EITC/AI/DLTF Deep Learning s TensorFlow je europski program IT certifikacije o osnovama programiranja dubokog učenja u Pythonu s Google TensorFlow knjižnicom strojnog učenja.
Nastavni plan i program dubinskog učenja EITC/AI/DLTF s TensorFlowom usredotočen je na praktične vještine dubokog učenja Python programiranja s Google TensorFlow knjižnicom organiziranim u sljedećoj strukturi, obuhvaćajući sveobuhvatan video didaktički sadržaj kao referencu za ovu EITC certifikaciju.
Duboko učenje (poznato i kao duboko strukturirano učenje) dio je šire obitelji familijarnih metoda strojnog učenja temeljenih na umjetnim neuronskim mrežama s prikazom učenja. Učenje može biti nadzirano, polunadgledano ili bez nadzora. Arhitekture dubokog učenja poput dubokih neuronskih mreža, mreža dubokih vjerovanja, ponavljajućih neuronskih mreža i konvolucijskih neuronskih mreža primijenjene su na polja, uključujući računalni vid, strojni vid, prepoznavanje govora, obradu prirodnog jezika, prepoznavanje zvuka, filtriranje društvenih mreža, strojno prevođenje, bioinformatika , dizajn lijekova, analiza medicinske slike, pregled materijala i programi društvenih igara, gdje su rezultirali rezultatima usporedivima i u nekim slučajevima nadmašujući ljudske stručne performanse.
Python je protumačeni programski jezik visoke razine i opće namjene. Pythonova filozofija dizajna naglašava čitljivost koda značajnom uporabom značajnog razmaka. Njegove jezične konstrukcije i objektno orijentirani pristup imaju za cilj pomoći programerima da napišu jasan, logičan kod za male i velike projekte. Python se često opisuje kao jezik s uključenim baterijama zbog sveobuhvatne standardne biblioteke. Python se obično koristi u projektima umjetne inteligencije i projektima strojnog učenja uz pomoć knjižnica poput TensorFlow, Keras, Pytorch i Scikit-learn.
Python je dinamički tipkan (izvršavajući u vrijeme izvođenja mnoga uobičajena programska ponašanja koja statički programski jezici izvode tijekom kompilacije) i prikuplja smeće (s automatskim upravljanjem memorijom). Podržava više paradigmi programiranja, uključujući strukturirano (posebno proceduralno), objektno orijentirano i funkcionalno programiranje. Stvoren je krajem 1980-ih, a prvi ga je objavio 1991. godine, Guido van Rossum kao nasljednik programskog jezika ABC. Python 2.0, objavljen 2000. godine, predstavio je nove značajke, poput razumijevanja popisa i sustava za odvoz smeća s brojanjem referenci, a ukinut je s verzijom 2.7 u 2020. Python 3.0, objavljen 2008. godine, bila je velika revizija jezika koji je nije u potpunosti kompatibilan s unatrag i puno Python 2 koda ne radi neizmijenjeno na Pythonu 3. S krajem života Pythona 2 (i pipom koji je pao u podršci 2021. godine), podržani su samo Python 3.6.x i novije verzije, sa starijim verzijama podržava npr. Windows 7 (i stare instalacijske programe koji nisu ograničeni na 64-bitni Windows).
Python tumači podržani su za uobičajene operativne sustave i dostupni su za još nekoliko (a u prošlosti i za mnoge druge). Globalna zajednica programera razvija i održava CPython, besplatnu implementaciju referenci otvorenog koda. Neprofitna organizacija, Python Software Foundation, upravlja i usmjerava resurse za razvoj Pythona i CPythona.
Od siječnja 2021. Python zauzima treće mjesto u TIOBE-ovom indeksu najpopularnijih programskih jezika, iza C-a i Jave, a prethodno je osvojio drugo mjesto i nagradu za najpopularnije povećanje za 2020. Odabran je za programski jezik godine 2007., 2010. godine. , i 2018.
Empirijsko istraživanje pokazalo je da su skriptni jezici, poput Pythona, produktivniji od konvencionalnih jezika, kao što su C i Java, za probleme programiranja koji uključuju manipulaciju nizovima i pretraživanje u rječniku, te je utvrdilo da je potrošnja memorije često „bolja od Jave, a ne mnogo gore od C ili C ++ ”. Velike organizacije koje koriste Python uključuju ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Osim aplikacija za umjetnu inteligenciju, Python se kao skriptni jezik s modularnom arhitekturom, jednostavnom sintaksom i bogatim alatima za obradu teksta često koristi za obradu prirodnog jezika.
