TensorFlow 基本概念

此課程模組提供開始使用 TensorFlow 所需的所有概念和實用知識。 我們會探索 Keras，其為隨 TensorFlow 一起發行的高階 API，並且會用來建置適用於影像分類的簡易神經網路。

在此課程模組中，您將獲得使用 TensorFlow 的電腦視覺簡介。 我們會使用影像分類來了解卷積神經網路，然後查看預先定型的網路和傳輸學習如何改善我們的模型並解決真實世界的問題。

在此課程模組中，我們將探索以不同的神經網路結構來處理自然語言文字。 自然語言處理 (NLP) 之所以出現飛快成長和演進的原因，主要是因為語言模型的效能主要取決於其「理解」文字的整體能力上，且能根據龐大的文字語料庫使用無需監督的技術進行定型。 此外，預先定型的文字模型 (例如 BERT) 能簡化許多 NLP 工作，並大幅提升效能。 我們將在此學習課程模組中深入了解這些技術和 NLP 的基本概念。

在此學習課程模組中，我們將了解如何使用 TensorFlow 進行音訊分類。 有多種方式可建立音訊分類模型。 您可以使用波形、標籤區段的 wav 檔，或甚至使用 spectrogram 影像上的電腦視覺。 在本教學課程中，我們會先細分如何理解音訊資料（從類比到數位表示），然後使用 spectrogram 映射上的電腦視覺來建立模型。 沒錯，您可以將音訊轉換成影像表示法，然後執行電腦視覺來將說出的單字分類！

如果您已完成第一個課程模組，且發現您需要額外的彈性來建置模型或對其進行偵錯，則此課程模組非常適合您。 我們將示範如何建立適用於影像分類的簡易神經網路，但這次我們將使用較低層級的 TensorFlow 程式碼，並說明加以了解所需的基本概念。