraf dalam proses pelatihan.

Mempelajari TensorFlow.js

oleh Gant Laborde

Pendekatan menyeluruh terhadap dasar-dasar TensorFlow.js untuk audiens teknis yang luas. Setelah menyelesaikan buku ini, Anda akan mengetahui cara membangun dan menerapkan sistem deep learning siap produksi dengan TensorFlow.js.

Lihat buku

Kode

Teori

Membangun

Pembelajaran Mendalam dengan JavaScript

oleh Shanqing Cai, Stanley Bileschi, Eric D. Nielsen dengan Francois Chollet

Ditulis oleh penulis utama perpustakaan TensorFlow, buku ini memberikan kasus penggunaan menarik dan instruksi mendalam untuk aplikasi pembelajaran mendalam dalam JavaScript di browser Anda atau di Node.js.

Lihat buku

Kode

Teori

Membangun

Langkah 4: Buat sesuatu yang baru!

Setelah menguji pengetahuan Anda dan berlatih dengan beberapa contoh TensorFlow.js, Anda harus siap untuk mulai mengembangkan proyek Anda sendiri. Lihatlah model kami yang telah dilatih sebelumnya , dan mulailah membuat aplikasi dalam hitungan menit. Atau Anda bisa melatih model Anda sendiri menggunakan data yang telah Anda kumpulkan, atau dengan menggunakan kumpulan data publik. Kaggle dan Pencarian Kumpulan Data Google adalah tempat yang bagus untuk menemukan kumpulan data terbuka untuk melatih model Anda.

Jika Anda mencari inspirasi, lihat acara Made With TensorFlow.js kami dan ceritakan episode dari orang-orang di seluruh dunia yang telah menggunakan TensorFlow.js dalam aplikasi mereka.

Anda juga dapat melihat kontribusi terbaru dari komunitas dengan mencari hashtag #MadeWithTFJS di media sosial.

TensorFlow untuk pengembangan JavaScript

Langkah 1: Perkenalkan pembelajaran mesin di browser

Langkah 2: Selami Pembelajaran Mendalam lebih dalam

Langkah 3: Berlatih dengan contoh menggunakan TensorFlow.js

Langkah 4: Buat sesuatu yang baru!

Pelajari, kembangkan, dan bangun dengan TensorFlow