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 allez avoir une introduction à Vision par ordinateur à l’aide de TensorFlow. Nous utiliserons la classification d'images pour nous familiariser avec les réseaux neuronaux convolutifs, puis nous verrons comment les réseaux pré-entraînés et l'apprentissage par transfert peuvent améliorer nos modèles et résoudre des problèmes du monde réel.

Dans ce module, nous allons explorer différentes architectures de réseaux neuronaux pour le traitement des 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. De plus, les modèles de texte pré-entraînés tels que BERT ont simplifié de nombreuses tâches de NLP et amélioré considérablement les performances. Pour plus d’informations sur ces techniques et sur les principes de base du NLP, consultez ce module d’apprentissage.

Dans ce module d’apprentissage, nous allons apprendre à effectuer une classification audio avec TensorFlow. Il existe plusieurs façons de créer un modèle de classification audio. Vous pouvez utiliser la forme d’onde, les sections de balise d’un fichier audio, ou même utiliser la Vision par ordinateur sur l’image de spectrogramme. Ce tutoriel aborde d’abord la compréhension des données audio, des représentations analogiques aux représentations numériques. Nous allons ensuite générer le modèle à l’aide de la Vision par ordinateur sur les images du spectrogramme. Exact, vous pouvez activer l’audio dans une représentation d’image, puis utiliser la vision par ordinateur pour classer le mot parlé !

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.