أساسيات TensorFlow

توفر هذه الوحدة جميع المفاهيم والمعرفة العملية التي تحتاجها للبدء باستخدام “TensorFlow”. نستكشف Keras، واجهة برمجة تطبيقات عالية المستوى تم إصدارها كجزء من TensorFlow، ونستخدمها لبناء شبكة عصبية لتصنيف الصور.

في هذه الوحدة ، تحصل على مقدمة عن رؤية الكمبيوتر باستخدام TensorFlow. نستخدم تصنيف الصور للتعرف على الشبكات العصبية التلافيفية ، ثم نرى كيف يمكن للشبكات المدربة مسبقا ونقل التعلم تحسين نماذجنا وحل مشاكل العالم الحقيقي.

في هذه الوحدة ، نستكشف بنى الشبكات العصبية المختلفة لمعالجة نصوص اللغة الطبيعية. شهدت معالجة اللغات الطبيعية (NLP) نمواً سريعاً وتقدمًا ملحوظًا، والسبب الأساسي لذلك التقدم هو أن أداء نماذج اللغة يعتمد على قدرتها الكلية على "فهم" النص، ويمكن تدريب ذلك بطريقة غير خاضعة للإشراف على متون نصية كبيرة. بالإضافة إلى ذلك، قامت نماذج النصوص المدربة مسبقا بتبسيط العديد من مهام معالجة اللغة الطبيعية وحسنت الأداء بشكل كبير. نتعلم المزيد عن هذه التقنيات وأساسيات البرمجة اللغوية العصبية في وحدة التعلم هذه.

في وحدة التعلم هذه ، سنتعلم كيفية القيام بتصنيف الصوت باستخدام TensorFlow. هناك طرق متعددة لبناء نموذج تصنيف الصوت. يمكنك استخدام الشكل الموجي، أو وضع علامات على أقسام ملف الموجة، أو حتى استخدام الرؤية الحاسوبية على صورة المخطط الطيفي. في هذا البرنامج التعليمي ، سنقوم أولا بتفصيل كيفية فهم البيانات الصوتية ، من التمثيلات التناظرية إلى الرقمية ، ثم سنقوم ببناء النموذج باستخدام رؤية الكمبيوتر على صور الرسم الطيفي. هذا صحيح، يمكنك تحويل الصوت إلى تمثيل صورة ثم القيام برؤية حاسوبية لتصنيف الكلمة المنطوقة!

إذا كنت قد أكملت الوحدة الأولى وأدركت أنك بحاجة إلى مرونة أكثر لبناء أو تصحيح نموذجك، فإن هذه الوحدة موجهة لك. سنوضح كيف يمكنك إنشاء شبكة عصبية بسيطة لتصنيف الصور، ولكن هذه المرة سنستخدم رمز TensorFlow منخفض المستوى ونشرح المفاهيم الأساسية اللازمة لفهمه.