Trước khi bắt đầu với các tài liệu học tập dưới đây, bạn nên:
Thoải mái với việc lập trình trình duyệt bằng HTML, CSS và JavaScript
Làm quen với việc sử dụng dòng lệnh để chạy tập lệnh Node.js
Chương trình giảng dạy này dành cho những người muốn:
Xây dựng mô hình ML bằng JavaScript
Chạy các mô hình hiện có ở bất cứ nơi nào Javascript có thể chạy
Triển khai mô hình ML lên trình duyệt web
TensorFlow.js cho phép bạn phát triển hoặc thực thi các mô hình ML trong JavaScript và sử dụng ML trực tiếp ở phía máy khách trình duyệt, phía máy chủ thông qua Node.js, bản gốc di động thông qua React Native, bản gốc máy tính để bàn thông qua Electron và thậm chí trên các thiết bị IoT thông qua Node.js trên Raspberry Pi. Để tìm hiểu thêm về TensorFlow.js và những gì có thể làm với nó, hãy xem bài nói chuyện này tại Google I/O.
Bước 1: Làm quen với machine learning trên trình duyệt
Để được giới thiệu nhanh về kiến thức cơ bản về ML trong JavaScript, hãy tham gia khóa học theo nhịp độ riêng trên Edx hoặc xem các video bên dưới hướng dẫn bạn từ những nguyên tắc đầu tiên đến sử dụng các mô hình tạo sẵn hiện có và thậm chí xây dựng mạng thần kinh của riêng bạn để phân loại. Bạn cũng có thể thử Tạo webcam thông minh trong JavaScript Codelab để biết hướng dẫn tương tác về các khái niệm này.
Đi từ số 0 đến anh hùng với web ML bằng TensorFlow.js. Tìm hiểu cách tạo các ứng dụng web thế hệ tiếp theo có thể chạy phía máy khách và được sử dụng trên hầu hết mọi thiết bị.
Tìm hiểu cách tải và sử dụng một trong các mô hình được đào tạo trước của TensorFlow.js (COCO-SSD) và sử dụng mô hình đó để nhận dạng các đối tượng phổ biến mà nó đã được đào tạo.
Để hiểu sâu hơn về cách thức hoạt động của mạng lưới thần kinh và hiểu biết rộng hơn về cách áp dụng chúng vào các vấn đề khác nhau, chúng tôi có sẵn hai cuốn sách.
Học TensorFlow.js là một nơi tuyệt vời để bắt đầu nếu bạn chưa quen với Tensors và Machine Learning nói chung nhưng có hiểu biết tốt về JavaScript. Cuốn sách này sẽ đưa bạn đi từ những điều cơ bản như hiểu cách thao tác dữ liệu vào Tensors cho đến nhanh chóng tiến tới các ứng dụng trong thế giới thực. Sau khi đọc, bạn sẽ hiểu cách tải các mô hình hiện có, truyền dữ liệu cho chúng và diễn giải dữ liệu xuất ra.
Deep Learning với JavaScript cũng là một nơi tuyệt vời để bắt đầu. Nó đi kèm với một số lượng lớn các ví dụ từ GitHub để bạn có thể thực hành làm việc với máy học trong JavaScript.
Cuốn sách này sẽ trình bày cách sử dụng nhiều loại kiến trúc mạng thần kinh, chẳng hạn như Mạng thần kinh chuyển đổi, Mạng thần kinh tái phát và các mô hình đào tạo nâng cao như học tăng cường. Nó cũng cung cấp những giải thích rõ ràng về những gì đang thực sự xảy ra với mạng lưới thần kinh trong quá trình đào tạo.
Một cách tiếp cận thực tế từ đầu đến cuối đối với các nguyên tắc cơ bản của TensorFlow.js dành cho nhiều đối tượng kỹ thuật. Sau khi đọc xong cuốn sách này, bạn sẽ biết cách xây dựng và triển khai các hệ thống học sâu sẵn sàng cho sản xuất với TensorFlow.js.
của Shanqing Cai, Stanley Bileschi, Eric D. Nielsen với Francois Chollet
Được viết bởi các tác giả chính của thư viện TensorFlow, cuốn sách này cung cấp các trường hợp sử dụng hấp dẫn và hướng dẫn chuyên sâu về các ứng dụng deep learning bằng JavaScript trong trình duyệt của bạn hoặc trên Node.
Bước 3: Thực hành với các ví dụ sử dụng TensorFlow.js
Thực hành tạo nên sự hoàn hảo và trải nghiệm thực tế là cách tốt nhất để nắm vững các khái niệm. Hãy xem các lớp học lập trình TensorFlow.js để nâng cao kiến thức của bạn bằng các hướng dẫn từng bước sau đây cho các trường hợp sử dụng phổ biến:
Với kiến thức về mạng nơ-ron, bạn có thể dễ dàng khám phá các ví dụ nguồn mở do nhóm TensorFlow tạo ra. Tất cả chúng đều có sẵn trên GitHub , vì vậy bạn có thể nghiên cứu kỹ mã và xem chúng hoạt động như thế nào.
