給前端工程師的 JS 機器學習課|用 TensorFlow.js 開發熱門 AI 網頁應用

    讓前端工程師快速入門將機器學習應用在前端,物體辨識、物體分割、姿態與動態偵測、手指偵測、語意互動、文字問答, 6 種機器學習應用,一堂課程搞定。

    80
    5.0
    • Tensors 在 TensorFlow.js 中操作、環境的基本概念

    • 在 TensorFlow.js 中客製化神經網路模型

    • TensorFlow.js 模型訓練流程

    • 6 大場景實作練習,包含物體辨識、物體分割、姿態與動態偵測、手指偵測、語意互動、文字問答

    • 獨家加碼──網站串接 ChatGPT 教學

    US$113.36

    按一下 進入設定

    00:00
    00:00
    00:00

    迎向跳躍式的職涯發展,前端工程師必須具備的最新技能!

    # AI 科技全面襲來,掌握未來趨勢「TensorFlow.js」 

    近年急速發展的機器學習成為全球趨勢,從醫療、金融到各大產業,紛紛採用機器學習來優化產品、預測市場與數位行銷,各項產品與網站導入 AI 應用將成為普及化現象。


    當紅的 ChatGPT 全面革新全球產業,未來工程師想有跳躍式的職涯發展,同時掌握「前端開發」與「機器學習」兩大技能將成為必備條件! 

     

    前端技術結合 TensorFlow.js ,快速打開 AI 領域新視角

    #  運用 TensorFlow.js 實現的 AI 技術實例 

     

    ◆ 以圖搜圖

     

    可讓使用者直接以輸入圖片的方式來找尋相關圖片與資訊,比如 Google 以圖搜圖功能。

     

    ◆ 分類聲音、圖像及姿勢等數據

     

    可以透過 TensorFlow.js 訓練或是創建機器學習模型來達成,比如由 google 開發的網路應用程序 Teachable Machine

     

    ◆ 圖像操作及生成

     

    運用 TensorFlow.js 技術,可使用戶在瀏覽器中進行圖像操作及生成,比如由 google 開發的 DeepDream

     

    ◆ 智能生成相應圖片

     

    使用 TensorFlow.js 技術,讓網站可以根據使用者所繪製出的草圖,智能生成相應圖片,比如由 google 所開發的 AutoDraw

     

    學會 TensorFlow.js ,除了可讓你提高機器開發的效率,更能拓展前端應用以提升職場競爭力!職場競爭激烈,不想被時代列車給淘汰,現在就是踏入 AI 領域的最好時刻!

     

    市面上第一堂 TensorFlow.js 中文完整授課

    # 完整版中文教學,不需克服英文學習障礙 

     

    最完整的中文版 TensorFlow.js 線上課程,清晰易懂的中文授課,從基礎概念到應用實作,想學習 AI 不用再面臨惱人的英文障礙!
    採用主流前端程式語言 Javascript,結合 AI 產業的主流框架 TensorFlow ,帶領大家快速上手機器學習最知名的 JS 套件 TensorFlow.js,快速搭起前端與機器學習之間的橋樑,將 AI 活用在網頁開發領域。



     

    從 0 到精通,快速上手機器學習到網頁開發

    這堂課程是為 AI 新手所設計,只需要具備 JavaScript 基本知識,從安裝環境、機器學習基礎​​數據處理、模型設計教學,循序漸進教你如何訓練與轉換模型,並進一步優化訓練模型。實戰專案帶領你完整走一遍前端機器學習的開發流程,無論是想從零開發或使用套件,都能迅速融會貫通。

     

     

    網站串接 ChatGPT ,讓你的網站也能實現 AI 服務!

    # 在 JS 上實現 ChatGPT 互動聊天

     

    獨家教你如何將 ChatGPT 串接到你的網站上,讓你的網站也能實現 AI 服務!此外再加碼教你 Prompt (咒語提示)工程的心法,讓你設計更精準的問題框架來索取到更精準的資訊。

     

    什麼是提示工程(Prompt Engineering)?

