Ang EITC/AI/DLPTFK Deep Learning kasama ang Python, TensorFlow at Keras ay ang European IT Certification program sa mga batayan ng pag-aaral ng malalim na pag-aaral sa Python na may TensorFlow at Keras machine libraries.
Ang kurikulum ng EITC/AI/DLPTFK Deep Learning na may Python, TensorFlow at Keras ay nakatuon sa mga praktikal na kasanayan sa malalim na pag-aaral ng Python programming kasama ang mga aklatan ng TensorFlow at Keras na nakaayos sa loob ng sumusunod na istraktura, na sumasaklaw sa komprehensibong nilalaman ng didaktiko ng video bilang isang sanggunian para sa EITC Certification na ito.
Ang malalim na pag-aaral (kilala rin bilang malalim na nakabalangkas na pag-aaral) ay bahagi ng isang mas malawak na pamilya ng mga pamamaraan ng pag-aaral ng makina batay sa mga artipisyal na neural network na may pagkatuto ng representasyon. Ang pag-aaral ay maaaring mapangasiwaan, semi-pinangangasiwaan o hindi suportahan. Ang mga malalim na arkitektura tulad ng malalim na neural network, malalim na mga network ng paniniwala, paulit-ulit na mga neural network at convolutional neural network ay inilapat sa mga larangan kabilang ang computer vision, vision ng makina, pagkilala sa pagsasalita, natural na pagproseso ng wika, pagkilala sa audio, pag-filter ng social network, pagsasalin ng makina, bioinformatics , disenyo ng droga, pagsusuri ng imahe ng medikal, inspeksyon ng materyal at mga program ng board game, kung saan gumawa sila ng mga resulta na maihahambing sa at sa ilang mga kaso na nalampasan ang pagganap ng dalubhasa ng tao.
Ang Python ay isang interpretadong, mataas na antas at pangkalahatang-layunin na wika ng programa. Ang pilosopiya ng disenyo ng Python ay binibigyang diin ang pagiging madaling mabasa ng code sa kilalang paggamit nito ng makabuluhang whitespace. Ang mga konstruksyon ng wika nito at diskarte na nakatuon sa object na naglalayong tulungan ang mga programmer na magsulat ng malinaw, lohikal na code para sa maliliit at malalaking proyekto. Ang Python ay madalas na inilarawan bilang isang "kasama ang mga baterya" na wika dahil sa komprehensibong pamantasang aklatan nito. Ang Python ay karaniwang ginagamit sa mga artipisyal na proyekto sa katalinuhan at mga proyekto sa pag-aaral ng makina sa tulong ng mga aklatan tulad ng TensorFlow, Keras, Pytorch at Scikit-malaman.
Ang Python ay isang uri ng pag-type (pagpapatupad sa runtime maraming mga karaniwang pag-uugali sa pagprograma na ginagawa ng mga static na wika ng pagprograma habang pinagsama-sama) at nakolekta ang basura (na may awtomatikong pamamahala ng memorya). Sinusuportahan nito ang maraming mga paraday ng programa, kabilang ang nakabalangkas (partikular, pamamaraan), oriented na object at pag-andar ng programa. Ito ay nilikha noong huling bahagi ng 1980s, at unang inilabas noong 1991, ni Guido van Rossum bilang isang kahalili sa wikang nagprograma ng ABC. Ang Python 2.0, na inilabas noong 2000, ay nagpakilala ng mga bagong tampok, tulad ng mga pagkaunawa sa listahan, at isang sistema ng pagkolekta ng basura na may pagbibilang ng sanggunian, at hindi na ipinagpatuloy sa bersyon 2.7 noong 2020. Ang Python 3.0, na inilabas noong 2008, ay isang pangunahing pagbabago ng wika na hindi ganap na umaatras at umaakma ang code ng Python 2 ay hindi tumatakbo na hindi nabago sa Python 3. Sa end-of-life ng Python 2 (at ang pip ay nahulog ang suporta noong 2021), ang Python 3.6.x lamang at mas bago ay suportado, na may mga mas lumang bersyon pa rin pagsuporta eg Windows 7 (at ang mga lumang installer ay hindi pinaghihigpitan sa 64-bit Windows).
