EITC/AI/MLP masjienleer met Python

by admin / Dinsdag, 02 Februarie 2021 / gepubliseer in Uncategorized

Huidige toestand

Nie ingeskryf nie

Prys

€110

Begin Vandag

Skryf in vir hierdie sertifisering

EITC/AI/MLP Masjienleer met Python is die Europese IT-sertifiseringsprogram op die basis van programmering van masjienleer met Python-taal.

Die kurrikulum van die EITC/AI/MLP Machine Learning with Python fokus op teoretiese en praktiese vaardighede in masjienleerprogrammering wat binne die volgende struktuur georganiseer is, en omvattende videodidaktiese inhoud bevat as verwysing vir hierdie EITC-sertifisering.

Masjienleer (ML) is die bestudering van rekenaaralgoritmes wat outomaties verbeter deur ervaring. Dit word gesien as 'n deel van kunsmatige intelligensie. Masjienleeralgoritmes bou 'n model gebaseer op voorbeelddata, bekend as die opleidingsdata, om voorspellings of besluite te neem sonder om eksplisiet daarvoor geprogrammeer te word.

Masjienleeralgoritmes word in 'n wye verskeidenheid toepassings gebruik, soos e-posfiltering en rekenaarvisie, waar dit moeilik of onuitvoerbaar is om konvensionele algoritmes te ontwikkel om die nodige take uit te voer. Masjienleer is in 1959 deur Arthur Samuel omskryf as die 'studieveld wat rekenaars die vermoë gee om te leer sonder om eksplisiet te wees.'

'N Onderstel van masjienleer is nou verwant aan rekenaarstatistieke, wat fokus op die voorspelling van rekenaars, maar nie alle masjienleer is statistiese leer nie. Die studie van wiskundige optimalisering lewer metodes, teorie en toepassingsdomeine op die gebied van masjienleer. Data-ontginning is 'n verwante vakgebied, wat fokus op verkennende data-analise deur leer sonder toesig. In die toepassing daarvan in sakeprobleme word masjienleer ook voorspellingsanalise genoem.

Masjienleerbenaderings word tradisioneel in drie breë kategorieë verdeel, afhangende van die aard van die 'sein' of 'terugvoer' wat aan die leerstelsel beskikbaar is:

Leer onder toesig: die rekenaar bied voorbeeldinvoere en hul gewenste uitsette, wat deur 'n 'onderwyser' gegee word, en die doel is om 'n algemene reël te leer wat insette na uitsette karteer.
Onbewaakte leer: Geen etikette word aan die leeralgoritme gegee nie, wat dit op sy eie laat om struktuur in die insette te vind. Onbewaakte leer kan 'n doel op sigself wees (verborge patrone in data ontdek) of 'n manier om dit te beëindig (kenmerkende leer).
Versterkingsleer: 'n Rekenaarprogram is in wisselwerking met 'n dinamiese omgewing waarin dit 'n sekere doel moet bereik (soos om 'n voertuig te bestuur of 'n wedstryd teen 'n teenstander te speel). Terwyl dit deur sy probleemruimte navigeer, word die program terugvoer gegee wat ooreenstem met belonings, wat dit probeer maksimeer.

Ander benaderings is ontwikkel wat nie netjies in hierdie drievoudige kategorisering pas nie, en soms word meer as een deur dieselfde masjienleerstelsel gebruik. Byvoorbeeld onderwerpmodellering, dimensievermindering of metaleer.

Vanaf 2020 het diep leer die dominante benadering geword vir baie deurlopende werk op die gebied van masjienleer.

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.

Om jouself in besonderhede te vergewis van die sertifiseringskurrikulum, kan jy die tabel hieronder uitbrei en ontleed.

Die EITC/AI/MLP Masjienleer met Python-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 konsultasie met domeinkundiges word ook verskaf.
Gaan na vir besonderhede oor die Sertifiseringsprosedure Hoe dit werk.

Masjienleer is in 1959 deur Arthur Samuel gedefinieer as die 'studieveld wat rekenaars die vermoë gee om te leer sonder om eksplisiet te wees.' Die EITC/AI/MLPP-masjienleerprogrammering met Python-program beoog om die beginsels van masjienleer (insluitend basiese begrip van die teorie) in te lei wat fokus op programmering met Python. Behalwe die teorie, dek dit toepassings, sowel as teoretiese en praktiese aspekte van masjienleeralgoritmes onder toesig, sonder toesig en diep leer. Die program dek lineêre regressie, K-naaste bure, SVM-ondersteuning, plat groepering, hiërargiese groepering en neurale netwerke. Dit bevat basiese opvattings oor die betrokke algoritmes en die logika daaragter. Dit dek ook bespreking van die toepassings van die algoritmes in programmering deur gebruik te maak van werklike datastelle saam met modules (bv. Scikit-Learn). Die program sal ook besonderhede van elk van die algoritmes dek deur hierdie algoritmes in kode te implementeer, insluitend die betrokke wiskunde met insigte oor hoe die algoritmes presies werk, hoe dit aangepas kan word en wat hul eienskappe is, insluitend voor- en nadele. Die algoritmika wat by masjienleer betrokke is, is redelik eenvoudig (soos gekondisioneer deur hul skaalbehoefte vir groot datastelle), asook die wiskunde waarop dit gebaseer is (lineêre algebra).