Treffer: Machine Learning with JavaScript

Title:
Machine Learning with JavaScript
Authors:
Publication Year:
2019
Collection:
Theseus.fi (Open Repository of the Universities of Applied Sciences / Ammattikorkeakoulujen julkaisuarkisto)
Document Type:
Dissertation bachelor thesis
Language:
Finnish
Relation:
Metropolia Ammattikorkeakoulu; https://www.theseus.fi/handle/10024/267797
Rights:
fi=All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.|sv=All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.|en=All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.|
Accession Number:
edsbas.C9342FD4
Database:
BASE

Weitere Informationen

Insinöörityön tarkoitus oli tutkia JavaScriptin potentiaalia koneoppimisen ohjelmointikielenä, tarkastella JavaScriptin koneoppimisen kirjastoja sekä kehittää sovellus, joka hyödyntää yhtä edellä mainituista kirjastoista. Teoriaosuus alkaa kertomalla minkälaisia työkaluja käytettiin sovelluksen kehittämiseen, jonka jälkeen annetaan perustietoa baseballista ja siinä käytettävistä tilastoista. Koneoppimisen osiossa selitetään erilaisia tekniikoita ja algoritmeja sekä esitellään JavaScriptin koneoppimisen kirjastoja. Lopulta sovellus ja sen rakenne käydään läpi askel askeleelta. Sovelluksessa käytetty malli esitellään ja sitä tehdessä tehdyt ratkaisut selitetään. Viimeiseksi käydään läpi testausprosessi, tulokset ja mahdolliset parannukset malliin. Sovellus käyttää Tensorflow.js-nimistä JavaScriptin kirjastoa, jonka avulla luodaan malli, joka ennustaa baseball-pelejä. Data oppimiseen saadaan ohjelmointirajapinnasta nimeltään MySportsFeed. Data on Pohjois-Amerikkalaisen Major League Baseball -sarjan tilastoja vuodelta 2019. Insinöörityön aikana luotiin kaksi erilaista mallia, yksinkertainen malli vertailukohdaksi sekä varsinainen malli. Testauksen aikana löytyneen ylisovituksen takia mallia paranneltiin. Viimeiseksi tuli tarkkuuden testaus, josta molemmat mallit suoriutuivat hyvin. ; The purpose of this thesis was to research the potential of JavaScript as a machine learn-ing language to explore its machine learning libraries and to create an application using one of them. The theory part first starts with explaining the tools used in the project and then moves on to giving basic information about baseball and baseball statistics. In the machine learning part, different machine learning algorithms and techniques are explained. An introduction to Ja-vaScript machine learning libraries is also provided. Finally, a walk-through of the applica-tion is given, explaining both the application structure as well as the model. The testing pro-cess and results are discussed, together with potential improvements. The ...