Kho lưu trữ trên GitHub chứa tập hợp các ví dụ được triển khai trong TensorFlow.js. Mỗi thư mục mẫu là độc lập nên thư mục này có thể được sao chép sang dự án khác.
Hướng dẫn về TensorFlow được viết dưới dạng sổ ghi chép Jupyter và chạy trực tiếp trong Google Colab—môi trường sổ ghi chép được lưu trữ không cần thiết lập. Nhấp vào nút Chạy trong Google Colab.
Sau khi kiểm tra kiến thức của mình và thực hành với một số ví dụ về TensorFlow.js, bạn nên sẵn sàng bắt đầu phát triển các dự án của riêng mình. Hãy xem các mô hình được đào tạo trước của chúng tôi và bắt đầu xây dựng một ứng dụng trong vài phút. Hoặc bạn có thể đào tạo mô hình của riêng mình bằng cách sử dụng dữ liệu bạn đã thu thập hoặc bằng cách sử dụng bộ dữ liệu công khai. Kaggle và Google Dataset Search là những nơi tuyệt vời để tìm các tập dữ liệu mở nhằm đào tạo mô hình của bạn.
Bạn cũng có thể xem những đóng góp mới nhất từ cộng đồng bằng cách tìm kiếm hashtag #MadeWithTFJS trên mạng xã hội.
Học máy lý thuyết và nâng cao với TensorFlow
[null,null,[],[],[],null,["# Basics of TensorFlow for JavaScript development\n\n[TensorFlow](/tutorials) › [Resources](/resources/models-datasets) › [Learn ML](/resources/learn-ml) › [Guide](/resources/learn-ml/basics-of-tensorflow-for-js-development) › \n\nTensorFlow for JavaScript development\n=====================================\n\nBefore starting on the learning materials below, you should:\n\n1. Be comfortable with browser programming using HTML, CSS, \\& JavaScript\n\n2. Be familiar with using the command line to run Node.js scripts\n\nThis curriculum is for people who want to:\n\n1. Build ML models in JavaScript\n\n2. Run existing models anywhere Javascript can run\n\n3. Deploy ML models to web browsers\n\nTensorFlow.js lets you develop or execute ML models in JavaScript, and use ML directly in the browser client side, server side via Node.js, mobile native via React Native, desktop native via Electron, and even on IoT devices via Node.js on Raspberry Pi. To learn more about TensorFlow.js, and what can be done with it, check out [this talk](https://www.youtube.com/watch?v=uU-u-5Eo65g) at Google I/O. \n\nStep 1: Get introduced to machine learning in the browser\n---------------------------------------------------------\n\nTo get a quick introduction on basics for ML in JavaScript, take the self-paced [course on Edx](https://www.edx.org/course/google-ai-for-javascript-developers-with-tensorflowjs) or watch the videos below that take you from first principles, to using existing pre-made models, and even building your own neural network for classification. You can also try the [Make a smart webcam in JavaScript](https://codelabs.developers.google.com/codelabs/tensorflowjs-object-detection#0) Codelab for an interactive walkthrough of these concepts. \n\nSuperpowers for next gen web apps: Machine Learning \nThis high level intro to machine learning in JavaScript is for web developers looking to take their first steps with TensorFlow.js. \nFree\nWatch video\n\nCode \nTheory \n*close* \n[Google AI for JavaScript developers with TensorFlow.js](https://www.edx.org/course/google-ai-for-javascript-developers-with-tensorflowjs) \nGo from zero to hero with web ML using TensorFlow.js. Learn how to create next generation web apps that can run client side and be used on almost any device. \nFree [View course](https://www.edx.org/course/google-ai-for-javascript-developers-with-tensorflowjs) \nBuild \nCode \nTheory \nBuild \n[Make a smart webcam in JavaScript with a pre-trained model](https://codelabs.developers.google.com/codelabs/tensorflowjs-object-detection#0) \nLearn how to load and use one of the TensorFlow.js pre-trained models (COCO-SSD) and use it to recognize common objects it's been trained on. \nFree [See Codelab](https://codelabs.developers.google.com/codelabs/tensorflowjs-object-detection#0) \nTheory \nBuild \n\nStep 2: Dive deeper into Deep Learning\n--------------------------------------\n\nTo get a deeper understanding of how neural networks work, and a broader understanding of how to apply them to different problems, we have two books available.\n\n[Learning TensorFlow.js](https://www.oreilly.com/library/view/learning-tensorflowjs/9781492090786/) is a great place to start if you are new to Tensors and Machine Learning generally but have a good understanding of JavaScript. This book takes you all the way from the basics such as understanding how to manipulate data into Tensors, to quickly progressing to real world applications. After reading, you will understand how to load existing models, pass data to them, and interpret data that comes out.\n\n[Deep Learning with JavaScript](https://www.manning.com/books/deep-learning-with-javascript) is also a great place to start. It is accompanied by a large number of examples from GitHub so you can practice working with machine learning in JavaScript.