Conceitos básicos do TensorFlow

Visão rápida

Conheça os conceitos básicos do aprendizado profundo com o TensorFlow! O roteiro de aprendizagem intuitivo para iniciantes apresentará conceitos fundamentais para a criação de modelos de machine learning.

Pré-requisitos

  • Conhecimento básico em Python
  • Conhecimento básico sobre como usar Jupyter Notebooks
  • Noções básicas sobre machine learning

Módulos neste roteiro de aprendizagem

Este módulo fornece todos os conceitos e conhecimentos práticos necessários para começar a usar o TensorFlow. Exploramos o Keras, uma API de alto nível lançada como parte do TensorFlow e a usamos para criar uma rede neural para classificação de imagem.

Neste módulo, você obterá uma introdução à Pesquisa Visual Computacional usando o TensorFlow. Usamos a classificação de imagens para aprender sobre redes neurais convolucionais e, em seguida, ver como redes pré-treinadas e aprendizado de transferência podem melhorar nossos modelos e resolver problemas do mundo real.

Neste módulo, exploraremos diferentes arquiteturas de rede neural para processar textos de linguagem natural. O NLP (Processamento de Linguagem Natural) experimentou um rápido crescimento e avanço principalmente porque o desempenho dos modelos de linguagem depende de sua capacidade geral de "entender" o texto e pode ser treinado usando uma técnica não supervisionada em grandes corpora de texto. Além disso, os modelos de texto pré-treinados simplificaram muitas tarefas NLP e melhoraram drasticamente o desempenho. Aprendemos mais sobre essas técnicas e as noções básicas do NLP neste módulo de aprendizagem.

Saiba como o áudio é representado como tensores, como converter formas de onda em espectrogramas e como usar TensorFlow para criar um classificador de palavra-chave simples.

Se você concluiu o primeiro módulo e percebeu que precisa de flexibilidade extra para criar ou depurar seu modelo, então este módulo é para você. Mostraremos como você pode criar uma rede neural simples para classificação de imagens, mas desta vez usaremos o código TensorFlow de nível inferior e explicaremos os conceitos fundamentais necessários para entendê-lo.