Sinusuportahan ang mga tagasalin ng Python para sa pangunahing mga operating system at magagamit para sa ilan pa (at sa nakaraan ay sinusuportahan ang marami pa). Ang isang pandaigdigang pamayanan ng mga programmer ay bubuo at nagpapanatili ng CPython, isang libre at open-source na pagpapatupad ng sanggunian. Ang isang samahang hindi kumikita, ang Python Software Foundation, namamahala at nagdidirekta ng mga mapagkukunan para sa pag-unlad ng Python at CPython.
Noong Enero 2021, ang Python ay nasa pangatlo sa index ng TIOBE ng pinakapopular na mga wika sa programa, sa likuran ng C at Java, na dating nagkamit ng pangalawang puwesto at ang kanilang gantimpala para sa pinakatanyag na nakuha para sa 2020. Napili ito ng Programming Wika ng Taon noong 2007, 2010 , at 2018.
Natuklasan ng isang empirical na pag-aaral na ang mga wika sa pag-script, tulad ng Python, ay mas produktibo kaysa sa maginoo na mga wika, tulad ng C at Java, para sa mga problema sa pagprograma na may kinalaman sa pagmamanipula ng string at paghahanap sa isang diksyunaryo, at natukoy na ang pagkonsumo ng memorya ay madalas na "mas mahusay kaysa sa Java at hindi higit na mas masahol kaysa sa C o C ++ ”. Ang mga malalaking organisasyon na gumagamit ng Python ay may kasamang ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Higit pa sa mga artipisyal na aplikasyon ng katalinuhan, ang Python, bilang isang wika ng scripting na may modular na arkitektura, simpleng syntax at mga rich tool sa pagpoproseso ng teksto, ay madalas na ginagamit para sa natural na pagproseso ng wika.
Ang TensorFlow ay isang libre at open-source software library para sa pag-aaral ng makina. Maaari itong magamit sa isang hanay ng mga gawain ngunit may isang partikular na pagtuon sa pagsasanay at paghihinuha ng malalim na mga neural network. Ito ay isang simbolikong silid-aklatan ng matematika batay sa daloy ng data at naiibang pagprogram. Ginagamit ito para sa parehong pagsasaliksik at paggawa sa Google.
Simula noong 2011, itinayo ng Google Brain ang DistBelief bilang isang pagmamay-ari na sistema ng pag-aaral ng makina batay sa malalim na pag-aaral ng mga neural network. Ang paggamit nito ay mabilis na lumago sa magkakaibang mga kumpanya ng Alpabeto sa parehong pagsasaliksik at komersyal na mga aplikasyon. Nagtalaga ang Google ng maraming mga siyentipiko sa computer, kasama na si Jeff Dean, na gawing simple at pinapagana ang codebase ng DistBelief sa isang mas mabilis, mas matatag na library ng antas ng aplikasyon, na naging TensorFlow. Noong 2009, ang koponan, na pinangunahan ni Geoffrey Hinton, ay nagpatupad ng pangkalahatang backpropagation at iba pang mga pagpapabuti na nagpapahintulot sa pagbuo ng mga neural network na may mas mataas na kawastuhan, halimbawa isang 25% na pagbawas sa mga pagkakamali sa pagkilala sa pagsasalita.
