Notions de base de PyTorch

Apprenez les concepts clés utilisés pour créer des modèles Machine Learning avec PyTorch. Nous allons entraîner un modèle de réseau neuronal qui reconnaît et classifie les images.

Nous allons découvrir différentes tâches de la Vision par ordinateur et nous concentrer sur la classification des images en apprenant à utiliser les réseaux neuronaux pour classifier des chiffres manuscrits et de vraies images telles que des photos de chats et de chiens. Nous allons utiliser l’un des frameworks de deep learning les plus connus, PyTorch !

Dans ce module, nous allons explorer différentes architectures de réseau neuronal pour traiter les textes en langage naturel. Au cours des dernières années, le traitement du langage naturel (NLP) a connu une croissance rapide principalement en raison de la capacité des modèles de langage à « comprendre » avec précision le langage humain plus rapidement tout en utilisant une formation non supervisée sur des corps de texte volumineux. Nous allons découvrir différentes techniques NLP telles que l’utilisation de « bag-of-words » (BoW), les incorporations de mots et les réseaux neuronaux récurrents pour classer le texte des titres des actualités dans une des 4 catégories (Monde, Sports, Entreprise et Sciences et techniques).

Dans ce module Learn, vous allez apprendre à effectuer une classification audio avec PyTorch. Vous allez acquérir une meilleure compréhension des fonctionnalités de données audio et de la transformation des signaux sonores en une représentation visuelle appelée spectrogrammes. Ensuite, vous allez créer le modèle avec la Vision par ordinateur sur les images des spectrogrammes. Exact, vous pouvez activer l’audio dans un format d’image, puis utiliser la Vision par ordinateur pour classifier le mot parlé.