Brevemente
Creé un nuevo proyecto, Experimentos interactivos de aprendizaje automático en GitHub. Cada experimento consiste en una computadora portátil Jupyter / Colab que muestra cómo se entrenó el modelo, y una página de demostración que muestra el modelo en acción directamente en su navegador.
A pesar de que los modelos de máquina en el repositorio pueden ser un poco "tontos" (recuerde, estos son solo experimentos, no un código lamido, listos para "subir a producción" y administrar aún más el nuevo Tesla), harán todo lo posible para:
- Reconoce los números y otros bocetos que dibujas en el navegador
- Identifica y reconoce objetos en video desde tu cámara
- Clasifique las imágenes cargadas por usted
- Escribe un poema al estilo de Shakespeare contigo
- E incluso jugar piedra, papel o tijera contigo
- Etcétera
Entrené modelos en Python usando TensorFlow 2 con soporte Keras . Para la aplicación de demostración, utilicé la versión React y JavaScript de Tensorflow .
![Experimentos interactivos de aprendizaje automático](https://habrastorage.org/getpro/habr/post_images/3e4/b83/2a6/3e4b832a607b38fe6ebf64a74304925e.png)
Modelos de rendimiento
, .️ , " ", . , . (, 60% , , 97%), (overfitting vs underfitting).
- :
![Modelo de máquina tonta](https://habrastorage.org/getpro/habr/post_images/079/73c/c81/07973cc81709f3ceb90984bf76ea68b7.png)
, - "":
![Modelo de máquina más inteligente](https://habrastorage.org/getpro/habr/post_images/f0c/246/e87/f0c246e87d8461bedaac585f7531b9b0.png)
- full-stack (-). , , , - .
- Python , . Playground and Cheatsheet for Learning Python. , Python, "" ,
dict_via_comprehension = {x: x**2 for x in (2, 4, 6)}
. - Python- . Andrew Ng Coursera Homemade Machine Learning. " -" , , , k-, ( ?) .
- " " NanoNeuron. 7 JavaScript , , - "".
- Deep Learning - Andrew Ng Coursera (multilayer perceptrons), (convolutional and recurrent neural networks). , , . TensorFlow 2 Keras. ( ), - , -, . Interactive Machine Learning Experiments, .
- TensorFlow.js , ( Jupyter ) .
- HDF5 TensorFlow.js Layers TensorFlow.js converter. ( ) , HTTP , , -, , , , "". HTTP API .
- React create-react-app Flow .
- Material UI. , , " " (, Bootstrap).
- , Jupyter :
(Multilayer Perceptron, MLP)
, .
![Reconocimiento de dígitos escritos a mano](https://habrastorage.org/getpro/habr/post_images/dde/abb/820/ddeabb820e5eaf3a6737ea3798805b22.gif)
, .
![Reconocimiento manuscrito de croquis](https://habrastorage.org/getpro/habr/post_images/a1a/f98/f24/a1af98f24f9687516f436c3997306916.gif)
(Convolutional Neural Network, CNN)
(CNN)
, . MLP, CNN.
![Reconocimiento de dígitos escritos a mano (CNN)](https://habrastorage.org/getpro/habr/post_images/dde/abb/820/ddeabb820e5eaf3a6737ea3798805b22.gif)
(CNN)
, . MLP, CNN.
![Reconocimiento de bocetos escritos a mano (CNN)](https://habrastorage.org/getpro/habr/post_images/a1a/f98/f24/a1af98f24f9687516f436c3997306916.gif)
-- (CNN)
-- . CNN, .
![Rock Paper Scissors (CNN)](https://habrastorage.org/getpro/habr/post_images/ba1/ce2/c40/ba1ce2c409ef1f859f2379aa913b884a.gif)
Rock Paper Scissors (MobilenetV2)
-- . , MobilenetV2.
![Piedra Papel Tijera (MobilenetV2)](https://habrastorage.org/getpro/habr/post_images/62b/d44/fd2/62bd44fd2baf2044c85dcf300ca340e2.gif)
(MobileNetV2)
( ), . MobilenetV2.
![Detección de objetos (MobileNetV2)](https://habrastorage.org/getpro/habr/post_images/85e/cee/fa3/85eceefa39aff6781db023fe14c41d3e.gif)
(MobileNetV2)
, , "" . MobilenetV2.
![Clasificación de imagen (MobileNetV2)](https://habrastorage.org/getpro/habr/post_images/687/de9/629/687de96293f15861031ad7fc1b6da1ed.gif)
(Recurrent Neural Networks, RNN)
(, 17+38
) ( 55
). , , ( ). "" 1
→ 17
→ 17+
→ 17+3
→ 17+38
55
. , Hola
Hello
, .
![Suma de números](https://habrastorage.org/getpro/habr/post_images/e49/3ba/110/e493ba110b3512b3c8367d0c1287905f.gif)
, . "" .
![Generación de texto de Shakespeare](https://habrastorage.org/getpro/habr/post_images/93e/bae/a4c/93ebaea4c757d34a8d9ba02e705fcaa9.gif)
Wikipedia
Wiki , .
![Wikipedia Generación de texto](https://habrastorage.org/getpro/habr/post_images/9ef/c31/06b/9efc3106b06044a6e4f6ff91e2d5cbbc.gif)
, — , (, ). — Deep Learning. :
, . , / , 60%
.
, , - , --.
!