TensorFlow és una biblioteca de codi obert desenvolupada per Google per a l'aprenentatge automàtic i la intel·ligència artificial. És àmpliament utilitzada per a la creació i entrenament de models de xarxes neuronals, així com per a altres tasques d'aprenentatge automàtic. TensorFlow permet als desenvolupadors construir i desplegar models d'aprenentatge automàtic en una varietat de plataformes, incloent-hi dispositius mòbils, servidors i navegadors web.

1. Codi obert: TensorFlow és una biblioteca de codi obert, la qual cosa significa que qualsevol persona pot utilitzar-la, modificar-la i contribuir-hi.
2. Flexibilitat: Permet construir models des de zero o utilitzar models preentrenats.
3. Portabilitat: Els models creats amb TensorFlow es poden desplegar en diverses plataformes, incloent-hi dispositius mòbils (TensorFlow Lite) i navegadors web (TensorFlow.js).
4. Ecosistema ric: TensorFlow té un ecosistema ampli que inclou eines per a la preparació de dades, la construcció de models, l'entrenament, la validació i el desplegament.
5. Compatibilitat amb altres biblioteques: Es pot integrar fàcilment amb altres biblioteques i frameworks com Keras, que proporciona una API d'alt nivell per a la construcció de models.

TensorFlow va ser llançat per Google el novembre de 2015 com a successor de DistBelief, un sistema d'aprenentatge profund intern utilitzat per Google. Des de llavors, ha evolucionat significativament i ha esdevingut una de les biblioteques més populars per a l'aprenentatge automàtic i la intel·ligència artificial.

1. Tensors: Són les unitats bàsiques de dades en TensorFlow. Un tensor és una matriu multidimensional que conté elements d'un sol tipus de dades.
2. Gràfics computacionals: TensorFlow utilitza gràfics computacionals per representar les operacions matemàtiques. Un gràfic és una estructura de dades que conté una sèrie de nodes (operacions) i arestes (dades).
3. Sessions: Una sessió és un entorn en el qual els gràfics es poden executar. Permet als usuaris executar parts del gràfic o tot el gràfic.
4. Variables: Són tensors que poden canviar el seu valor durant l'execució del gràfic. S'utilitzen per emmagatzemar els paràmetres del model.
5. Operacions: Són les funcions matemàtiques que es poden aplicar als tensors. Inclouen operacions aritmètiques, funcions d'activació, etc.

TensorFlow s'utilitza en una àmplia varietat d'aplicacions, incloent-hi:

• Reconeixement d'imatges: Creació de models per identificar objectes en imatges.
• Processament de llenguatge natural (NLP): Anàlisi de text per a tasques com la traducció automàtica i la classificació de sentiments.
• Sistemes de recomanació: Generació de recomanacions personalitzades basades en el comportament de l'usuari.
• Vehicles autònoms: Desenvolupament d'algoritmes per a la conducció autònoma.

TensorFlow és una eina poderosa i flexible per a l'aprenentatge automàtic i la intel·ligència artificial. La seva capacitat per treballar amb grans volums de dades i la seva compatibilitat amb diverses plataformes el fan ideal per a una àmplia gamma d'aplicacions. En els següents mòduls, explorarem com configurar TensorFlow, els conceptes bàsics i com començar a construir models senzills.

Resum: En aquesta secció, hem après què és TensorFlow, les seves característiques clau, la seva història, els components principals i alguns exemples d'ús. Ara estem preparats per passar a la configuració de TensorFlow en el nostre entorn de treball.