С каждым годом библиотеки машинного обучения становится все более быстрыми и доступными, признаки замедления не наблюдаются. Традиционно языком машинного обучения считается Python, но в настоящее время нейронные сети можно реализовать на любом языке программирования, включая и JavaScript!
В последнее время экосистема web сделала огромный шаг вперёд, и, хотя, JavaScript и Node.js менее производительны, чем Python и Java, сегодня они достаточно мощны, чтобы справиться со многими задачами машинного обучения. Огромное преимущество Веб-языков заключается их супер доступности — все, что вам потребуется для ML-проекта (Mashine Learning) на JavaScript — ваш веб-браузер.
Большинство библиотеки машинного обучения JavaScript ещё довольно новы и пока находятся в разработке, однако, они есть и готовы к тому, что-бы их испытать. Здесь мы рассмотрим некоторые из этих библиотек, а также ряд интересных примеров веб-приложений искусственного интеллекта для вашего старта.
1.
Brain — эта библиотека позволяет легко создавать нейронные сети и затем обучать их на основе данных ввода/вывода. Поскольку обучение требует много ресурсов, предпочтительно, запускать библиотеку в среде Node.js, хотя можно загружать приложение непосредственно на веб-странице в браузер. На сайте автора есть крошечный способный распознавать цветовой контраст.
Deep playground — учебное веб-приложение для игр с нейронными сетями и изучения их различные компонентов. Имеет приятный пользовательский интерфейс, который позволяет контролировать входные данные, количество нейронов, используемые алгоритмы и другие факторы, оказывающие влияние на конечный результат. Практически осваивая приложение можно понять, что творится за кулисами — в открытом коде используется хорошо документированная .
JavaScript проект FlappyLearning в неминимизированном виде содержит порядка 800 строк кода, с помощью которого удалось создать библиотеку машинного обучения и реализовать её в веселой демонстрации для обучение игре , влоть до уровня виртуоза. Здесь использован метод искусственного интеллекта (AI), называемый , где применяются алгоритмы вдохновленные ассоциациями с принципами работы нервной системы, встречающиеся в природе, динамического обучения от неудач к успехам на каждой итерации. Демонстрашка работает супер легко — просто откройте файл index.html в своём браузере.
Вероятно, это наиболее распространённый проект из нашего списка. Synaptic — это библиотека по архитектуре для Node.js или браузера и позволяет разработчикам создавать нейронной сети того типа, который они захотят. Библиотека имеет несколько встроенных архитектур, что позволяет очень быстро сравнивать и изучать различные алгоритмы машинного обучения. Имеются хорошо написанное введение в нейронные сети, ряд практических примеров и множество других учебников по машинному обучению.
Land Lines — это интересный Web-эксперимент в Chrome, который по спутниковым снимкам Земли строить карты каракулями, похожие на сделанные пользователем. Приложение не обращается к серверу, полностью работает в браузере и благодаря разумному использованию машинного обучения и WebGL имеет высокую производительность даже на мобильных устройствах. Вы можете исследовать исходный код на или ознакомится с результатами полного исследования .
Несмотря на то, что ConvNetJS больше активно не поддерживается, она является одним из самых передовых библиотек глубоко обучения на JavaScript. Первоначально разработанная в Стэнфордском университете, ConvNetJS стал весьма популярной на GitHub, в результате чего широко используется во многих публичных процессах, управлении и учебных пособиях. Она работает непосредственно в браузере, поддерживает несколько методов обучения и требует довольно низкого уровня вхождения, что делает её пригодной для большинства людей с небольшим опытом работы в нейронных сетях.
Thing Translator — веб-эксперимент, который позволяет вашему телефону распознавать объекты реального мира, попавших в объектив камеры, и называть их на нескольких языках. Приложение полностью построен на веб-технологий и использует два API машинного обучения от Google — для распознавания изображений и для непосредственного перевода на нужные языки.
Основа для создания систем искусственного интеллекта с использованием обучения с подкреплением. К сожалению, проект с открытым исходным кодом не имеет надлежащей документации, однако, в одной из демонстрашек, эксперименты с беспилотным автомобилем, есть подробное описание различных фрагментов кода, которые и составляют нейронную сеть. Библиотека написана на чистом JavaScript и использует современные инструменты, такие как и .
Еще одна библиотеки, которая позволяет создавать и обучать нейронную сеть, используя только JavaScript. Её очень легко установить как в Node.js, так и на стороне клиента. Имеет очень чистый API, что очень удобно для разработчиков любого уровня квалификации. В библиотеке много , где реализованы популярные алгоритмы, что помогает понять основные принципы машинного обучения.
DeepForge — это дружественная среда разработки для глубокого обучения (Deep Learning). Она позволяет создавать нейронную сеть, используя простой графический интерфейс, поддерживает модель обучения на удаленных компьютерах и имеет встроенную систему контроля версий. Проект работает в браузере и основан на Node.js и MongoDB, что упрощает процесс установки очень знакомый большинству веб-разработчиков.
Великолепная серия постов в блоге Берака Канбера, где, начиная с основ машинного обучения, развивает теорию. Учебник ясно и хорошо написан и ориентирован на разработчиков JavaScript. Ценный ресурс для тех, кто желает более подробно разобраться с машинным обучением.
Вывод
Несмотря на то, машинное обучение в экосистеме JavaScript еще не полностью развито, мы рекомендуем использовать описанные здесь ресурсы для своих первые шагов в машинном обучении, поэкспериментировать и почувствовать основные методы. Предложенные здесь эксперименты, показывают, что Вы можете сделать массу прикольных вещей, используя только браузер и некоторое понимание кода JavaScript.
Источник вдохновения:
10 примеров алгоритмов машинного обучения на javascript, опубликовано К ВВ, лицензия — Creative Commons Attribution-NonCommercial 4.0 International.
3 нравится это
