Bases de TensorFlow

Ce module fournit tous les concepts et les connaissances pratiques dont vous avez besoin pour démarrer avec TensorFlow. Nous explorons Keras, une API de haut niveau publiée dans le cadre de TensorFlow, et nous l’utilisons pour créer un réseau neuronal pour la classification d’images.

Dans ce module, vous obtenez une introduction à Vision par ordinateur à l’aide de TensorFlow. Nous utilisons la classification d’images pour en savoir plus sur les réseaux neuronaux convolutionnels, puis voyons comment les réseaux préentraînés et l’apprentissage de transfert peuvent améliorer nos modèles et résoudre les problèmes réels.

Dans ce module, nous explorons différentes architectures de réseau neuronal pour traiter les textes en langage naturel. Le traitement du langage naturel (TLN) a connu une croissance et des progrès rapides, principalement parce que les performances des modèles de langage dépendent de leur capacité globale à « comprendre » le texte et peuvent être entraînées à l'aide d'une technique non supervisée sur de grands corpus de textes. En outre, les modèles de texte préentraînés ont simplifié de nombreuses tâches NLP et ont considérablement amélioré les performances. Nous en apprenons davantage sur ces techniques et les principes de base de NLP dans ce module d’apprentissage.

Découvrez comment l’audio est représenté en tant que tenseurs, comment convertir des formes d’ondes en spectrogrammes et comment utiliser TensorFlow pour créer un classifieur de mots clés simple.

Si vous avez terminé le premier module et que vous avez réalisé que vous aviez besoin d'une plus grande flexibilité pour construire ou déboguer votre modèle, ce module est pour vous. Nous allons montrer comment créer un réseau neuronal simple pour la classification d'images, mais cette fois, nous utiliserons un code TensorFlow de niveau inférieur et expliquerons les concepts fondamentaux nécessaires à sa compréhension.