TensorFlow je besplatna biblioteka softvera otvorenog koda za strojno učenje. Može se koristiti za niz zadataka, ali ima poseban fokus na treningu i zaključivanju dubokih neuronskih mreža. To je simbolična matematička knjižnica koja se temelji na protoku podataka i različitom programiranju. Koristi se za istraživanje i proizvodnju u Googleu.
Počevši od 2011. godine, Google Brain izgradio je DistBelief kao vlastiti sustav strojnog učenja zasnovan na neuronskim mrežama dubokog učenja. Njegova je upotreba brzo rasla u raznim abecednim tvrtkama kako u istraživanju tako i u komercijalnim primjenama. Google je dodijelio više računalnih znanstvenika, uključujući Jeffa Deana, da pojednostave i refaktoriraju bazu koda DistBeliefa u bržu i robusniju knjižnicu aplikacijskog razreda, koja je postala TensorFlow. 2009. godine tim koji je vodio Geoffrey Hinton implementirao je generalizirano razmnožavanje i druga poboljšanja koja su omogućila stvaranje neuronskih mreža sa znatno većom točnošću, na primjer smanjenje broja pogrešaka u prepoznavanju govora za 25%.
TensorFlow je druga generacija sustava Google Brain. Verzija 1.0.0 objavljena je 11. veljače 2017. Iako se referentna implementacija izvodi na pojedinačnim uređajima, TensorFlow se može izvoditi na više CPU-a i GPU-a (s opcionalnim CUDA i SYCL proširenjima za računalo opće namjene na grafičkim procesnim jedinicama). TensorFlow dostupan je na 64-bitnim Linux, macOS, Windows i mobilnim računalnim platformama, uključujući Android i iOS. Njegova fleksibilna arhitektura omogućuje lako raspoređivanje računanja na različitim platformama (CPU-ovi, GPU-ovi, TPU-ovi), i od stolnih računala do klastera poslužitelja do mobilnih i rubnih uređaja. Izračuni TensorFlow izraženi su kao grafovi protoka podataka sa statusom stanja. Naziv TensorFlow potječe od operacija koje takve neuronske mreže izvode na višedimenzionalnim nizovima podataka, koji se nazivaju tenzori. Tijekom Googleove I/O konferencije u lipnju 2016., Jeff Dean izjavio je da je 1,500 spremišta na GitHubu spomenulo TensorFlow, od kojih je samo 5 bilo iz Googlea. U prosincu 2017. programeri iz Googlea, Cisca, RedHata, CoreOS-a i CaiClouda predstavili su Kubeflow na konferenciji. Kubeflow omogućuje rad i postavljanje TensorFlow-a na Kubernetes. U ožujku 2018. Google je najavio TensorFlow.js verzije 1.0 za strojno učenje u JavaScript-u. U siječnju 2019. Google je najavio TensorFlow 2.0. Službeno je postao dostupan u rujnu 2019. U svibnju 2019. Google je najavio TensorFlow Graphics za dubinsko učenje računalne grafike.
Da biste se detaljno upoznali s nastavnim planom i programom certificiranja, možete proširiti i analizirati donju tablicu.
EITC/AI/DLTF Deep Learning with TensorFlow Certification Curriculum upućuje na didaktičke materijale otvorenog pristupa u video obliku Harrisona Kinsleya. Proces učenja podijeljen je u strukturu korak po korak (programi -> lekcije -> teme) koja pokriva relevantne dijelove kurikuluma. Također je osigurano neograničeno savjetovanje sa stručnjacima za domenu.
Za detalje o postupku certificiranja provjerite Kako radi.
Referentni resursi za kurikulum
Google TensorFlow
https://www.tensorflow.org/
Google TensorFlow resursi za učenje
https://www.tensorflow.org/learn/
TensorFlow API dokumentacija
https://www.tensorflow.org/api_docs/
TensorFlow modeli i skupovi podataka
https://www.tensorflow.org/resources/models-datasets/
TensorFlow zajednica
https://www.tensorflow.org/community/
Obuka za Google Cloud AI platformu s programom TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Preuzmite kompletne izvanmrežne pripremne materijale za samoučenje za program EITC/AI/DLTF Deep Learning with TensorFlow u PDF datoteci
EITC/AI/DLTF pripremni materijali – standardna verzija
Pripremni materijali za EITC/AI/DLTF – proširena verzija s pitanjima za ponavljanje