Python уже давно является доминирующим языком для обучения и использования моделей машинного обучения, но ситуация меняется.
«Мы внедряем инструменты машинного обучения в экосистему JavaScript», — сказала Лори Лэй, старший инженер-программист Ippon Technologies. «Тем самым мы делаем эту технологию доступной для крупнейшего и наиболее активного сообщества разработчиков в мире — сообщества JavaScript».
На Международной конференции JavaScript devmio в этом году Лэй продемонстрировал пять библиотек JavaScript с открытым исходным кодом, доступных сейчас для веб-разработчиков и веб-разработчиков, которые хотят погрузиться в машинное обучение. Лэй специализируется на комплексной разработке и является частью Центра передового опыта в области искусственного интеллекта Ippon Technology.
По ее словам, эти пять библиотек дают разработчикам JavaScript возможность начать использовать машинное обучение и работать с моделями в JavaScript.
1. Данфо.js
По словам Лэя, Python Pandas может очищать, преобразовывать и структурировать данные. Pandas — это, по сути, оболочка Python вокруг C, которая значительно упрощает манипулирование данными.
В экосистеме JavaScript есть Данфо.jsкоторый «в значительной степени вдохновлен Пандой», сказала она. Она рассказала, что предлагает Danfo.js:
- Манипулирование и обработка данных;
- Подготовка и очистка данных перед обучением модели;
- API-интерфейс в стиле Pandas, простая обработка данных, интегрируемая с TensorFlow.js.
«Он вводит в JavaScript фрейм данных и структуры данных серии, которые используются для обработки реляционных и помеченных данных», — сказала она. «Danfo.js предназначен только для понимания того, что происходит с вашими данными, для понимания [if] есть какие-либо отклонения или выбросы, к которым вам придется вернуться и исправить».
Она также добавила, что у него есть расширение кода VS.
2. Естественная библиотека
Естественная библиотека — это легкий инструмент для обработки естественного языка, — сказал Лэй. Она отметила, что «Естественная библиотека» предлагает:
- Обработка естественного языка (NLP), включая токенизацию, разделение текста на слова или создание основы, что сокращает слова до их корневой формы;
- Простой API для токенизации, стемминга, классификации и анализа настроений;
- Быстрые и эффективные текстовые задачи машинного обучения.
3. Синаптик
Синаптический — это библиотека JavaScript для построения нейронных сетей.
«Это тот, о котором я говорил, что он немного проще для создания нейронных сетей в JavaScript, потому что он не требует наличия какого-либо из этих других языков, таких как Python», — сказал Лэй. «Настроить синаптическую нейронную сеть действительно легко».
Слайды Лэя показали, что Synaptic используется для:
- Нейронные сети;
- Не требует архитектуры, имеет высокую модульность и поддерживает сложные типы сетей; и
- Экспериментируем с собственной архитектурой нейронных сетей.
4. ТензорФлоу.js
TensorFlow.js — это библиотека JavaScript с открытым исходным кодом, которая позволяет разработчикам использовать и создавать модели машинного обучения непосредственно в веб-браузере или в среде Node.js.
«Если вам нужно выполнять сложные задачи, такие как классификация изображений или аудио, вам следует использовать мощные предварительно обученные модели TensorFlow.js», — сказал Лэй. «Это бесспорный чемпион в тяжелом весе среди глубокого обучения промышленного уровня».
TensorFlow.js используется для:
- Общего назначения и глубокого обучения;
- Мощные крупные экосистемы с ускорением на графическом процессоре, предварительно обученные модели; и
- Обучение сложных моделей, глубокое обучение, задачи с изображением/аудио.
5. Scikit.js
Scikit.js используется для прогнозного анализа данных и машинного обучения. Согласно примечаниям npm, он должен стать TypeScript-портом библиотеки Python scikit-learn.
«Наконец, если вы хотите использовать классические алгоритмы машинного обучения, с которыми вы, возможно, знакомы из экосистемы машинного обучения Python, или если вам комфортно работать с API-интерфейсом scikit-learn в Python, то вы можете выбрать что-то вроде Scikit.js, который является почти идентичным API», — сказал Лэй.
Используйте Scikit.js для:
- Традиционные модели машинного обучения;
- Знакомый API scikit-learn, широкий набор классических алгоритмов;
- Разработчики переходят с Python scikit-learn.
«Эти инструменты доступны уже сейчас», — сказал Лэй. «Сообщество расширяется, и лучший способ воспользоваться этим — взять одну из библиотек, найти набор данных, который вас интересует, и начать создавать, потому что мы, разработчики JavaScript, можем формировать это интеллектуальное, управляемое данными веб-будущее».
Постскриптум: Существует шестой вариант работы с моделями машинного обучения в браузере, как поделился на той же конференции коллега Lay по Ippon Technologies Джулиан Уилкисон-Дюран. Подробнее об этом читайте в статье «Библиотека JavaScript запускает модели машинного обучения в браузере».
ТЕНДЕНЦИОННЫЕ ИСТОРИИ YOUTUBE.COM/THENEWSTACK Технологии развиваются быстро, не пропустите ни одной серии. Подпишитесь на наш канал YouTube, чтобы смотреть все наши подкасты, интервью, демонстрации и многое другое. ПОДПИСАТЬСЯ Группа, созданная в Sketch. Лорейн Лоусон — опытный репортер в области технологий, которая в течение 25 лет освещала технологические вопросы, от интеграции данных до безопасности. До прихода в The New Stack она работала редактором сайта банковских технологий Bank Automation News. У нее есть… Подробнее от Лорейн Лоусон.
