Az EITC/AI/DLTF Deep Learning with TensorFlow az európai informatikai tanúsító program a mély tanulás Pythonban történő programozásának alapjairól a Google TensorFlow gépi tanulási könyvtárral.
Az EITC/AI/DLTF Deep Learning with TensorFlow tanterve a gyakorlati készségekre összpontosít a Python programozás alapos tanulásában a Google TensorFlow könyvtárral, a következő struktúra szerint szervezve, átfogó videodidaktikai tartalmakkal, az EITC tanúsítás referenciaként.
A mély tanulás (más néven mély strukturált tanulás) a gépi tanulási módszerek szélesebb családjának része, amely mesterséges neurális hálózatokon alapszik, reprezentációs tanulással. A tanulás lehet felügyelt, félig felügyelt vagy felügyelet nélküli. Mély tanulási architektúrákat, például mély neurális hálózatokat, mély hitű hálózatokat, visszatérő neurális hálózatokat és konvolúciós neurális hálózatokat alkalmaztak olyan területeken, mint a számítógépes látás, a gépi látás, a beszédfelismerés, a természetes nyelv feldolgozása, a hangfelismerés, a társadalmi hálózatok szűrése, a gépi fordítás, a bioinformatika , gyógyszertervezés, orvosi képelemzés, anyagvizsgálat és társasjáték programok, ahol az emberi szakértői teljesítményhez hasonlítható és esetenként meghaladó eredményeket hoztak.
A Python egy értelmezett, magas szintű és általános célú programozási nyelv. A Python tervezési filozófiája hangsúlyozza a kód olvashatóságát a jelentős szóköz jelentős felhasználásával. Nyelvi konstrukcióinak és objektum-orientált megközelítésének célja, hogy segítse a programozókat világos, logikus kód megírásában kis és nagy projektekhez. A Python-t átfogó szabványos könyvtárának köszönhetően gyakran „elemekkel együtt” használt nyelvként írják le. A Pythont gyakran használják mesterséges intelligencia projektekben és gépi tanulási projektekben olyan könyvtárak segítségével, mint a TensorFlow, a Keras, a Pytorch és a Scikit-learn.
A Python dinamikusan be van írva (futás közben sok olyan általános programozási magatartást hajt végre, amelyet a statikus programozási nyelvek végrehajtanak a fordítás során) és szemetet gyűjt (automatikus memóriakezeléssel). Támogatja a több programozási paradigmát, beleértve a strukturált (különösen az eljárási), az objektum-orientált és a funkcionális programozást. Az 1980-as évek végén hozták létre, és először 1991-ben adták ki Guido van Rossum az ABC programnyelv utódjaként. A 2.0-ben kiadott Python 2000 új funkciókat vezetett be, mint például a felsorolás megértését és a szemétgyűjtő rendszert referenciaszámlálással, és a 2.7-es verzióval 2020-ban megszüntették. A 3.0-ban kiadott Python 2008 a nyelv jelentős változata volt. nem teljesen visszafelé kompatibilis, és a Python 2 sok kódja nem fut változatlanul a Python 3-on. A Python 2 életciklusának végén (és a pip 2021-ben elvesztette a támogatást) csak a Python 3.6.x és újabb verzióit támogatják, a régebbi verziók továbbra is támogatja például a Windows 7-et (és a régi telepítőket, amelyek nem korlátozódnak a 64 bites Windows-ra).
A Python tolmácsokat a mainstream operációs rendszerek támogatják, és még néhányhoz rendelkezésre állnak (és a múltban még sokakat támogattak). A globális programozói közösség fejleszti és fenntartja a CPython-t, egy ingyenes és nyílt forráskódú referencia-megvalósítást. Egy nonprofit szervezet, a Python Software Foundation kezeli és irányítja a Python és a CPython fejlesztésének erőforrásait.
2021 januárjától a Python a harmadik helyet foglalja el a TIOBE legnépszerűbb programozási nyelvek indexében, a C és a Java mögött, korábban megszerezte a második helyet és díjat a 2020-as legnépszerűbb növekedésért. 2007-ben, 2010-ben választották az év programnyelvének. , és 2018.
Egy empirikus tanulmány megállapította, hogy a szkriptnyelvek, mint például a Python, produktívabbak, mint a hagyományos nyelvek, például a C és a Java a stringes manipulációt és a szótárban történő keresést magában foglaló programozási problémák esetén, és megállapították, hogy a memóriafogyasztás gyakran „jobb, mint a Java, és nem sokkal rosszabb, mint a C vagy a C ++ ”. A Python-t használó nagy szervezetek közé tartozik a Wikipedia, a Google, a Yahoo !, a CERN, a NASA, a Facebook, az Amazon, az Instagram.
