TensorFlow لتطوير JavaScript

قبل البدء في المواد التعليمية أدناه ، يجب عليك:

  1. كن مرتاحًا مع برمجة المتصفح باستخدام HTML و CSS و JavaScript

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

هذا المنهج مخصص للأشخاص الذين يرغبون في:

  1. بناء نماذج ML في JavaScript

  2. قم بتشغيل النماذج الموجودة في أي مكان يمكن تشغيل Javascript فيه

  3. انشر نماذج ML في 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 ، والجوال الأصلي عبر React Native ، وسطح المكتب الأصلي عبر Electron ، وحتى على أجهزة إنترنت الأشياء عبر Node.js على Raspberry Pi. لمعرفة المزيد حول TensorFlow.js وما الذي يمكن فعله به ، تحقق من هذا الحديث في Google I / O.

الخطوة 1: التعرف على التعلم الآلي في المتصفح

للحصول على مقدمة سريعة عن أساسيات ML في JavaScript ، خذ الدورة التدريبية الذاتية على Edx أو شاهد مقاطع الفيديو أدناه التي تنقلك من المبادئ الأولى ، إلى استخدام النماذج المعدة مسبقًا ، وحتى بناء الشبكة العصبية الخاصة بك من أجل التصنيف. يمكنك أيضًا تجربة إنشاء كاميرا ويب ذكية في JavaScript Codelab للحصول على جولة تفاعلية لهذه المفاهيم.

القوى الخارقة لتطبيقات الويب من الجيل التالي: التعلم الآلي

هذه المقدمة عالية المستوى للتعلم الآلي في JavaScript مخصصة لمطوري الويب الذين يتطلعون إلى اتخاذ خطواتهم الأولى مع TensorFlow.js.

الذكاء الاصطناعي جوجل لمطوري جافا سكريبت مع TensorFlow.js

انتقل من الصفر إلى البطل باستخدام ML على الويب باستخدام TensorFlow.js. تعرف على كيفية إنشاء تطبيقات ويب من الجيل التالي يمكنها تشغيل جانب العميل واستخدامها على أي جهاز تقريبًا.

اصنع كاميرا ويب ذكية بجافا سكريبت بنموذج مدرب مسبقًا

تعرف على كيفية تحميل واستخدام أحد نماذج TensorFlow.js المدربة مسبقًا (COCO-SSD) واستخدمه للتعرف على الكائنات الشائعة التي تم التدريب عليها.

الخطوة 2: التعمق في التعلم العميق

للحصول على فهم أعمق لكيفية عمل الشبكات العصبية ، وفهم أوسع لكيفية تطبيقها على مشاكل مختلفة ، لدينا كتابان متاحان.

يعد تعلم TensorFlow.js مكانًا رائعًا للبدء إذا كنت جديدًا على Tensors و Machine Learning بشكل عام ولكن لديك فهم جيد لجافا سكريبت. يأخذك هذا الكتاب على طول الطريق من الأساسيات مثل فهم كيفية معالجة البيانات في Tensors ، إلى التقدم بسرعة إلى تطبيقات العالم الحقيقي. بعد القراءة ، ستفهم كيفية تحميل النماذج الحالية ، وتمرير البيانات إليها ، وتفسير البيانات التي تظهر.

يعد التعلم العميق باستخدام JavaScript أيضًا مكانًا رائعًا للبدء. وهو مصحوب بعدد 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.

تعلم TensorFlow.js
بواسطة جانت لابورد

نهج عملي شامل لأساسيات TensorFlow.js لجمهور تقني عريض. بمجرد الانتهاء من هذا الكتاب ، ستعرف كيفية إنشاء ونشر أنظمة التعلم العميق الجاهزة للإنتاج باستخدام TensorFlow.js.

التعلم العميق باستخدام JavaScript
بقلم شانكينج كاي وستانلي بيلشي وإريك دي 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.

الخطوة 3: تدرب على الأمثلة باستخدام TensorFlow.js

الممارسة تجعلها مثالية ، والحصول على الخبرة هو أفضل طريقة لتثبيت المفاهيم. تحقق من مختبرات الرموز TensorFlow.js لتعزيز معرفتك بهذه الأدلة خطوة بخطوة لحالات الاستخدام الشائعة:

  1. اصنع "آلة قابلة للتعليم" الخاصة بك من لوحة قماشية فارغة

  2. التعرف على الأرقام بخط اليد مع الشبكات العصبية التلافيفية

  3. قم بعمل تنبؤات من بيانات ثنائية الأبعاد

  4. قم بتحويل Python SavedModel إلى تنسيق TensorFlow.js

  5. استخدم Firebase لنشر نموذج TensorFlow.js واستضافته

  6. بناء نظام الكشف عن التعليقات المزعجة

  7. أعد تدريب نموذج الكشف عن التعليقات غير المرغوب فيها للتعامل مع حالات الحافة المخصصة

  8. التعرف على الصوت باستخدام نقل التعلم

من خلال معرفتك بالشبكات العصبية ، يمكنك بسهولة استكشاف الأمثلة مفتوحة المصدر التي أنشأها فريق TensorFlow. جميعها متوفرة على GitHub ، لذا يمكنك الخوض في الكود ومعرفة كيفية عملها.

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.

استكشف برامجنا التعليمية لتتعلم كيف تبدأ مع TensorFlow.js

تمت كتابة برامج TensorFlow التعليمية على هيئة دفاتر Jupyter ويتم تشغيلها مباشرة 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. ألقِ نظرة على نماذجنا التي تم اختبارها مسبقًا وابدأ في إنشاء تطبيق في غضون دقائق. أو يمكنك تدريب النموذج الخاص بك باستخدام البيانات التي جمعتها ، أو باستخدام مجموعات البيانات العامة. يعد Kaggle و Google Dataset Search أماكن رائعة للعثور على مجموعات بيانات مفتوحة لتدريب نموذجك.

إذا كنت تبحث عن الإلهام ، فتحقق من عرض Made With TensorFlow.js الخاص بنا واطلع على الحلقات من الأشخاص من جميع أنحاء العالم الذين استخدموا TensorFlow.js في تطبيقاتهم.

يمكنك أيضًا الاطلاع على أحدث المساهمات من المجتمع من خلال البحث عن علامة التصنيف #MadeWithTFJS على وسائل التواصل الاجتماعي.