What is Tensorflow.JS, how can it be used? Real cases of all use and a couple of historical failures.

1. Summer. Sea. JavaScript.
Galushko
Pavlo
Tensorflow.JS
in real life

2. © Pavlo Galushko
Как мне сделать машинное
обучение на js?

3. © Pavlo Galushko
Учите Python

4. © Pavlo Galushko
А как же? Как же?

5. © Pavlo Galushko
Поехали

6. © Pavlo Galushko
Кто я:
- Программист всегда
- Много лет в вебе. До этого много лет другого
хардкора
- Писал на JS для сервера ещё до того как это
стало мейнстрим
- Tech lead of ML dev team @ Namecheap

7. © Pavlo Galushko
Так все таки можно?

8. © Pavlo Galushko
А как это сделать?
- Пишем математику сами
- Tensorflow.JS

9. © Pavlo Galushko
Что такое tensorflow.js
Библиотека с открытым исходным кодом,
которую можно использовать для
определения, обучения и запуска моделей
машинного обучения полностью в браузере,
используя Javascript и высокоуровневое API.

10. © Pavlo Galushko
Disclaimer
Если вы Javascript-разработчик, который
новичок в машинном обучении:
TensorFlow.js — плохой способ начать
обучение.
Учите математику
Учите Python

11. © Pavlo Galushko
Зачем это надо?
- Эти люди хотят странного
- У нас все на js
- Хочу ml в браузере
- Мобильные приложения

12. © Pavlo Galushko
Кейсы: эти люди хотят
странного.

13. © Pavlo Galushko
Я просто хочу попробовать ml
Зачем:
Не хочу учить ещё один язык и всю эту вашу
математику
Итог: fail
Подводные камни:
Там очень простые примеры или
специфичные кейсы для которых надо уже
неплохо знать ML.

14. © Pavlo Galushko
Кейсы: все на js

15. © Pavlo Galushko
Кейсы: сервис на node.js
Зачем:
У нас уже есть экспертиза в ML и все
приложение на node.js
Итог: Успешный проект
Подводные камни:
• Нужна очень высокая экспертиза
• И все равно, здравствуйте

16. © Pavlo Galushko
Хочу ML в браузере

17. © Pavlo Galushko
Кейсы: автокомплит
Зачем:
Хочу очень быстро подсказать слова.
Итог: in-progress
Подводные камни:
• Модель слишком большая
• Модель не такая хорошая как хотелось бы
• Здравствуйте WebAssembly

18. © Pavlo Galushko
Кейсы: игры
Зачем:
Умный бот в браузере
Итог: разработан, не взлетел.
Подводные камни:
• Модель слишком большая
• Модель не такая хорошая как хотелось бы
• Здравствуйте WebAssembly

19. © Pavlo Galushko
Кейсы: игры
Зачем:
Генерация левела
Итог: fail
Подводные камни:
• Модель слишком большая

20. © Pavlo Galushko
Мобильные приложения

21. © Pavlo Galushko
Кейс: приложение для мобильных
Зачем:
Предсказание покупок
Итог: Условно успешен.
Подводные камни:
• Модель слишком большая
• Слишком сложно.
• Все равно в основном на бекенде. Но
если нет интернета - работает локальная
модель.

22. © Pavlo Galushko
А почему все вот так не
сладко?

23. © Pavlo Galushko
•Машинное обучение != Tensorflow
•Модели очень большие
•Подготовка данных для сервиса отличается от
подготовки данных для обучения модели

24. © Pavlo Galushko
Я таки хочу, что мне делать?
• Учите математику.
• Учите Python
• Учите машинное обучение
• Здравствуйте, assembler

25. © Pavlo Galushko
Как это происходит в успешных
проектах
• Четко понимаем цель происходящего.
• Строим модель
• Адаптируем модель для tensorflow.js
• Пишем сервис
• Радуемся

26. © Pavlo Galushko
Что мы можем делать в
tensorflow.js
• Импортировать существующую
предварительно подготовленную модель.
• Повторно обучить импортированную
модель.
• Создать модель прямо в браузере

27. © Pavlo Galushko
Что посмотреть
• Руководство по TensorFlow.js
https://www.tensorflow.org/js/guide
• Предварительно обученные модели
https://www.tensorflow.org/js/models
• Примеры
https://github.com/tensorflow/tfjs-
examples

28. © Pavlo Galushko
До новых встреч 😎
• https://www.linkedin.com/in/galushkopavlo/
• https://www.facebook.com/paul.galushko