Machine Learning with JavaScript
Kopra, Jenna (2019)
Kopra, Jenna
2019
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202001091175
https://urn.fi/URN:NBN:fi:amk-202001091175
Tiivistelmä
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.
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.