EITC/AI/DLTF Deep Learning with TensorFlow - это европейская программа ИТ-сертификации по основам программирования глубокого обучения на Python с библиотекой машинного обучения Google TensorFlow.
Учебная программа EITC/AI/DLTF Deep Learning с TensorFlow фокусируется на практических навыках глубокого обучения Python-программирования с библиотекой Google TensorFlow, организованной в следующей структуре, охватывающей исчерпывающий видеодидактический контент в качестве справочного материала для этой сертификации EITC.
Глубокое обучение (также известное как глубокое структурированное обучение) является частью более широкого семейства методов машинного обучения, основанных на искусственных нейронных сетях с репрезентативным обучением. Обучение может быть контролируемым, частично контролируемым или неконтролируемым. Архитектуры глубокого обучения, такие как глубокие нейронные сети, сети глубоких убеждений, рекуррентные нейронные сети и сверточные нейронные сети, применяются в таких областях, как компьютерное зрение, машинное зрение, распознавание речи, обработка естественного языка, распознавание звука, фильтрация социальных сетей, машинный перевод, биоинформатика. , разработка лекарств, анализ медицинских изображений, проверка материалов и программы настольных игр, в которых они дали результаты, сопоставимые, а в некоторых случаях и превосходящие возможности экспертов.
Python - это интерпретируемый язык программирования общего назначения высокого уровня. Философия дизайна Python делает упор на удобочитаемости кода с заметным использованием значительных пробелов. Его языковые конструкции и объектно-ориентированный подход призваны помочь программистам писать ясный, логичный код для небольших и крупномасштабных проектов. Python часто описывается как язык с «включенными батареями» из-за его обширной стандартной библиотеки. Python обычно используется в проектах искусственного интеллекта и проектах машинного обучения с помощью таких библиотек, как TensorFlow, Keras, Pytorch и Scikit-learn.
Python имеет динамическую типизацию (выполнение во время выполнения многих общих программных действий, которые статические языки программирования выполняют во время компиляции) и сборщик мусора (с автоматическим управлением памятью). Он поддерживает несколько парадигм программирования, включая структурированное (в частности, процедурное), объектно-ориентированное и функциональное программирование. Он был создан в конце 1980-х годов и впервые выпущен в 1991 году Гвидо ван Россумом в качестве преемника языка программирования ABC. Python 2.0, выпущенный в 2000 году, представил новые функции, такие как понимание списков и систему сбора мусора с подсчетом ссылок, и был прекращен с версией 2.7 в 2020 году. Python 3.0, выпущенный в 2008 году, был основным пересмотром языка, который является не полностью обратно совместим, и большая часть кода Python 2 не запускается без изменений на Python 3. С окончанием срока службы Python 2 (и pip, прекратившим поддержку в 2021 году), поддерживаются только Python 3.6.x и более поздние версии, а более старые версии все еще поддержка, например, Windows 7 (и старые установщики не ограничиваются 64-битной Windows).
Интерпретаторы Python поддерживаются для основных операционных систем и доступны еще для нескольких (а в прошлом поддерживали гораздо больше). Мировое сообщество программистов разрабатывает и поддерживает CPython, бесплатную эталонную реализацию с открытым исходным кодом. Некоммерческая организация Python Software Foundation управляет ресурсами для разработки Python и CPython и направляет их.
По состоянию на январь 2021 года Python занимает третье место в рейтинге самых популярных языков программирования TIOBE после C и Java, ранее занимая второе место и получая награду за наибольшую популярность в 2020 году. Он был выбран языком программирования года в 2007 и 2010 годах. , и 2018.
Эмпирическое исследование показало, что языки сценариев, такие как Python, более продуктивны, чем обычные языки, такие как C и Java, для задач программирования, связанных с манипуляциями со строками и поиском в словаре, и определило, что потребление памяти часто было «лучше, чем у Java, а не намного хуже, чем C или C ++ ». К крупным организациям, использующим Python, относятся, например, Википедия, Google, Yahoo !, ЦЕРН, НАСА, Facebook, Amazon, Instagram.
