EITC/AI/DLTF gilus mokymasis naudojant „TensorFlow“ yra Europos IT sertifikavimo programa, skirta giluminio mokymosi programoje „Python“ su „Google TensorFlow“ mašininio mokymosi biblioteka programavimui.
EITC/AI/DLTF gilaus mokymosi su „TensorFlow“ mokymo programoje pagrindinis dėmesys skiriamas praktiniams įgūdžiams gilinantis „Python“ programavimo su „Google TensorFlow“ biblioteka mokymuisi, suskirstytam į šią struktūrą, apimančią išsamų vaizdo didaktikos turinį kaip nuorodą į šį EITC sertifikatą.
Gilus mokymasis (taip pat žinomas kaip gilus struktūrizuotas mokymasis) yra platesnės mašininio mokymosi metodų šeimos dalis, pagrįsta dirbtiniais neuroniniais tinklais ir mokantis reprezentacijos. Mokymasis gali būti prižiūrimas, pusiau prižiūrimas ar neprižiūrimas. Giliai besimokančios architektūros, tokios kaip gilieji neuroniniai tinklai, giliųjų įsitikinimų tinklai, pasikartojantys neuroniniai tinklai ir konvoliuciniai neuroniniai tinklai, buvo pritaikytos tokiose srityse kaip kompiuterio regėjimas, mašininis matymas, kalbos atpažinimas, natūralios kalbos apdorojimas, garso atpažinimas, socialinių tinklų filtravimas, mašininis vertimas, bioinformatika , vaistų kūrimas, medicininių vaizdų analizė, medžiagų tikrinimas ir stalo žaidimų programos, kai jų rezultatai buvo panašūs ir kai kuriais atvejais pranoko žmonių ekspertų rezultatus.
„Python“ yra aiškinta, aukšto lygio ir bendros paskirties programavimo kalba. „Python“ projektavimo filosofija pabrėžia kodo įskaitomumą, žymiai naudodama reikšmingą tarpą. Jos kalbos konstrukcijomis ir objektyviu požiūriu siekiama padėti programuotojams parašyti aiškų, logišką kodą mažiems ir didelio masto projektams. Dėl visapusiškos standartinės bibliotekos „Python“ dažnai apibūdinamas kaip „į baterijas įtraukta“ kalba. „Python“ dažniausiai naudojamas dirbtinio intelekto projektuose ir mašininio mokymosi projektuose, naudojant tokias bibliotekas kaip „TensorFlow“, „Keras“, „Pytorch“ ir „Scikit-learn“.
„Python“ yra dinamiškai tipuotas (vykdymo metu vykdantis daugelį įprastų programavimo veiksmų, kuriuos statinės programavimo kalbos vykdo kompiliavimo metu) ir surinktas šiukšlių (su automatiniu atminties valdymu). Jis palaiko kelias programavimo paradigmas, įskaitant struktūrinį (ypač procedūrinį), objektyvų ir funkcinį programavimą. Jį sukūrė aštuntojo dešimtmečio pabaigoje ir pirmą kartą išleido 1980 m. Guido van Rossumas kaip ABC programavimo kalbos įpėdinis. „Python 1991“, išleistas 2.0 m., Pristatė naujas funkcijas, tokias kaip supratimas apie sąrašus, ir šiukšlių surinkimo sistemą su nuorodų skaičiavimu, o 2000 m. Ji buvo nutraukta naudojant 2.7 versiją. „Python 2020“, išleista 3.0 m., Buvo esminis kalbos, kuri yra nevisiškai suderinamas atgal ir daug „Python 2008“ kodo „Python 2“ neveikia nemodifikuotas. Su „Python 3“ gyvenimo pabaiga (ir „pip“ 2 m. atsisakius palaikymo) palaikoma tik „Python 2021.x“ ir naujesnės versijos, o senesnės versijos vis dar palaikanti, pvz., „Windows 3.6“ (ir senus montuotojus, neapsiribojančius 7 bitų „Windows“).
„Python“ vertėjai yra palaikomi pagrindinėse operacinėse sistemose ir yra prieinami dar keliems (o anksčiau - ir daugeliui kitų). Pasaulinė programuotojų bendruomenė kuria ir prižiūri „CPython“ - nemokamą ir atviro kodo nuorodų diegimą. Ne pelno organizacija „Python Software Foundation“ valdo ir valdo išteklius „Python“ ir „CPython“ kūrimui.
Nuo 2021 m. Sausio mėn. „Python“ užima trečiąją vietą pagal TIOBE populiariausių programavimo kalbų indeksą, už C ir „Java“, anksčiau įgijęs antrąją vietą ir apdovanojimą už didžiausią populiarumą 2020 m. Jis buvo išrinktas Metų programavimo kalba 2007 m., 2010 m. ir 2018 m.
Empirinio tyrimo metu nustatyta, kad scenarijų kalbos, tokios kaip „Python“, yra produktyvesnės nei įprastos kalbos, tokios kaip C ir „Java“, programavimo problemoms, susijusioms su eilučių manipuliavimu ir paieškomis žodyne, ir nustatyta, kad atminties vartojimas dažnai yra „geresnis nei„ Java “, o ne daug blogiau nei C arba C ++ “. Didelės organizacijos, naudojančios „Python“, yra „Wikipedia“, „Google“, „Yahoo!“, CERN, NASA, „Facebook“, „Amazon“, „Instagram“.
