Brain使用Brain 可以轻松的创建神经网络，并且可通过输入/输出数据对它进行训练。因为训练神经网络会消耗比较多的资源，所以推荐在Node.js环境中而不是直接使用浏览器来训练神经网络。在官网上有个可以识别颜色（recognize color contrast）的小demo （PS:试了下，这个demo现在是404页面）。
Deep playground这是一个寓教于乐的Web应用，可以让你以游戏的方式来探索神经网络的不同部分。它有一个友好的界面用于让你控制数据的输入，算法所用的神经元数量以及其它一些会影响输出结果的权值因素。这是一个开源项目，它是使用TypeScript编写的机器学习库并且有完善的文档，从中我们可以许多东西。
FlappyLearningFlappyLearning 项目大约800行代码，这个项目包含一个机器学习库并且实现了一个很有趣的demo——学习玩 Flappy Bird 游戏。它使用了一种叫做 Neuroevolution 的AI技术，使用了受自然神经系统激发而产生的算法，可以从每次成功或失败的迭代中进行动态进行学习。
SynapticSynaptic是一个架构无关（architecture-agnostic）且得到积极维护的Node.js和浏览器库，它允许开发者构建任何类型的神经网络。它有几个内置的架构，使得可以快速测试和比较不同机器学习算法间的异同。它还提供了介绍神经网络的文档及几个实用demo和其它可以帮助我们学习机器学习的教程。
Land LinesLand Lines 是一个有趣的用于搜寻地球卫星图片的Chrome网络实验（web experiment）。这个应用无需服务调用：它完全运行在浏览器环境中，得益于机器学习的使用，WebGL也可以在移动设备中有很好的表现。你可以在GitHub 上浏览源码或者在这里阅读完整的示例。
ConvNetJS尽管已不再被积极的维护，但ConvNetJS依然是JavaScriptp中最为先进的深度学习库之一。这个库最初由斯坦福大学开发，然后ConvNetJS开始在GitHub上流行，社区为它添加了许多特性和教程。ConvNetJS直接运行在浏览器环境中，支持多种学习技术，并且它接近底层原理使得它更适有较多神经网络方面经验的人。
Thing TranslatorThing Translator是一个网络实验，它可以让你的手机识别真是的物体并用不同的语言标注物体的名称。这个应用完全建立在web技术之上并且利用了Google提供的两种机器学习APIs——用于图像识别的Cloud Vision 和用于自然语言翻译的Translate API。
NeurojsNerojs用于建立基于增强学习（reinforcement learning）的AI系统框架。不幸的是这个开源项目除了一个自动驾驶实验的demo外并没有完善的文档，这个demo对组成神经网络的不同部分有着很好的描述。这个库借助如现代化工具如：webpack 和babel，使用纯JavaScript进行开发。
Machine_learning这也是一个允许我们仅使用JavaScript创建并训练神经网络的库。它很容易就可以安装到Node.js和客户端环境，并且拥有对开发人员十分友好的的API。这个库提供了许多示例，可以帮助你理解机器学习的核心原理。
DeepForgeDeepForge是一个用于深度学习且易于使用的开发环境。它允许你使用简单的图形接口创建神经网络，支持在远程机器上训练模型，并且内置版本控制系统。这个项目基于Node.js和MongoDB且运行在浏览器环境中。