EITC/AI/DLPTFK Diep leer met Python, TensorFlow en Keras is die Europese IT-sertifiseringsprogram oor die grondbeginsels van die programmering van diep leer in Python met masjienleerbiblioteke TensorFlow en Keras.
Die kurrikulum van die EITC/AI/DLPTFK Deep Learning with Python, TensorFlow en Keras fokus op praktiese vaardighede in deep learning Python-programmering met TensorFlow en Keras biblioteke wat binne die volgende struktuur georganiseer is, en omvattende videodidaktiese inhoud bevat as verwysing vir hierdie EITC-sertifisering.
Diep leer (ook bekend as diep gestruktureerde leer) is deel van 'n breër familie van masjienleermetodes gebaseer op kunsmatige neurale netwerke met voorstellingsleer. Leer kan onder toesig, semi-toesig of sonder toesig wees. Diep leer-argitekture soos diepe neurale netwerke, diepe geloofsnetwerke, herhalende neurale netwerke en konvolusionele neurale netwerke is toegepas op velde, insluitend rekenaarvisie, masjienvisie, spraakherkenning, verwerking van natuurlike taal, klankherkenning, sosiale netwerkfiltering, masjienvertaling, bioinformatika geneesmiddelontwerp, mediese beeldontleding, materiaalinspeksie en bordspeletjieprogramme, waar dit resultate opgelewer het wat vergelykbaar is met en in sommige gevalle beter is as menslike kundige prestasies.
Python is 'n geïnterpreteerde, hoë vlak en algemene programmeertaal. Python se ontwerpfilosofie beklemtoon die leesbaarheid van die kode deur die noemenswaardige gebruik van 'n groot ruimte. Sy taalkonstruksies en objekgerigte benadering is daarop gemik om programmeerders te help om duidelike, logiese kode vir klein en grootskaalse projekte te skryf. Vanweë die uitgebreide standaardbiblioteek word Python dikwels beskryf as 'n “batterye ingesluit” -taal. Python word algemeen gebruik in kunsmatige intelligensieprojekte en masjienleerprojekte met behulp van biblioteke soos TensorFlow, Keras, Pytorch en Scikit-leer.
Python is dinamies getik (voer tydens algemene gebruik baie algemene programmeringsgedrag uit wat statiese programmeertale tydens samestelling uitvoer) en vullis versamel (met outomatiese geheuebestuur). Dit ondersteun verskeie programmeringsparadigmas, insluitend gestruktureerde (veral prosedurele), objekgerigte en funksionele programmering. Dit is in die laat 1980's geskep, en die eerste keer vrygestel in 1991 deur Guido van Rossum as 'n opvolger van die ABC-programmeertaal. Python 2.0, wat in 2000 vrygestel is, het nuwe funksies bekendgestel, soos 'n lysbegrip, en 'n vullisverwyderingstelsel met verwysingtelling, en is in 2.7 met weergawe 2020 gestaak. Python 3.0, wat in 2008 vrygestel is, was 'n belangrike hersiening van die taal wat nie heeltemal agtertoe-versoenbaar nie en baie Python 2-kode loop nie onveranderd op Python 3. nie. Met Python 2 se einde van die lewe (en pip het die ondersteuning in 2021 laat val), word slegs Python 3.6.x en later ondersteun, met nog ouer weergawes ondersteun byvoorbeeld Windows 7 (en ou installeerders nie beperk tot 64-bis Windows nie).
Python-tolke word ondersteun vir hoofstroom-bedryfstelsels en is beskikbaar vir 'n paar meer (en in die verlede baie meer ondersteun). 'N Globale gemeenskap van programmeerders ontwikkel en onderhou CPython, 'n gratis en open source-verwysingsimplementering. 'N Organisasie sonder winsbejag, die Python Software Foundation, bestuur en stuur hulpbronne vir die ontwikkeling van Python en CPython.
Met ingang van Januarie 2021 beklee Python die derde plek in TIOBE se indeks van gewildste programmeertale, agter C en Java, nadat hy voorheen die tweede plek behaal het en die toekenning vir die gewildste wins vir 2020 behaal het. In 2007, 2010 is dit die programmeertaal van die jaar gekies. , en 2018.
In 'n empiriese studie is bevind dat skripttale, soos Python, produktiewer is as konvensionele tale, soos C en Java, vir programmeringsprobleme met betrekking tot snaarmanipulasie en soek in 'n woordeboek, en het vasgestel dat geheueverbruik dikwels 'beter is as Java en nie baie erger as C of C ++ ”. Groot organisasies wat Python gebruik, is onder andere Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Behalwe vir kunsmatige intelligensie-toepassings, word Python, as 'n skriptaal met modulêre argitektuur, eenvoudige sintaksis en ryk teksverwerkingsinstrumente, dikwels gebruik vir die verwerking van natuurlike tale.
TensorFlow is 'n gratis en oopbron sagteware-biblioteek vir masjienleer. Dit kan in verskillende take gebruik word, maar fokus veral op opleiding en afleiding van diep neurale netwerke. Dit is 'n simboliese wiskundebiblioteek wat gebaseer is op datavloei en onderskeibare programmering. Dit word gebruik vir sowel navorsing as produksie by Google.
Vanaf 2011 het Google Brain DistBelief gebou as 'n eie masjienleerstelsel gebaseer op neurale netwerke met diep leer. Die gebruik daarvan het vinnig toegeneem in verskillende Alfabet-ondernemings in sowel navorsings- as kommersiële toepassings. Google het verskeie rekenaarwetenskaplikes, waaronder Jeff Dean, aangewys om die kodebasis van DistBelief te vereenvoudig in 'n vinniger, meer robuuste biblioteek vir toepassingsgraad, wat TensorFlow geword het. In 2009 het die span, onder leiding van Geoffrey Hinton, algemene backpropagation en ander verbeterings geïmplementeer wat die opwekking van neurale netwerke met 'n aansienlik hoër akkuraatheid moontlik gemaak het, byvoorbeeld 'n vermindering van 25% in spraakherkenning met XNUMX%.
