Os desenvolvedores de JavaScript tendem a procurar estruturas JavaScript que possam ser usadas para treinar modelos de aprendizado de máquina com base em algoritmos diferentes de aprendizado de máquina. A seguir estão alguns dos algoritmos de aprendizado de máquina com base nos modelos que podem ser treinados usando diferentes estruturas JavaScript listadas neste artigo:
- Regressão linear simples
- Regressão linear multivariada
- Regressão logística
- Bayesiano ingênuo
- K-nearest neighbor (KNN)
- K-means
- Máquina de vetores de suporte (SVM)
- Floresta aleatória
- Árvore de decisão
- Rede neural Feedforward
- Rede de aprendizagem profunda
Nesta postagem, você aprenderá sobre diferentes estruturas JavaScript para aprendizado de máquina. Eles são alguns dos seguintes:
Tensorflow.js
Tensorflow.js é uma biblioteca JavaScript de aprendizado de máquina com código aberto do Google, que pode ser usada para diferentes propósitos, como treinamento de redes neurais no navegador, compreensão de modelos ML, para fins educacionais etc. Você pode executar modelos pré-treinados em inferência modo. Pode-se escrever o código em Typescript (ES6 JavaScript) ou ES5 JavaScript. Ypi pode começar muito rapidamente incluindo o seguinte código dentro de uma tag head no arquivo HTML e escrevendo programas JS para construir o modelo.
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.13.0"> </script>
PropelJS
O Propel (github), uma biblioteca JavaScript, fornece uma infraestrutura parecida com a GPU para computação científica. Pode ser usado tanto para aplicativos NodeJS quanto no navegador. A seguir, o código de configuração do navegador:
<script src="https://unpkg.com/propel@3.1.0"></script>
O código a seguir pode ser usado para um aplicativo NodeJS:
npm install propel
import { grad } from "propel";
ML-JS
O ML-JS fornece ferramentas de aprendizado de máquina para trabalhar com o NodeJS e navegadores. A ferramenta ML JS pode ser configurada usando o seguinte código:
<script src="https://www.lactame.com/lib/ml/2.2.0/ml.min.js"></script>
Os seguintes algoritmos de aprendizado de máquina são suportados:
- Aprendizagem não supervisionada
- Análise de componentes principais (PCA)
- K-means clustering
- Aprendizado supervisionado
- Regressão linear simples
- Regressão linear multivariada
- Máquinas de vetores de suporte (SVM)
- Naive Bayes
- K-vizinho mais próximo (KNN)
- Quadrados mínimos parciais (PLS)
- Árvore de decisão: CART
- Floresta aleatória
- Regressão logística
- Rede neural artificial
- Rede neural Feedforward
ConvNetJS
ConvNetJS é uma biblioteca JavaScript para treinamento de modelos de aprendizagem profunda (redes neurais) inteiramente em seu navegador. Esta biblioteca também pode ser usada no aplicativo NodeJS. Para começar, obtenha a versão reduzida do ConvNetJS a partir da biblioteca minificada ConvNetJS.
<script src="convnet-min.js"></script>
KerasJS
Com KerasJS, você pode executar modelos Keras no navegador, com suporte a GPU usando WebGL. Os modelos também podem ser executados no Node.js, mas apenas no modo de CPU. Aqui está a página do GitHub em Keras. A seguir, a lista de modelos Keras que podem ser executados no navegador:
- Convnet básica para MNIST
- Redes de adversários generativos geradores auxiliares (AC-GAN) no MNIST
- Rede residual de 50 camadas, treinada em ImageNet
- Inception v3, treinado no ImageNet
- DenseNet-121, treinado no ImageNet
- SqueezeNet v1.1, treinado em ImageNet
- LSTM bidirecional para classificação de sentimento do IMDB
STDLib
STDLib é uma biblioteca JavaScript que pode ser usada para construir modelos estatísticos avançados e bibliotecas de aprendizado de máquina. Também pode ser usado para plotagem e funcionalidade gráfica para visualização de dados e análise exploratória de dados. Abaixo temos uma lista de bibliotecas em relação ao ML:
- Regressão linear via gradiente descendente estocástico (@ stdlib / ml / online-sgd-regression)
- Classificação binária via gradiente descendente estocástico (@ stdlib / ml / online-binary-classification)
- Processamento de linguagem natural (@ stdlib / nlp)
Limdu.js
Limdu.js é uma estrutura de aprendizado de máquina para o Node.js. Suporta alguns dos seguintes:
- Classificação binária
- Classificação multi-label
- Engenharia de recursos
- SVM
Pode-se instalar o limdu.js usando o seguinte comando:
npm install limdu
Brain.JS
Brain.js é um conjunto de bibliotecas JavaScript para treinamento de redes neurais e classificador Naive-Bayesiano. O seguinte pode ser usado para configurar o Brain.js:
npm install brain.js
The following can be used to install the Naive Bayesian classifier:
npm install classifier
Pode-se também incluir a biblioteca no navegador usando o seguinte código:
<script src="https://raw.githubusercontent.com/harthur-org/brain.js/master/browser.js"></script>
Então aí está a lista. Essa foi uma tradução adaptada do post https://dzone.com/articles/8-machine-learning-javascript-frameworks-to-explor que aborda o assunto. Alguns links tiveram que ser alterados ou removidos devido a renomeação das bibliotecas, mas a lista é boa e a ideia permanece.
Se você gostaria de compartilhar sua biblioteca JS sobre inteligência artificial, deixe-a aqui nos comentários.