TensorFlow の基礎

このモジュールでは、TensorFlow の使用を開始するために必要なすべての概念と実用的な知識を提供します。 TensorFlow の一部としてリリースされた高レベルの API である Keras について確認し、それを使用して画像分類用の単純なニューラル ネットワークを構築します。

このモジュールでは、TensorFlow を使用した Computer Vision の概要を説明します。 画像分類を使用して畳み込みニューラル ネットワークについて学習し、事前トレーニング済みのネットワークと転移学習によってモデルを改善し、実際の問題をどのように解決できるかを確認します。

このモジュールでは、自然言語テキストを処理するためのさまざまなニューラル ネットワーク アーキテクチャについて確認します。 自然言語処理 (NLP) は、主に言語モデルのパフォーマンスがテキストを "理解" する全体的な能力に依存し、大きなテキスト コーパスで教師なし手法を使用してトレーニングできるため、急速な成長と進歩を遂げてきました。 さらに、事前トレーニング済みのテキスト モデル (BERT など) により、多くの NLP タスクが簡略化され、パフォーマンスが大幅に向上しました。 これらの手法と NLP の基本の詳細については、この学習モジュールで学習します。

この学習モジュールでは、TensorFlow を使用してオーディオ分類を行う方法について学習します。 オーディオ分類モデルを作成するには、複数の方法があります。 波形を使用したり、wave ファイルのセクションにタグを付けたり、スペクトログラム画像で Computer Vision を使用したりすることもできます。 このチュートリアルでは、最初にオーディオ データを理解する方法をアナログからデジタル表現まで分解し、次にスペクトログラム画像で Computer Vision を使用してモデルを構築します。 そうです、音声を画像表現に変換してから、Computer Vision を実行して、話された単語を分類することができます。

最初のモジュールを完了し、モデルをビルドまたはデバッグするために追加の柔軟性が必要である場合は、このモジュールが役立ちます。 画像分類用の単純なニューラル ネットワークを作成する方法を示しますが、今回は下位レベルの TensorFlow コードを使用し、それを理解するために必要な基本的な概念について説明します。