Подзаголовки изображений с помощью TensorFlow и Streamlit: практическое руководство

Вы когда-нибудь задумывались, как компьютеры могут смотреть на фотографию и описать его на простом английском языке? Создание системы субтитров к изображениям позволяет преодолеть разрыв между компьютерным зрением и обработкой естественного языка, двумя наиболее интересными областями современных технологий. Этот текстовый курс пошагово провождает вас через процесс создания собственного интеллектуального генератора субтитров с нуля. Вы начнете с изучения основной терминологии и архитектурных основ моделей глубокого обучения, которые сочетают кодеры изображений с декодерами текста. Затем вы напишете чистый, современный код на Python для предварительной обработки наборов данных, обучите модель последовательности последовательностей с помощью TensorFlow и создадите интерактивный веб-интерфейс, чтобы продемонстрировать свою работу. Что вы узнаете: 1. Понять основные концепции компьютерного зрения, обработки естественного языка и моделей последовательности-последовательности. 2. Предварительная обработка и очистка наборов данных изображений с использованием современных конвейеров ввода TensorFlow. 3. Токенизация и подготовка текстовых данных с использованием современных подсказок и передовых методов работы с типами Python. 4. Создание и обучение нейронной сети кодер-декодер для генерации текста из визуальных входов. 5. Оценка производительности модели с использованием стандартных метрик обработки естественного языка. 6. Разверните обученную модель в качестве интерактивного веб-приложения с помощью Streamlit. Курс начинается с основных определений нейронных сетей, рекурсивных слоев и извлекателей свёрточных признаков, обеспечивая прочную концептуальную базу. Затем вы пройдете через структурированные учебники по коду, которые приведут вас от необработанных данных к полностью функциональному приложению, основанному на браузере. Этот курс предназначен для начинающих программистов, начинающих ученых данных и энтузиастов машинного обучения, которые хотят создать реальный портфельный проект. Не требуется предыдущего опыта работы с глубоким обучением, хотя базовое понимание Python поможет вам максимально использовать письменные примеры. Начните свое путешествие в мир мультимодального искусственного интеллекта сегодня.