尽管机器学习 (ML) 不是一项新技术，但过去几年技术和算法的改进使其成为技术的前沿，使其成为解决复杂问题最令人兴奋和最有前途的工具之一。
一般来说，大多数生产机器学习应用程序是由研究人员、机器学习工程师和数据科学家使用 Python 或 R 等编程语言开发的；然而，近年来，为了让更多的开发人员更容易使用机器学习，已经构建了新的工具。
在本书中，我们将重点介绍 TensorFlow.js，这是一个由 Google 开发的多功能 JavaScript 库，它使 Web 开发人员能够在浏览器或 Node.js 中构建支持 ML 的应用程序。
您可能会想：“如果大多数支持 ML 的应用程序在生产中使用 Python 或 R，我为什么还要阅读有关 JavaScript 机器学习的书？”，或者，“如果我是 Web 开发人员，为什么要学习机器学习？” .这些问题是有道理的，尤其是考虑到机器学习是一门与 Web 开发截然不同的学科。然而，在技术领域，我们工作的一部分是跟上正在发生的事情，不一定要成为每一项新技术或工具的专家，但至少对可能性和限制有一个想法。在我看来，这就是像 TensorFlow.js 这样的工具很重要的原因。无需学习另一种编程语言即可探索新主题，从而大大打破了障碍。此外，考虑到事物发展的速度有多快以及这些工具 13 变得有多强大，我们可以想象未来“JavaScript 机器学习工程师”将是一个抢手的职位。毕竟，我从未想过“未来主义者”会是其中之一。
综上所述，本书的目的是以更平易近人的方式介绍机器学习，打破障碍，并希望让您对这项技术感到更自在。阅读后，您应该对 JavaScript 中机器学习框架提供的当前功能有很好的了解。为此，我们将定义一些您会遇到的常用术语和概念，我们将介绍使用 TensorFlow.js 的 ML 基础知识，我们将构建各种项目以了解当前可能的情况以及一些陷阱。最后，您不仅应该能够理解理论，还应该能够构建支持机器学习的 Web 应用程序。
然而，需要注意的重要一点是，本书不会研究如何开发不同的机器学习算法。我们不会深入研究他们的源代码，而是学习识别他们的用例以及如何实现它们。本书旨在为那些希望以实用的方式了解更多机器学习知识但又不想深入研究高级主题的人提供入门指南。
最后，更重要的是，我想让这本书尽可能引人入胜，因此您将构建的不同项目涉及各种输入，例如图像、来自网络摄像头的视频、来自计算机麦克风的音频、您可以替换的文本数据，甚至运动数据！
机器学习可以很有趣，所以如果你觉得这很有趣，我希望你会喜欢这本书。