\n\nThis book will demonstrate how to use a wide variety of neural network architectures, such as Convolutional Neural Networks, Recurrent Neural Networks, and advanced training paradigms such as reinforcement learning. It also provides clear explanations of what is actually happening with the neural network in the training process. \n[Learning TensorFlow.js](https://www.oreilly.com/library/view/learning-tensorflowjs/9781492090786/) \nby Gant Laborde \nA hands-on end-to-end approach to TensorFlow.js fundamentals for a broad technical audience. Once you finish this book, you'll know how to build and deploy production-ready deep learning systems with TensorFlow.js. \n[View book](https://www.oreilly.com/library/view/learning-tensorflowjs/9781492090786/) \nCode \nTheory \nBuild \n[Deep Learning with JavaScript](https://www.manning.com/books/deep-learning-with-javascript) \nby Shanqing Cai, Stanley Bileschi, Eric D. Nielsen with Francois Chollet \nWritten by the main authors of the TensorFlow library, this book provides fascinating use cases and in-depth instruction for deep learning apps in JavaScript in your browser or on Node. \n[View book](https://www.manning.com/books/deep-learning-with-javascript) \nCode \nTheory \nBuild \n\nStep 3: Practice with examples using TensorFlow.js\n--------------------------------------------------\n\nPractice makes perfect, and getting hands on experience is the best way to lock in the concepts. Check out the [TensorFlow.js](https://codelabs.developers.google.com/s/results?q=tensorflow.js) codelabs to further your knowledge with these step by step guides for common use cases:\n\n1. [Make your very own \"Teachable Machine\" from a blank canvas](https://codelabs.developers.google.com/codelabs/tensorflowjs-teachablemachine-codelab#0)\n\n2. [Handwritten digit recognition with Convolutional Neural Networks](https://codelabs.developers.google.com/codelabs/tfjs-training-classfication#0)\n\n3. [Make predictions from 2D data](https://codelabs.developers.google.com/codelabs/tfjs-training-regression#0)\n\n4. [Convert a Python SavedModel to TensorFlow.js format](https://codelabs.developers.google.com/codelabs/tensorflowjs-convert-python-savedmodel#0)\n\n5. [Use Firebase to deploy and host a TensorFlow.js model](https://codelabs.developers.google.com/codelabs/tensorflowjs-firebase-hosting-model#0)\n\n6. [Build a comment spam detection system](https://codelabs.developers.google.com/codelabs/tensorflowjs-comment-spam-detection#0)\n\n7. [Retrain a comment spam detection model to handle custom edge cases](https://codelabs.developers.google.com/tensorflow-retraining-comment-spam-detection#0)\n\n8. [Audio recognition using transfer learning](https://codelabs.developers.google.com/codelabs/tensorflowjs-audio-codelab#0)\n\nWith your knowledge of neural networks, you can more easily explore the [open sourced examples](https://github.com/tensorflow/tfjs-examples) created by the TensorFlow team. They are all [available on GitHub](https://github.com/tensorflow/tfjs-examples), so you can delve into the code and see how they work. \n[Examples built with TensorFlow.js](https://github.com/tensorflow/tfjs-examples) \nA repository on GitHub that contains a set of examples implemented in TensorFlow.js. Each example directory is standalone so the directory can be copied to another project. \nFree [Learn more](https://github.com/tensorflow/tfjs-examples) \nCode \nBuild \n[Explore our tutorials to learn how to get started with TensorFlow.js](/js/tutorials) \nThe TensorFlow tutorials are written as Jupyter notebooks and run directly in Google Colab---a hosted notebook environment that requires no setup. Click the Run in Google Colab button. \nFree [Learn more](/js/tutorials) \nCode \nBuild\n\nStep 4: Make something new!\n---------------------------\n\nOnce you've tested your knowledge, and practiced with some of the TensorFlow.js examples, you should be ready to start developing your own projects. Take a look at our [pretrained models](/js/models), and start building an app in minutes. Or you can train your own model using data you've collected, or by using public datasets. [Kaggle](https://www.kaggle.com/datasets) and [Google Dataset Search](https://toolbox.google.com/datasetsearch) are great places to find open datasets for training your model.\n\nIf you are looking for inspiration, check out our [Made With TensorFlow.js show and tell episodes](https://www.youtube.com/playlist?list=PLQY2H8rRoyvzSZZuF0qJpoJxZR1NgzcZw) from people all around the world who have used TensorFlow.js in their applications.\n\nYou can also see the latest contributions from the community by searching for the [#MadeWithTFJS](https://twitter.com/hashtag/MadeWithTFJS?src=hashtag_click&f=live) hashtag on social media. \n[Previous\nTheoretical and advanced machine learning with TensorFlow](/resources/learn-ml/theoretical-and-advanced-machine-learning) \n\nLearn, develop and build with TensorFlow\n----------------------------------------\n\n[Get started](/learn)"]]
