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.
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
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
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
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
Características del ejemplo
- Utiliza redes neuronales.
- El conjunto de datos de entrenamiento se genera en el navegador.
- El entrenamiento se ejecuta en el navegador.
- Emplea TensorFlow.js.
Características del ejemplo
- Utiliza redes neuronales.
- El conjunto de datos de entrenamiento se genera en el navegador.
- El entrenamiento se ejecuta en el navegador.
- Emplea TensorFlow.js.
Revisión muy general.
Compromise Procesamiento de lenguajes naturales.
ml.Js Utilitarios para machine learning y análisis numérico.
Revisión muy general.
Características del ejemplo
- Utiliza redes neuronales.
- El conjunto de datos de entrenamiento se genera en el navegador.
- El entrenamiento se ejecuta en el navegador.
- Emplea TensorFlow.js.
Características del ejemplo
- Utiliza redes neuronales.
- El conjunto de datos de entrenamiento se genera en el navegador.
- El entrenamiento se ejecuta en el navegador.
- Emplea TensorFlow.js.
Revisión muy general.
Características del ejemplo
- Utiliza redes neuronales.
- El conjunto de datos de entrenamiento se genera en el navegador.
- El entrenamiento se ejecuta en el navegador.
- Emplea TensorFlow.js.