Este documento presenta una introducción a machine learning con JavaScript. Explica conceptos básicos como aprendizaje supervisado, no supervisado y por refuerzo. Luego describe alternativas populares para machine learning en JavaScript como brain.js y TensorFlow.js. Finalmente, ofrece un ejemplo de código de reconocimiento de escritura con TensorFlow.js.

1. Introducción a
machine learning
con JavaScript
CaliJS – Junio 2018

2. ¡Hola!
Soy Manuel Zapata
Geek, emprendedor,
arquitecto de software.
Me pueden encontrar en
http://manuelzapata.co.
2

3. Empecemos con un
ejemplo
Teachable machine
3

4. 1.
Una revisión de los
conceptos básicos
4

5. Machine
learning
5

6. “
Es un área de la inteligencia artificial, que
normalmente usa técnicas estadísticas
para darle a los computadores la
habilidad de “aprender” con datos, sin
ser explícitamente programados.
6

7. http://manuelzapata.co
Categorías principales en machine learning
◎Aprendizaje supervisado.
◎Aprendizaje no supervisado.
◎Aprendizaje por refuerzo.
7

8. Aprendizaje
supervisado
8

9. http://manuelzapata.co
¿Cómo funciona?
9

10. http://manuelzapata.co
Aprendizaje supervisado: árboles de decisión
10

11. http://manuelzapata.co
Aprendizaje supervisado: regresión
11

12. http://manuelzapata.co
Aprendizaje supervisado: redes neuronales
12

13. Ejemplo de redes
neuronales
Deep playground
13

14. 2.
De la teoría a lo
técnico
14

15. Lenguajes más populares para machine learning
15

16. http://manuelzapata.co
Alternativas con JavaScript
◎brain.js
◎Synaptic
◎ConvNetJS
◎Compromise
◎Neuro.js
◎ml.js
◎TensorFlow.js (antes DeepLearn.js)
16

17. 3.
TensorFlow.js
17

18. ¿Qué es
TensorFlow.js?
Es una librería de
código abierto, que
hace uso de WebGL,
para ofrecer servicios
de machine learning
18

19. http://manuelzapata.co
Características generales
◎Anunciado el 30 de marzo.
◎Machine learning en el navegador.
◎Aceleración por GPU, usando WebGL.
◎También en Node.
◎No envía datos al servidor (privacidad).
19

20. http://manuelzapata.co
Características generales
◎Sucesor de deeplearn.js (ahora TensorFlow.js
Core).
◎API de bajo nivel para álgebra lineal.
◎API de alto nivel para capas.
◎Se pueden crear modelos directamente en el
navegador.
◎Se pueden importar modelos de TensorFlow y
Keras.
◎API similar al de Python, pero aún no lo iguala.
20

21. Navegador
@tensorflow/tfjs
Paquetes NPM
Node.js
@tensorflow/tfjs-node
21

22. http://manuelzapata.co
Tensores
Un conjunto de valores numéricos, de una o más
dimensiones. Son inmutables.
Funciones
tf.tensor tf.tensor2d
tf.scalar tf.zeros
tf.tensor1d tf.ones
22

23. http://manuelzapata.co
Variables
Se inicializan con un tensor. No son inmutables.
Funciones
tf.variable
23

24. http://manuelzapata.co
Operaciones
Permiten manipular los datos almacenados en
tensores. Tienen funcionalidades para álgebra
lineal y machine learning.
Funciones
square logicalAnd
add mean
sum transpose
24

25. http://manuelzapata.co
Modelos y capas
Un modelo es una estructura compuesta por capas, y
que dado unos datos de entrada provee una salida.
Funciones para modelos Funciones para capas
tf.sequential tf.layers.dense
tf.model tf.layers.simpleRNN
tf.loadModel tf.layers.conv2d
25

26. Veamos algo de
código
26

27. Un último ejemplo
Reconocimiento de escritura
27

28. 4.
Cierre
28

29. http://manuelzapata.co
¿Por dónde empezar?
◎Página oficial de TensorFlow.js.
◎Video de lanzamiento de TensorFlow.js.
◎Nanodegree de machine learning de Udacity.
◎Especialización de deep learning de Coursera.
◎Machine learning crash course de Google.
◎Google Cloud AI.
◎Machine learning en AWS.
29

30. http://manuelzapata.co
30
http://manuelzapata.co/wa

31. ¡Mil gracias!
31