Inteligência Artificial e Machine Learning são campos da computação que estão em constante evolução e têm revolucionado diversas áreas, como a medicina, finanças, educação, entre outras. Uma das ferramentas mais populares para se trabalhar com Machine Learning é o Tensorflow, uma biblioteca de código aberto desenvolvida pela Google.
Neste tutorial, vamos aprender a criar um modelo simples de Machine Learning utilizando o Tensorflow e HTML para visualização dos resultados. Vamos criar um modelo de regressão linear simples para prever o preço de uma casa com base em sua área.
Passo 1: Instalação do Tensorflow
Primeiramente, é necessário instalar o Tensorflow no seu ambiente de desenvolvimento. Você pode fazer isso através do gerenciador de pacotes pip, executando o seguinte comando no seu terminal:
pip install tensorflowPasso 2: Criando o Modelo de Machine Learning
Agora, vamos criar o nosso modelo de regressão linear simples. Abra o seu editor de código favorito e crie um novo arquivo Python com o seguinte código:
import tensorflow as tf
import numpy as np
# Dados de treinamento
X_train = np.array([1, 2, 3, 4, 5])
y_train = np.array([100, 150, 200, 250, 300])
# Definindo o modelo
model = tf.keras.Sequential([tf.keras.layers.Dense(units=1, input_shape=[1])])
model.compile(optimizer='sgd', loss='mean_squared_error')
# Treinando o modelo
model.fit(X_train, y_train, epochs=1000)
# Salvando o modelo
model.save("house_price_prediction_model.h5")Neste código, estamos criando um modelo de regressão linear simples com uma única camada densa. Estamos treinando o modelo utilizando os dados de treinamento X_train e y_train, e salvando o modelo em um arquivo chamado "house_price_prediction_model.h5".
Passo 3: Implementando o modelo em HTML
Agora, vamos criar uma página HTML para mostrar como o nosso modelo de Machine Learning está funcionando. Crie um novo arquivo HTML com o seguinte código:
<!DOCTYPE html>
<html>
<head>
<title>Previsão de Preço de Casa</title>
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
</head>
<body>
<h1>Previsão de Preço de Casa</h1>
<input type="number" id="area" placeholder="Digite a área da casa">
<button onclick="predictPrice()">Prever Preço</button>
<h2 id="result"></h2>
<script>
const model = await tf.loadLayersModel('house_price_prediction_model.h5');
function predictPrice() {
const area = document.getElementById('area').value;
const prediction = model.predict(tf.tensor([[area]]));
const result = prediction.arraySync()[0][0];
document.getElementById('result').innerText = `O preço estimado da casa é $${result}`;
}
</script>
</body>
</html>Neste código, estamos carregando o modelo que acabamos de treinar utilizando o Tensorflow.js e adicionando um formulário para o usuário inserir a área da casa. Quando o usuário clica no botão "Prever Preço", o modelo de Machine Learning faz a previsão do preço da casa e exibe o resultado na página.
Conclusão
Neste tutorial, aprendemos como criar um modelo simples de Machine Learning utilizando o Tensorflow e como implementá-lo em uma página HTML para visualização dos resultados. Com o conhecimento adquirido, você pode explorar ainda mais as possibilidades do Tensorflow e criar modelos mais complexos para resolver problemas do mundo real. Espero que este tutorial tenha sido útil e inspire você a continuar explorando os campos da Inteligência Artificial e Machine Learning.