TensorFlow is die tweede generasie stelsel van Google Brain. Weergawe 1.0.0 is op 11 Februarie 2017 vrygestel. Alhoewel die verwysingsimplementering op enkele toestelle uitgevoer word, kan TensorFlow op verskeie SVE's en GPU's werk (met opsionele CUDA- en SYCL-uitbreidings vir algemene rekenaars op grafiese verwerkingseenhede). TensorFlow is beskikbaar op 64-bis Linux-, macOS-, Windows- en mobiele rekenaarplatforms, insluitend Android en iOS. Die buigsame argitektuur maak dit maklik om berekenings op verskillende platforms (CPU's, GPU's, TPU's) te implementeer, en van lessenaars tot bedienersgroepe tot mobiele en randtoestelle. TensorFlow-berekeninge word uitgedruk as statiewe datavloeigrafieke. Die naam TensorFlow is afgelei van die bewerkings wat sulke neurale netwerke op multidimensionele data-skikkings uitvoer, wat tensors genoem word. Tydens die Google I/O-konferensie in Junie 2016 het Jeff Dean gesê dat 1,500 bewaarplekke op GitHub TensorFlow genoem het, waarvan slegs 5 van Google afkomstig was. In Desember 2017 stel ontwikkelaars van Google, Cisco, RedHat, CoreOS en CaiCloud Kubeflow tydens 'n konferensie bekend. Met Kubeflow kan TensorFlow op Kubernetes bedryf en ontplooi word. In Maart 2018 het Google TensorFlow.js weergawe 1.0 vir masjienleer in JavaScript aangekondig. In Januarie 2019 het Google TensorFlow 2.0 aangekondig. Dit het amptelik beskikbaar geword in September 2019. In Mei 2019 het Google TensorFlow Graphics aangekondig vir diep leer in rekenaargrafika.
Keras is 'n oopbron sagteware-biblioteek wat 'n Python-koppelvlak bied vir kunsmatige neurale netwerke. Keras dien as 'n koppelvlak vir die TensorFlow-biblioteek.
Keras bevat talle implementerings van algemeen gebruikte boustene van neurale netwerke, soos lae, doelstellings, aktiveringsfunksies, optimaliseerders en 'n aantal instrumente om die werk met beeld- en teksdata makliker te maak om die kodering wat nodig is vir die skryf van diepe neurale netwerkkodes te vereenvoudig. Die kode word op GitHub aangebied, en gemeenskapsondersteuningsforums sluit die GitHub-uitgaweblad en 'n Slack-kanaal in.
Benewens standaard neurale netwerke, het Keras ondersteuning vir konvolusionele en herhalende neurale netwerke. Dit ondersteun ander algemene nutslae, soos dropout, batch normalisering en pooling. Met Keras kan gebruikers diep modelle op slimfone (iOS en Android), op die internet of op die Java Virtual Machine vervaardig. Dit laat ook die gebruik van verspreide opleiding van diepleermodelle toe op trosse grafiese verwerkingseenhede (GPU) en tensorverwerkingseenhede (TPU). Keras is aangeneem vir gebruik in wetenskaplike navorsing as gevolg van Python (programmeertaal) en die gemak en gebruik daarvan. Keras was die 10de mees genoemde instrument in die KDnuggets 2018-sagteware-peiling en het 'n gebruik van 22% geregistreer.
Om jouself in besonderhede te vergewis van die sertifiseringskurrikulum, kan jy die tabel hieronder uitbrei en ontleed.
Die EITC/AI/DLPTFK Deep Learning with Python, TensorFlow en Keras Sertifiseringskurrikulum verwys na oop-toegang didaktiese materiaal in 'n videovorm deur Harrison Kinsley. Leerproses word verdeel in 'n stap-vir-stap-struktuur (programme -> lesse -> onderwerpe) wat relevante kurrikulumdele dek.
Onbeperkte advies met domeinkenners word ook aangebied.
Gaan na vir besonderhede oor die Sertifiseringsprosedure Hoe dit werk.
Kurrikulumverwysingshulpbronne
Google TensorFlow
https://www.tensorflow.org/
Google TensorFlow -leerhulpbronne
https://www.tensorflow.org/learn/
TensorFlow API -dokumentasie
https://www.tensorflow.org/api_docs/
TensorFlow -modelle en -datastelle
https://www.tensorflow.org/resources/models-datasets/
TensorFlow -gemeenskap
https://www.tensorflow.org/community/
Google Cloud AI -platformopleiding met TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Python-dokumentasie
https://www.python.org/doc/
Python stel downloads vry
https://www.python.org/downloads/
Python vir beginnersgids
https://www.python.org/about/gettingstarted/
Python Wiki Beginnersgids
https://wiki.python.org/moin/BeginnersGuide
W3Schools Python -masjienleer -tutoriaal
https://www.w3schools.com/python/python_ml_getting_started.asp
Laai die volledige vanlyn selflerende voorbereidingsmateriaal vir die EITC/AI/DLPTFK Deep Learning with Python, TensorFlow en Keras-program in 'n PDF-lêer af
EITC/AI/DLPTFK voorbereidende materiaal – standaard weergawe
EITC/AI/DLPTFK-voorbereidingsmateriaal – uitgebreide weergawe met hersieningsvrae