Помимо приложений искусственного интеллекта, Python как язык сценариев с модульной архитектурой, простым синтаксисом и инструментами обработки текста часто используется для обработки естественного языка.
TensorFlow - это бесплатная библиотека программного обеспечения с открытым исходным кодом для машинного обучения. Его можно использовать для решения ряда задач, но особое внимание уделяется обучению и анализу глубоких нейронных сетей. Это символьная математическая библиотека, основанная на потоке данных и дифференцируемом программировании. Он используется как для исследований, так и для производства в Google.
Начиная с 2011 года Google Brain создала DistBelief как проприетарную систему машинного обучения, основанную на нейронных сетях глубокого обучения. Его использование в различных компаниях Alphabet быстро росло как в исследовательских, так и в коммерческих приложениях. Google поручил нескольким компьютерщикам, в том числе Джеффу Дину, упростить и реорганизовать кодовую базу DistBelief в более быструю и надежную библиотеку прикладного уровня, которая стала TensorFlow. В 2009 году команда, возглавляемая Джеффри Хинтоном, внедрила обобщенное обратное распространение и другие улучшения, которые позволили создавать нейронные сети с существенно более высокой точностью, например, сокращением ошибок распознавания речи на 25%.
TensorFlow - это система второго поколения Google Brain. Версия 1.0.0 была выпущена 11 февраля 2017 года. Хотя эталонная реализация работает на отдельных устройствах, TensorFlow может работать на нескольких процессорах и графических процессорах (с дополнительными расширениями CUDA и SYCL для вычислений общего назначения на графических процессорах). TensorFlow доступен на 64-битных Linux, macOS, Windows и мобильных вычислительных платформах, включая Android и iOS. Его гибкая архитектура позволяет легко развертывать вычисления на различных платформах (процессоры, графические процессоры, TPU), а также от настольных компьютеров до кластеров серверов и мобильных и пограничных устройств. Вычисления TensorFlow выражаются в виде графов потоков данных с отслеживанием состояния. Название TensorFlow происходит от операций, которые такие нейронные сети выполняют с многомерными массивами данных, которые называются тензорами. Во время конференции Google I/O в июне 2016 года Джефф Дин заявил, что в 1,500 репозиториях на GitHub упоминается TensorFlow, из которых только 5 принадлежат Google. В декабре 2017 года разработчики из Google, Cisco, RedHat, CoreOS и CaiCloud представили Kubeflow на конференции. Kubeflow позволяет использовать и развертывать TensorFlow в Kubernetes. В марте 2018 года Google анонсировал TensorFlow.js версии 1.0 для машинного обучения на JavaScript. В январе 2019 года Google анонсировал TensorFlow 2.0. Он стал официально доступен в сентябре 2019 года. В мае 2019 года Google анонсировал TensorFlow Graphics для глубокого обучения компьютерной графике.
Чтобы более подробно ознакомиться с учебным планом сертификации, вы можете расширить и проанализировать таблицу ниже.
Учебная программа EITC/AI/DLTF Deep Learning with TensorFlow Certification Curriculum ссылается на дидактические материалы с открытым доступом в виде видео Харрисона Кинсли. Учебный процесс разбит на пошаговую структуру (программы -> уроки -> темы), охватывающую соответствующие разделы учебного плана. Также предоставляются неограниченные консультации с экспертами в предметной области.
Подробнее о процедуре сертификации см. Как это работает.
Справочные ресурсы по учебной программе
Гугл ТензорФлоу
https://www.tensorflow.org/
Учебные ресурсы Google TensorFlow
https://www.tensorflow.org/learn/
Документация по API TensorFlow
https://www.tensorflow.org/api_docs/
Модели и наборы данных TensorFlow
https://www.tensorflow.org/resources/models-datasets/
Сообщество TensorFlow
https://www.tensorflow.org/community/
Обучение работе с платформой Google Cloud AI с TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Загрузите полные подготовительные материалы для автономного самообучения для программы глубокого обучения EITC/AI/DLTF с TensorFlow в файле PDF.
Подготовительные материалы EITC/AI/DLTF – стандартная версия
Подготовительные материалы EITC/AI/DLTF – расширенная версия с контрольными вопросами