Mål F AI engineering
Bygg ett röstgränssnitt
Från vågform till spektrogram och mel-features, vidare till taligenkänning och talsyntes — och de integritetsfrågor som röstdata alltid bär med sig.
- Kunskaper
- 46
- Från noll
- ca 34 h
- Labbar
- 6
Se vad du redan kan — utan konto
Diagnosen föreslår en startpunkt. Övningarna visar vad du faktiskt kan.
Det här kan du efteråt
Labbar på vägen
Du skriver koden. Tester du inte ser avgör om den håller.
Labb: ett neuronnät i ren NumPy — forward, backprop, gradientkontrollDsandlåda · ca 75 minLabb: gradient descent från grundenDi webbläsaren · ca 50 minLabb: matrismultiplikation och ett lager i ett neuronnätDi webbläsaren · ca 45 minLabb: scaled dot-product attention med kausal maskDsandlåda · ca 60 minLabb: semantisk sökning med embeddingsDsandlåda · ca 45 minLabb: skalärprodukt, norm och cosinuslikhetDi webbläsaren · ca 40 min
Hela vägen
Allt målet bygger på, grupperat per nivå och i den ordning det bygger på varandra. Visa på kartan
AUpptäckare3 kunskaper
BUtforskare7 kunskaper
CByggare11 kunskaper
- Funktioner och koordinatsystem
- Avståndsberäkning och Pythagoras sats
- Programmeringslogik — variabler, villkor, loopar
- Python — grunderna
- Python — listor, loopar och dictionaries
- Statistik — medelvärde, median och spridning
- Sannolikhet — grunderna
- Digital representation: text, bilder och ljud
- Ljud som data: samplingsfrekvens och amplitud
- Linjär regression: anpassa en rät linje till data
- Neuronnät — intuitionen
DAI-utvecklare14 kunskaper
- Derivata och optimering
- Licenser och öppna data
- Loss-funktioner
- Gradient descent
- Trigonometri — grunderna
- Vektorer
- Matriser och matrismultiplikation
- Neuronnät — forward pass med matriser
- Backpropagation
- Embeddings — ord som vektorer
- Attention
- PyTorch — tensorer och autograd
- Träna ett neuronnät i PyTorch
- Transformers — arkitekturen