EITC/AI/DLTF Deep Learning with TensorFlow adalah program Pensijilan IT Eropah mengenai asas pemrograman pembelajaran mendalam di Python dengan perpustakaan pembelajaran mesin Google TensorFlow.
Kurikulum EITC/AI/DLTF Deep Learning with TensorFlow menumpukan pada kemahiran praktikal dalam pembelajaran mendalam Python pengaturcaraan dengan perpustakaan Google TensorFlow yang disusun dalam struktur berikut, merangkumi kandungan didaktik video yang komprehensif sebagai rujukan untuk Persijilan EITC ini.
Pembelajaran mendalam (juga dikenal sebagai pembelajaran berstruktur dalam) adalah sebahagian daripada keluarga kaedah pembelajaran mesin yang lebih luas berdasarkan rangkaian neural buatan dengan pembelajaran representasi. Pembelajaran boleh diawasi, separa diselia atau tidak diawasi. Senibina pembelajaran mendalam seperti rangkaian neural mendalam, jaringan kepercayaan mendalam, rangkaian neural berulang dan rangkaian neural konvolusioner telah diterapkan ke bidang termasuk visi komputer, penglihatan mesin, pengecaman pertuturan, pemrosesan bahasa semula jadi, pengenalan audio, penapisan rangkaian sosial, terjemahan mesin, bioinformatik , reka bentuk ubat, analisis gambar perubatan, pemeriksaan bahan dan program permainan papan, di mana mereka telah menghasilkan hasil yang setanding dengan dan dalam beberapa kes yang melebihi prestasi pakar manusia.
Python adalah bahasa pengaturcaraan tahap tinggi dan tujuan umum yang ditafsirkan. Falsafah reka bentuk Python menekankan kebolehbacaan kod dengan penggunaan ruang kosong yang ketara. Pembinaan bahasanya dan pendekatan berorientasikan objek bertujuan untuk membantu pengaturcara menulis kod logik yang jelas untuk projek berskala kecil dan besar. Python sering digambarkan sebagai bahasa "termasuk bateri" kerana perpustakaan standardnya yang komprehensif. Python biasanya digunakan dalam projek kecerdasan buatan dan projek pembelajaran mesin dengan bantuan perpustakaan seperti TensorFlow, Keras, Pytorch dan Scikit-learn.
Python ditaip secara dinamik (melaksanakan pada waktu runtime banyak tingkah laku pengaturcaraan biasa yang dilakukan oleh bahasa pengaturcaraan statik semasa penyusunan) dan dikumpulkan sampah (dengan pengurusan memori automatik). Ini menyokong pelbagai paradigma pengaturcaraan, termasuk pengaturcaraan berstruktur (terutama, prosedur), berorientasikan objek dan berfungsi. Ia dibuat pada akhir 1980-an, dan pertama kali dirilis pada tahun 1991, oleh Guido van Rossum sebagai penerus bahasa pengaturcaraan ABC. Python 2.0, dirilis pada tahun 2000, memperkenalkan fitur baru, seperti pemahaman daftar, dan sistem pengumpulan sampah dengan penghitungan rujukan, dan dihentikan dengan versi 2.7 pada tahun 2020. Python 3.0, yang dirilis pada tahun 2008, merupakan revisi utama bahasa yang tidak sepenuhnya serasi ke belakang dan banyak kod Python 2 tidak berjalan tanpa pengubahsuaian pada Python 3. Dengan akhir hayat Python 2 (dan pip mengalami penurunan sokongan pada tahun 2021), hanya Python 3.6.x dan yang lebih baru disokong, dengan versi lama masih ada menyokong misalnya Windows 7 (dan pemasang lama tidak terhad kepada Windows 64-bit).
Penterjemah Python disokong untuk sistem operasi arus perdana dan tersedia untuk beberapa lagi (dan pada masa lalu banyak menyokong lagi). Komuniti pengaturcara global membangun dan mengekalkan CPython, pelaksanaan rujukan sumber terbuka dan bebas. Organisasi bukan untung, Python Software Foundation, mengurus dan mengarahkan sumber untuk pembangunan Python dan CPython.
Pada Januari 2021, Python menduduki tempat ketiga dalam indeks bahasa pengaturcaraan TIOBE yang paling popular, di belakang C dan Java, yang sebelumnya memperoleh tempat kedua dan penghargaan mereka untuk kenaikan paling popular pada tahun 2020. Ia dipilih sebagai Bahasa Pengaturcaraan Terbaik Tahun 2007, 2010 , dan 2018.
Sebuah kajian empirikal mendapati bahawa bahasa skrip, seperti Python, lebih produktif daripada bahasa konvensional, seperti C dan Java, untuk masalah pengaturcaraan yang melibatkan manipulasi tali dan pencarian dalam kamus, dan menentukan bahawa penggunaan memori sering "lebih baik daripada Java dan tidak jauh lebih teruk daripada C atau C ++ ”. Organisasi besar yang menggunakan Python termasuk ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Di luar aplikasi kecerdasan buatannya, Python, sebagai bahasa skrip dengan seni bina modular, sintaks sederhana dan alat pemprosesan teks kaya, sering digunakan untuk pemprosesan bahasa semula jadi.