A Python, mint mesterséges intelligencia alkalmazásai, mint moduláris felépítésű szkriptnyelv, egyszerű szintaxis és gazdag szövegfeldolgozó eszközök, gyakran használják a természetes nyelv feldolgozásához.
A TensorFlow egy ingyenes és nyílt forráskódú szoftverkönyvtár a gépi tanuláshoz. Feladatok széles körében használható, de különös figyelmet fordít a mély ideghálózatok képzésére és következtetésére. Ez egy szimbolikus matematikai könyvtár, amely adatfolyamon és differenciálható programozáson alapul. Kutatásra és gyártásra egyaránt használják a Google-nál.
2011-től kezdődően a Google Brain a DistBelief-et egy saját gépi tanulási rendszerként építette fel, amely mély tanulási ideghálózatokon alapul. Használata gyorsan nőtt a különböző ábécé-társaságok között mind a kutatás, mind a kereskedelmi alkalmazások területén. A Google több informatikust, köztük Jeff Deant bízott meg a DistBelief kódbázisának egyszerűsítésével és átalakításával egy gyorsabb, robusztusabb alkalmazásszintű könyvtárba, amely TensorFlow lett. A Geoffrey Hinton által vezetett csoport 2009-ben általános hátteret és egyéb fejlesztéseket hajtott végre, amelyek lehetővé tették az ideghálózatok létrehozását lényegesen nagyobb pontossággal, például 25% -kal csökkentették a beszédfelismerés hibáit.
A TensorFlow a Google Brain második generációs rendszere. Az 1.0.0 verzió 11. február 2017-én jelent meg. Míg a referencia megvalósítás egyetlen eszközön fut, a TensorFlow több CPU-n és GPU-n is futtatható (opcionális CUDA és SYCL kiterjesztésekkel grafikus processzorok általános célú számításához). A TensorFlow 64 bites Linux, macOS, Windows és mobil számítástechnikai platformokon érhető el, beleértve az Androidot és az iOS-t is. Rugalmas architektúrája lehetővé teszi a számítások egyszerű telepítését számos platformon (CPU-k, GPU-k, TPU-k), az asztali számítógépektől kezdve a kiszolgálófürtökön át a mobil- és éleszközökig. A TensorFlow számításokat állapotfüggő adatfolyam-grafikonokként fejezzük ki. A TensorFlow név azokból a műveletekből származik, amelyeket az ilyen ideghálózatok többdimenziós adattömbökön végeznek, amelyeket tenzoroknak neveznek. A 2016. júniusi Google I/O konferencia során Jeff Dean kijelentette, hogy a GitHub 1,500 tárhelye megemlítette a TensorFlow szoftvert, amelyek közül csak 5 volt a Google-tól. 2017 decemberében a Google, a Cisco, a RedHat, a CoreOS és a CaiCloud fejlesztői egy konferencián mutatták be a Kubeflow-t. A Kubeflow lehetővé teszi a TensorFlow működését és telepítését a Kubernetesen. 2018 márciusában a Google bejelentette a TensorFlow.js 1.0 verzióját a gépi tanuláshoz a JavaScript-ben. 2019 januárjában a Google bejelentette a TensorFlow 2.0 alkalmazást. 2019 szeptemberében vált hivatalosan elérhetővé. 2019 májusában a Google bejelentette a TensorFlow Graphics alkalmazást a számítógépes grafika mély tanulásához.
A tanúsítási tanterv részletes megismeréséhez bővítheti és elemezheti az alábbi táblázatot.
Az EITC/AI/DLTF Deep Learning with TensorFlow Certification Curriculum nyílt hozzáférésű didaktikai anyagokra hivatkozik Harrison Kinsley videó formájában. A tanulási folyamat lépésről lépésre tagolódik (programok -> órák -> témák), amely lefedi a megfelelő tantervi részeket. Korlátlan szaktanácsadás is biztosított domain szakértőkkel.
A tanúsítási eljárás részleteiért ellenőrizze Hogyan működik.
Tantervi referencia-források
Google TensorFlow
https://www.tensorflow.org/
Google TensorFlow tanulási források
https://www.tensorflow.org/learn/
TensorFlow API dokumentáció
https://www.tensorflow.org/api_docs/
TensorFlow modellek és adatkészletek
https://www.tensorflow.org/resources/models-datasets/
TensorFlow közösség
https://www.tensorflow.org/community/
Google Cloud AI platform oktatás a TensorFlow segítségével
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Töltse le a teljes offline öntanuló előkészítő anyagokat az EITC/AI/DLTF Deep Learning with TensorFlow programhoz PDF-fájlban
EITC/AI/DLTF előkészítő anyagok – standard változat
EITC/AI/DLTF előkészítő anyagok – kibővített változat felülvizsgálati kérdésekkel