이 튜토리얼에서는 MLBAM의 피치 센서 데이터에서 야구 피치 유형을 예측하는 모델을 훈련합니다. 해당 훈련은 Node.js 애플리케이션의 서버 측에서 수행됩니다.
이 연습에서는 서버 애플리케이션에서 tfjs-node npm 패키지를 설정하고 모델을 빌드하며 레이블이 지정된 피치 센서 데이터로 훈련하는 단계를 보여줍니다. 또한 훈련 상태를 클라이언트에 전달하고 훈련된 모델을 클라이언트/서버 아키텍처의 예측에 사용하는 방법도 보여줍니다.
이 튜토리얼에서는 MLBAM의 피치 센서 데이터에서 야구 피치 유형을 예측하는 모델을 훈련합니다. 해당 훈련은 Node.js 애플리케이션의 서버 측에서 수행됩니다.
이 연습에서는 서버 애플리케이션에서 tfjs-node npm 패키지를 설정하고 모델을 빌드하며 레이블이 지정된 피치 센서 데이터로 훈련하는 단계를 보여줍니다. 또한 훈련 상태를 클라이언트에 전달하고 훈련된 모델을 클라이언트/서버 아키텍처의 예측에 사용하는 방법도 보여줍니다.
달리 명시되지 않는 한 이 페이지의 콘텐츠에는 Creative Commons Attribution 4.0 라이선스에 따라 라이선스가 부여되며, 코드 샘플에는 Apache 2.0 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 Google Developers 사이트 정책을 참조하세요. 자바는 Oracle 및/또는 Oracle 계열사의 등록 상표입니다.
최종 업데이트: 2021-01-15(UTC)