TensorFlow adalah perpustakaan perisian sumber terbuka dan percuma untuk pembelajaran mesin. Ini dapat digunakan untuk berbagai tugas tetapi memiliki fokus khusus pada latihan dan kesimpulan jaringan saraf dalam. Ia adalah perpustakaan matematik simbolik berdasarkan aliran data dan pengaturcaraan yang berbeza. Ia digunakan untuk penyelidikan dan pengeluaran di Google.
Mulai tahun 2011, Google Brain membina DistBelief sebagai sistem pembelajaran mesin proprietari berdasarkan rangkaian neural pembelajaran mendalam. Penggunaannya berkembang pesat di pelbagai syarikat Alphabet dalam kedua-dua aplikasi penyelidikan dan komersial. Google menugaskan beberapa saintis komputer, termasuk Jeff Dean, untuk mempermudah dan memfaktorkan semula pangkalan data DistBelief menjadi perpustakaan kelas aplikasi yang lebih pantas dan mantap, yang menjadi TensorFlow. Pada tahun 2009, tim, yang dipimpin oleh Geoffrey Hinton, telah menerapkan penyebaran umum dan peningkatan lain yang memungkinkan penjanaan rangkaian saraf dengan ketepatan yang jauh lebih tinggi, misalnya pengurangan kesalahan dalam pengakuan pertuturan sebanyak 25%.
TensorFlow adalah sistem generasi kedua Google Brain. Versi 1.0.0 dikeluarkan pada 11 Februari 2017. Walaupun pelaksanaan rujukan dijalankan pada satu peranti, TensorFlow dapat berjalan pada beberapa CPU dan GPU (dengan sambungan CUDA dan SYCL pilihan untuk pengkomputeran tujuan umum pada unit pemprosesan grafik). TensorFlow tersedia di platform 64-bit Linux, macOS, Windows, dan pengkomputeran mudah alih termasuk Android dan iOS. Senibina yang fleksibel memungkinkan penggunaan pengiraan yang mudah di pelbagai platform (CPU, GPU, TPU), dan dari desktop ke kelompok pelayan ke peranti mudah alih dan tepi. Pengiraan TensorFlow dinyatakan sebagai grafik aliran data bernegara. Nama TensorFlow berasal dari operasi yang dilakukan oleh rangkaian saraf tersebut pada susunan data multidimensi, yang disebut sebagai tensor. Semasa Persidangan Google I/O pada bulan Jun 2016, Jeff Dean menyatakan bahawa 1,500 repositori di GitHub menyebutkan TensorFlow, yang mana hanya 5 dari Google. Pada bulan Disember 2017, pembangun dari Google, Cisco, RedHat, CoreOS, dan CaiCloud memperkenalkan Kubeflow pada persidangan. Kubeflow membolehkan operasi dan penggunaan TensorFlow di Kubernetes. Pada bulan Mac 2018, Google mengumumkan TensorFlow.js versi 1.0 untuk pembelajaran mesin dalam JavaScript. Pada Januari 2019, Google mengumumkan TensorFlow 2.0. Ia tersedia secara rasmi pada Sep 2019. Pada bulan Mei 2019, Google mengumumkan TensorFlow Graphics untuk pembelajaran mendalam dalam grafik komputer.
Untuk membiasakan diri anda secara terperinci dengan kurikulum pensijilan, anda boleh mengembangkan dan menganalisis jadual di bawah.
Pembelajaran Mendalam EITC/AI/DLTF dengan Kurikulum Pensijilan TensorFlow merujuk bahan didaktik akses terbuka dalam bentuk video oleh Harrison Kinsley. Proses pembelajaran dibahagikan kepada struktur langkah demi langkah (program -> pelajaran -> topik) yang merangkumi bahagian kurikulum yang berkaitan. Perundingan tanpa had dengan pakar domain juga disediakan.
Untuk butiran mengenai pemeriksaan prosedur Pensijilan Bagaimana ia berfungsi.
Sumber Rujukan Kurikulum
Google TensorFlow
https://www.tensorflow.org/
Sumber Pembelajaran Google TensorFlow
https://www.tensorflow.org/learn/
Dokumentasi API TensorFlow
https://www.tensorflow.org/api_docs/
Model dan Set Data TensorFlow
https://www.tensorflow.org/resources/models-datasets/
Komuniti TensorFlow
https://www.tensorflow.org/community/
Latihan Google Cloud AI Platform dengan TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Muat turun bahan persediaan pembelajaran kendiri luar talian yang lengkap untuk program Pembelajaran Dalam EITC/AI/DLTF dengan TensorFlow dalam fail PDF
Bahan persediaan EITC/AI/DLTF – versi standard
Bahan persediaan EITC/AI/DLTF – versi lanjutan dengan soalan semakan