     

    提示工程(Prompt Engineering)是一個新的學科,專注在透過設計提示(咒語)的方式,讓大型語言模型(Large Language Model, LLM)能夠更有效地應用在實際場景跟研究領域。然而坊間有很多都是現成的案例,卻沒有心法的設計,這堂課將在這個單元,透過教心法的方式協助你設計 Prompt ,以最大化發揮語言模型的能力。 

     

    機器學習 6 大應用場景,手把手實作教學

    # 概念與實作並重,即學即用

     

    課程涵蓋物體辨識、物體分割、姿態與動態偵測、手指偵測、語意互動、文字問答等 6 大主流機器學習的應用場景,每個單元皆有實作示範與成果展示,提供豐富的案例與練習作業!從最實用的業界需求安排課程內容,教學皆為產業中大量應用的功能,讓你與業界新趨勢迅速接軌。

    物體辨識

    • 實作類型:最常見且實用的技術,能夠辨識即時影像、單張影像的內容物達上百種

    • 實作內容:透過 JS 程式碼,能夠匯入影像並回傳物體的類別,如貓、狗

    • 應用範疇:透過辨識路邊行人進行展店分析、寵物店貓狗禁區位置的管裡等

     

    物體分割

    • 實作類型:將機器學習模型串連到網站上,透過即時影像進行影像中人像的部位分割,如腳、手等

    • 實作內容:透過 JS 程式碼,能夠匯入影像就能得到人像身體部位的分割結果

    • 應用範疇:將分割出來的部位進行風格轉換、距離估算、閱讀問答等工作

     

    姿態與動態偵測

    • 實作類型:將機器學習模型串連到網站上,透過即時影像進行身體的骨架偵測

    • 實作內容:透過 JS 程式碼,能夠直接匯入影像就能得到骨架偵測結果

    • 應用範疇:舉凡動作辨識工作,包含舞蹈動作、高年齡復健、交通姿勢判斷等

      Google Shape;888;p179

     

    手指偵測

    • 實作類型:將機器學習模型串連到網站上,透過即時影像進行影像中手指進行部位的資訊提供

    • 實作內容:透過 JS 程式碼,能夠匯入影像獲得手指部位的資訊

    • 應用範疇:能進行手語的辨識、指揮人員的辨識、廚房工作者的效益分析等

      Google Shape;929;p183 

    語意互動

    • 實作類型:透過輸入對話內容,進行內容的排序,回覆最相近的內容

    • 實作內容:透過 JS 程式碼,能夠輸入對話內容,並自動從對話內容排序最相近的回覆

    • 應用範疇:可以用來提升文件搜尋準確率、對話機器人、客服回答等工作

      Picture 2

     

    文字問答

    • 實作類型:透過輸入對話內容與文本內容,能夠自動抽取在文本中適當的答覆

    • 實作內容:透過 JS 程式碼,能夠輸入問題,能夠根據問題自動從文本中生成答案

    • 應用範疇:可以用來提升文本重點擷取速度、文件中的內容分析等工作

    Picture 4

     

     

     

    除了 6 大應用場景實作,還有更多豐富的實作內容提供給你!

     

    • 影像物件偵測:將影像中的人與動物進行區別辨識
    • 臉部標記:透過模型進行臉部資訊偵測
    • 文本惡意偵測:透過輸入句子,自動辨識惡意資訊
    • 語音辨識:在網站上透過模型進行辨識語音單詞

     

    Google 機器學習專家親自授課,學員好評推薦

     

    超值內容等你來解鎖!

    【購課人數達 450 人】

    教你透過 TensorFlow.js 完成「以圖搜圖」

    【購課人數達 500 人】

    教你透過 TensorFlow.js 完成「自動 AI 生圖」

    章節目錄

    • 1-1
      什麼是TensorFlow.js
    • 1-2
      啟動第一個TensorFlow.js
    • 1-3
      模型儲存、讀取、轉換
    • 1-4
      模型預測
    • 1-5
      運作環境介紹

    試閱影片

    常見問答

    如果您購買的是募資課程,請在課程的【簡介】中查看開課時間,募資課程將於開課時間所述日期開放同學上課。

     

    若您購買的是一般課程(開放上課課程),則在購買完成後可以立即開始觀看。

     

    所有線上課程皆不受時間限制,享無限次永久觀看!

    猜你喜歡

    購買前問答

    唐竹宣
    唐竹宣
    請問課程會使用的環境在哪邊,google colab即可嗎 請問課程會有錄影檔案嗎,開課時間於工作時段。
    Corrine Zhang
    Corrine Zhang

    您好,關於您的問題用以下兩點回覆:

     

    1. 課程是用Colab沒錯
    2. 課程是錄影檔案,所以隨時可以觀看

     

    感謝您的發問及支持 ! 記得上課後要給我們課程團隊五顆星評價

    銷售方案