بدء استخدام ميزة مساعد ضبط الاستعلام PyTorch

مبتدئ
متوسط
عالم بيانات
المطور
طالب
التعلّم الآلي

تعلّم أساسيات التعلّم العميق مع PyTorch! سيُعرفك المسار التعلّم للمبتدئين هذا على المفاهيم الرئيسية لبناء نماذج التعلّم الآلي في مجالات متعددة تشمل الكلام والرؤية ومعالجة اللغة الطبيعية.

المتطلبات الأساسية

  • المعرفة الأساسية بـ Python
  • المعرفة الأساسية حول كيفية استخدام دفاتر Jupyter
  • الفهم الأساسي للتعلم الآلي

الوحدات النمطية في مسار التعلم هذا

تعرف على كيفية إنشاء نماذج التعلم الآلي باستخدام PyTorch.

في هذه الوحدة النمطية، سوف تحصل على مقدمة للرؤية الحاسوبية باستخدام أحد أكثر أطر التعلم العميق شيوعاً، PyTorch! سنستخدم مهام تصنيف الصور للتعرف على الشبكات العصبية الالتفافية، ومن ثم نرى كيف يمكن للشبكات المدربة مسبقاً ونقل التعلم تحسين نماذجنا وحل مشكلات العالم الحقيقي.

في هذه الوحدة النمطية، سوف نستكشف بنية الشبكات العصبية المختلفة للتعامل مع نصوص اللغة الطبيعية. في السنوات الأخيرة، شهدت معالجة اللغات الطبيعية (NLP) نمواً سريعاً كمجال، ويرجع ذلك أساساً إلى أن أداء نماذج اللغة يعتمد على قدرتها الكلية على "فهم" النص، ويمكن تدريب ذلك بطريقة غير خاضعة للإشراف على مجموعة نصية كبيرة. وبالتالي، فإن النماذج النصية المدربة مسبقاً مثل BERT قامت بتبسيط العديد من مهام NLP، وتحسين الأداء بشكل كبير.

في وحدة التعلم النمطية هذه سوف نتعرف على كيفية تصنيف الصوت باستخدام PyTorch. هناك طرق متعددة لبناء نموذج تصنيف الصوت. يمكنك استخدام الشكل الموجي، أو وضع علامات على أقسام ملف الموجة، أو حتى استخدام الرؤية الحاسوبية على صورة المخطط الطيفي. في هذا البرنامج التعليمي، سنشرح أولاً كيفية فهم البيانات الصوتية، من التمثيلات التناظرية إلى التمثيلات الرقمية، ثم نبني النموذج باستخدام الرؤية الحاسوبية على صور التخطيط الطيفي. هذا صحيح، يمكنك تحويل الصوت إلى تمثيل صورة ثم القيام برؤية حاسوبية لتصنيف الكلمة المنطوقة!