3か月前、同社のAIチームは、写真や動画に映る有名人やランドマークを分析するために機械学習を活用する方法を私たちと共有しました。フロントエンド Web 開発者として、機械学習がどのように機能するのか興味があります。機械学習(ML) 、ニューラルネットワーク、 NLP自然言語処理などについて体系的に学ぶつもりはなかったのですが、これらの概念を見るだけでもとても興味深く、新しい世界が開けます。 機械学習で遊んでいる同僚のほとんどは、仕事で Python などの言語を使用していますが、JavaScript エコシステムにいるのであれば、 JavaScriptを使用して機械学習で遊んでみてはいかがでしょうか。また、JavaScript を使用すると、ブラウザやサーバー、さらにはデスクトップ プログラムでも実行できるようになります。検索と調査を通じて、 JavaScript 、機械学習、 DNN 、さらにはNLPを組み合わせることができる簡潔なライブラリが実際にいくつか存在し、ブラウザ側のほとんどのライブラリはWebGLを呼び出して機械学習の計算を実行することがわかりました。 1.TensorFlow.js (https://js.tensorflow.org/) TensorFlow.js は、ブラウザまたは NodeJs でのディープラーニングの実行をサポートし、既存のTensorflow モデルをサポートできるオープンソースのハードウェア アクセラレーション JavaScript ライブラリです。Google によって作成されています。フロントエンドディープラーニングフレームワークDeeplearn.jsの後継ともいえます。モデルのトレーニングとデプロイのための、簡潔でわかりやすい API のシリーズを提供します。また、ブラウザで実行できるため、URL を介してプログラムを直接共有できます。 カメラで操作するパックマンゲーム 2. Brain.js (https://brain.js.org/) Brain.js はブラウザや NodeJs サーバー上でも実行でき、さまざまなタスクに対してさまざまなタイプのトレーニング ネットワークを提供できます。その特徴は、ニューラル ネットワークの定義、トレーニング、実行が特に簡単になる点です。個人的には、このライブラリは始めるのに適していると思います。たとえば、次の数行のコードは、ニューラル ネットワークの作成、トレーニング、実行をカバーしており、一目で非常に明確です。 Brain.js カラー識別子 3. Synaptic.js (http://caza.la/synaptic) Synaptic は、ブラウザと NodeJs サーバー上で実行できるニューラル ネットワーク ライブラリです。これを使用して、単層または 2 層のニューラル ネットワーク構造をトレーニングできます。ライブラリには、多層パーセプトロン (MLP) 、長短期記憶ネットワーク、液体ステートマシンなどの組み込みアーキテクチャと、実際のネットワークをトレーニングできるトレーナーが含まれています。 シナプス画像フィルタパーセプトロン 4. 機械学習ツール (https://github.com/mljs/ml) 機械学習ツールは、mljs 組織によって開発されたライブラリのセットであり、Python の scikit-learn と同様に、教師あり学習と教師なし学習、人工ニューラル ネットワーク (ANN) 、回帰アルゴリズム、統計、数学などのサポート ライブラリを含む、 JavaScript 用の機械学習ツールを提供します。 5. 妥協 (http://compromise.cool/) 基本的に、これはNLP 自然言語処理ライブラリ - フロントエンド JavaScript 実装*** です。このライブラリと独自のデータベースは min.js に圧縮されており、ファイル サイズは 300k 未満に達するため、ブラウザーと NodeJs サーバーで問題なく実行できます。具体的には、カスタム セマンティック ライブラリをトレーニングできます。分詞を分割したり、文の品詞を取得したり、文を肯定文または否定文、分詞に変更したりできます。たとえば、次の例をご覧ください。 JavaScript は機械学習に最適なプログラミング言語ではありませんが、近年のWeb エコシステムと人工知能技術の継続的な発展と改善により、このような機械学習ツール ライブラリがますます開発され、リリースされるようになりました。フロントエンド Web 開発者にとって、機械学習を始めるための橋渡しとして JavaScript を使用するのは良い選択です。また、機械学習の旅を始めるのにも役立ちます。 参考文献: JavaScript による機械学習の Web 開発者向けガイド |
<<: Apple Store 店員から機械学習エンジニアへ: AI を学び始めた経緯
>>: AIアルゴリズム企業パシフィック・フューチャー・テクノロジーの文化観光ソリューションがOCTカラープラネットに上陸
機械学習などの計算集約型テクノロジーの開発には、大きな二酸化炭素排出量が伴い、気候変動の一因となりま...
「決して単純な切り抜きではありません。」 ControlNet の著者による最近の研究は大きな注目を...
[[195122]]周知のとおり、Weibo のビジネスは 2015 年以降急速に成長しています。内...
[[405572]]災害管理における IoT の活用は、災害を予測し、早期に当局に警告し、災害の影響...
近年、中国の「新車製造勢力」のインテリジェント運転分野における宣伝・マーケティング活動とビジネス成果...
今年、自動運転はまだ大規模な商用化には至っていないが、利益の偏在により廃業する企業、継続が困難となり...
[[182792]]協調フィルタリング推奨アルゴリズムにおける行列分解の応用では、推奨アルゴリズムに...
[[213130]] 1つこれは世界を変える握手です!今日、世界で最も最先端の2つの科学、 人工知...
[[442794]]人工知能の人気が高まるにつれ、生体認証技術が大きな注目を集めています。特に20...
序文読者は自分で試してみることができます。ソースコードはここ (https://github.com...
[[206158]]ビジネス インテリジェンス (BI) という用語は、1865 年にリチャード ミ...