Be dirbtinio intelekto programų, „Python“, kaip scenarijų kalba, turinti modulinę architektūrą, paprastą sintaksę ir turtingo teksto apdorojimo įrankius, dažnai naudojama natūraliai kalbai apdoroti.
„TensorFlow“ yra nemokama ir atviro kodo programinė biblioteka, skirta mokytis mašinoje. Jis gali būti naudojamas atliekant įvairias užduotis, tačiau ypatingą dėmesį skiria giliųjų nervinių tinklų mokymui ir išvadoms. Tai simbolinė matematikos biblioteka, pagrįsta duomenų srautu ir diferencijuojamu programavimu. Jis naudojamas tiek tyrimams, tiek gamybai „Google“.
Nuo 2011 m. „Google Brain“ sukūrė „DistBelief“ kaip nuosavybės mašininio mokymosi sistemą, pagrįstą giluminio mokymosi neuroniniais tinklais. Jo naudojimas sparčiai augo įvairiose Abėcėlės bendrovėse tiek tyrimuose, tiek komercinėse srityse. „Google“ paskyrė kelis kompiuterių mokslininkus, įskaitant Jeffą Deaną, kad supaprastintų ir pertvarkytų „DistBelief“ kodą į greitesnę ir patikimesnę programos lygio biblioteką, kuri tapo „TensorFlow“. 2009 m. Komanda, vadovaujama Geoffrey Hinton, įgyvendino apibendrintą antrinį skleidimą ir kitus patobulinimus, kurie leido generuoti neuroninius tinklus žymiai didesniu tikslumu, pavyzdžiui, kalbos atpažinimo klaidos sumažėjo 25%.
„TensorFlow“ yra antrosios kartos „Google Brain“ sistema. Versija 1.0.0 buvo išleista 11 m. Vasario 2017 d. Nors nuorodos diegimas veikia atskiruose įrenginiuose, „TensorFlow“ gali veikti su keliais centriniais procesoriais ir GPU (su pasirinktiniais CUDA ir SYCL plėtiniais, skirtais grafikos procesorių bendrosios paskirties skaičiavimams). „TensorFlow“ galima naudoti 64 bitų „Linux“, „MacOS“, „Windows“ ir mobiliųjų kompiuterių platformose, įskaitant „Android“ ir „iOS“. Jo lanksti architektūra leidžia lengvai pritaikyti skaičiavimus įvairiose platformose (procesoriuose, GPU, TPU) ir nuo darbalaukių iki serverių grupių, mobiliųjų ir krašto įrenginių. „TensorFlow“ skaičiavimai išreiškiami kaip būsenos duomenų srauto grafikai. Pavadinimas „TensorFlow“ yra kilęs iš operacijų, kurias tokie neuroniniai tinklai atlieka daugiamatėse duomenų masyvuose, kurie vadinami tensorais. Per „Google I/O“ konferenciją 2016 m. Birželio mėn. Jeffas Deanas pareiškė, kad 1,500 „GitHub“ saugyklų paminėjo „TensorFlow“, iš kurių tik 5 buvo „Google“. 2017 m. Gruodžio mėn. „Google“, „Cisco“, „RedHat“, „CoreOS“ ir „CaiCloud“ kūrėjai konferencijoje pristatė „Kubeflow“. „Kubeflow“ leidžia valdyti ir įdiegti „TensorFlow“ „Kubernetes“. 2018 m. Kovo mėn. „Google“ paskelbė „TensorFlow.js“ 1.0 versiją, skirtą mašininiam mokymuisi naudojant „JavaScript“. 2019 m. Sausio mėn. „Google“ paskelbė „TensorFlow 2.0“. Jis tapo oficialiai prieinamas 2019 m. Rugsėjo mėn. 2019 m. Gegužės mėn. „Google“ paskelbė „TensorFlow Graphics“, skirtą giliam kompiuterinės grafikos mokymuisi.
Norėdami išsamiai susipažinti su sertifikavimo programa, galite išplėsti ir išanalizuoti toliau pateiktą lentelę.
EITC/AI/DLTF giluminio mokymosi su TensorFlow sertifikavimo mokymo programoje pateikiamos nuorodos į atviros prieigos didaktinę medžiagą Harrisono Kinsley vaizdo formoje. Mokymosi procesas yra padalintas į laipsnišką struktūrą (programos -> pamokos -> temos), apimančią atitinkamas mokymo programos dalis. Taip pat teikiamos neribotos konsultacijos su domenų ekspertais.
Norėdami gauti daugiau informacijos apie sertifikavimo procedūrą, patikrinkite Patogus abonementas.
Gyvenimo aprašymo šaltiniai
„Google TensorFlow“
https://www.tensorflow.org/
„Google TensorFlow“ mokymosi ištekliai
https://www.tensorflow.org/learn/
„TensorFlow“ API dokumentacija
https://www.tensorflow.org/api_docs/
„TensorFlow“ modeliai ir duomenų rinkiniai
https://www.tensorflow.org/resources/models-datasets/
„TensorFlow“ bendruomenė
https://www.tensorflow.org/community/
„Google Cloud AI“ platformos mokymai su „TensorFlow“
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Atsisiųskite visą parengiamąją savarankiško mokymosi neprisijungus medžiagą, skirtą EITC/AI/DLTF giluminiam mokymuisi su TensorFlow programa PDF faile
EITC/AI/DLTF paruošiamoji medžiaga – standartinė versija
EITC/AI/DLTF parengiamoji medžiaga – išplėstinė versija su peržiūros klausimais