كن مرتاحًا مع برمجة المتصفح باستخدام HTML وCSS وJavaScript
كن على دراية باستخدام سطر الأوامر لتشغيل البرامج النصية لـ Node.js
هذا المنهج مخصص للأشخاص الذين يريدون:
بناء نماذج ML في جافا سكريبت
قم بتشغيل النماذج الموجودة في أي مكان يمكن تشغيل Javascript فيه
نشر نماذج ML على متصفحات الويب
يتيح لك TensorFlow.js تطوير أو تنفيذ نماذج ML في JavaScript، واستخدام ML مباشرة في جانب عميل المتصفح، وجانب الخادم عبر Node.js، والهاتف المحمول الأصلي عبر React Native، وسطح المكتب الأصلي عبر Electron، وحتى على أجهزة إنترنت الأشياء عبر Node.js على راسبيري باي. لمعرفة المزيد حول TensorFlow.js، وما يمكن فعله به، راجع هذه المحادثة في Google I/O.
الخطوة 1: تعرف على التعلم الآلي في المتصفح
للحصول على مقدمة سريعة عن أساسيات تعلم الآلة في JavaScript، يمكنك حضور الدورة التدريبية ذاتية السرعة على Edx أو مشاهدة مقاطع الفيديو أدناه التي تأخذك من المبادئ الأولى، إلى استخدام النماذج الحالية المعدة مسبقًا، وحتى بناء شبكتك العصبية الخاصة للتصنيف. يمكنك أيضًا تجربة إنشاء كاميرا ويب ذكية في JavaScript Codelab للحصول على إرشادات تفاعلية حول هذه المفاهيم.
انتقل من الصفر إلى البطل باستخدام الويب ML باستخدام TensorFlow.js. تعرف على كيفية إنشاء تطبيقات الويب من الجيل التالي التي يمكنها تشغيل جانب العميل واستخدامها على أي جهاز تقريبًا.
للحصول على فهم أعمق لكيفية عمل الشبكات العصبية، وفهم أوسع لكيفية تطبيقها على المشاكل المختلفة، لدينا كتابان متاحان.
يعد تعلم TensorFlow.js مكانًا رائعًا للبدء إذا كنت جديدًا على Tensors والتعلم الآلي بشكل عام ولكن لديك فهم جيد لجافا سكريبت. يأخذك هذا الكتاب على طول الطريق من الأساسيات مثل فهم كيفية التعامل مع البيانات في Tensors، إلى التقدم بسرعة إلى تطبيقات العالم الحقيقي. بعد القراءة، ستفهم كيفية تحميل النماذج الموجودة، وتمرير البيانات إليها، وتفسير البيانات التي تخرج.
يعد التعلم العميق باستخدام JavaScript أيضًا مكانًا رائعًا للبدء. وهو مصحوب بعدد كبير من الأمثلة من GitHub حتى تتمكن من ممارسة العمل باستخدام التعلم الآلي في JavaScript.
سيوضح هذا الكتاب كيفية استخدام مجموعة واسعة من بنيات الشبكات العصبية، مثل الشبكات العصبية التلافيفية، والشبكات العصبية المتكررة، ونماذج التدريب المتقدمة مثل التعلم المعزز. كما يقدم أيضًا تفسيرات واضحة لما يحدث فعليًا مع الشبكة العصبية أثناء عملية التدريب.
نهج عملي شامل لأساسيات TensorFlow.js لجمهور تقني واسع. بمجرد الانتهاء من هذا الكتاب، ستعرف كيفية إنشاء ونشر أنظمة التعلم العميق الجاهزة للإنتاج باستخدام TensorFlow.js.
بواسطة شانكينج كاي، ستانلي بيلشي، إريك د. نيلسن مع فرانسوا شوليت
يقدم هذا الكتاب، الذي كتبه المؤلفون الرئيسيون لمكتبة TensorFlow، حالات استخدام رائعة وتعليمات متعمقة لتطبيقات التعلم العميق في JavaScript في متصفحك أو على Node.
الممارسة تؤدي إلى الكمال، والحصول على الخبرة العملية هو أفضل طريقة لتثبيت المفاهيم. تحقق من دروس التعليمات البرمجية الخاصة بـ TensorFlow.js لتعزيز معرفتك باستخدام هذه الأدلة خطوة بخطوة لحالات الاستخدام الشائعة:
بفضل معرفتك بالشبكات العصبية، يمكنك بسهولة استكشاف الأمثلة مفتوحة المصدر التي أنشأها فريق TensorFlow. جميعها متاحة على GitHub ، لذا يمكنك التعمق في التعليمات البرمجية ومعرفة كيفية عملها.
تتم كتابة البرامج التعليمية لـ TensorFlow كدفاتر ملاحظات Jupyter ويتم تشغيلها مباشرة في Google Colab، وهي بيئة دفتر ملاحظات مستضافة لا تتطلب أي إعداد. انقر فوق الزر "تشغيل في Google Colab".
بمجرد اختبار معلوماتك والتدرب على بعض أمثلة TensorFlow.js، يجب أن تكون مستعدًا لبدء تطوير مشاريعك الخاصة. ألقِ نظرة على نماذجنا المُدربة مسبقًا ، وابدأ في إنشاء تطبيق في دقائق. أو يمكنك تدريب النموذج الخاص بك باستخدام البيانات التي جمعتها، أو باستخدام مجموعات البيانات العامة. يعد Kaggle و Google Dataset Search مكانين رائعين للعثور على مجموعات بيانات مفتوحة لتدريب نموذجك.
يمكنك أيضًا الاطلاع على أحدث المساهمات من المجتمع من خلال البحث عن علامة التصنيف #MadeWithTFJS على وسائل التواصل الاجتماعي.
التعلم الآلي النظري والمتقدم باستخدام 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)"]]