Ang TensorFlow ay ang sistemang pangalawang henerasyon ng Google Brain. Ang bersyon 1.0.0 ay pinakawalan noong Pebrero 11, 2017. Habang ang pagpapatupad ng sanggunian ay tumatakbo sa mga solong aparato, ang TensorFlow ay maaaring tumakbo sa maraming mga CPU at GPU (na may mga opsyonal na CUDA at SYCL extension para sa pangkalahatang-layunin na pag-compute sa mga graphic unit ng pagpoproseso). Magagamit ang TensorFlow sa 64-bit Linux, macOS, Windows, at mga mobile computing platform kabilang ang Android at iOS. Ang kakayahang umangkop na arkitektura ay nagbibigay-daan para sa madaling pag-deploy ng pagkalkula sa iba't ibang mga platform (CPU, GPU, TPU), at mula sa mga desktop hanggang sa mga kumpol ng mga server sa mga mobile at edge na aparato. Ang mga pagkalkula ng TensorFlow ay ipinapakita bilang mga stateful graph na dataflow. Ang pangalang TensorFlow ay nagmula sa mga pagpapatakbo na ginagawa ng naturang mga neural network sa mga multidimensional na array ng data, na tinutukoy bilang mga tensyon. Sa panahon ng Google I/O Conference noong Hunyo 2016, sinabi ni Jeff Dean na 1,500 repository sa GitHub ang nabanggit ang TensorFlow, kung saan 5 lamang ang nagmula sa Google. Noong Disyembre 2017, ipinakilala ng mga developer mula sa Google, Cisco, RedHat, CoreOS, at CaiCloud ang Kubeflow sa isang pagpupulong. Pinapayagan ng Kubeflow ang pagpapatakbo at pag-deploy ng TensorFlow sa Kubernetes. Noong Marso 2018, inihayag ng Google ang bersyon ng TensorFlow.js na 1.0 para sa pag-aaral ng makina sa JavaScript. Noong Enero 2019, inihayag ng Google ang TensorFlow 2.0. Naging opisyal na magagamit ito noong Sep 2019. Noong Mayo 2019, inihayag ng Google ang TensorFlow Graphics para sa malalim na pag-aaral sa mga graphic ng computer.
Ang Keras ay isang open-source software library na nagbibigay ng isang interface ng Python para sa mga artipisyal na neural network. Ang Keras ay gumaganap bilang isang interface para sa TensorFlow library.
Naglalaman ang Keras ng maraming pagpapatupad ng karaniwang ginagamit na mga bloke ng gusali ng neural-network tulad ng mga layer, layunin, pagpapaandar ng activation, optimizer, at isang host ng mga tool upang gawing mas madali ang pagtatrabaho sa data ng imahe at teksto upang gawing mas madali ang kinakailangang pag-coding para sa pagsusulat ng malalim na neural network code. Ang code ay naka-host sa GitHub, at kasama sa mga forum ng suporta ng komunidad ang pahina ng mga isyu sa GitHub, at isang Slack channel.
Bilang karagdagan sa karaniwang mga neural network, may suporta ang Keras para sa convolutional at paulit-ulit na mga neural network. Sinusuportahan nito ang iba pang mga karaniwang layer ng utility tulad ng pag-dropout, pag-normalize ng batch, at pooling. Pinapayagan ng Keras ang mga gumagamit na gumawa ng malalim na mga modelo sa mga smartphone (iOS at Android), sa web, o sa Java Virtual Machine. Pinapayagan din ang paggamit ng ibinahaging pagsasanay ng mga malalim na pag-aaral na mga modelo sa mga kumpol ng mga yunit ng pagpoproseso ng Graphics (GPU) at mga yunit ng pagpoproseso ng tenor (TPU). Ang Keras ay pinagtibay para magamit sa siyentipikong pagsasaliksik dahil sa Python (programming language) at sarili nitong kadalian ng paggamit at pag-install. Ang Keras ay ang ika-10 pinaka-nabanggit na tool sa poll ng software ng KDnuggets 2018 at nakarehistro ng 22% na paggamit.
Upang makilala ang iyong sarili nang detalyado sa kurikulum ng sertipikasyon maaari mong palawakin at suriin ang talahanayan sa ibaba.
Ang EITC/AI/DLPTFK Deep Learning with Python, TensorFlow at Keras Certification Curriculum ay tumutukoy sa open-access na didactic na materyales sa isang video form ni Harrison Kinsley. Ang proseso ng pagkatuto ay nahahati sa isang hakbang-hakbang na istraktura (mga programa -> mga aralin -> mga paksa) na sumasaklaw sa mga nauugnay na bahagi ng kurikulum.
Ang walang limitasyong pagkonsulta sa mga eksperto sa domain ay ibinigay din.
Para sa mga detalye sa pamamaraan ng Certification check Paano ito Works.
Mga Mapagkukunang Sanggunian sa Kurikulum
Google TensorFlow
https://www.tensorflow.org/
Mga Mapagkukunan ng Pag-aaral ng Google TensorFlow
https://www.tensorflow.org/learn/
Dokumentasyon ng TensorFlow API
https://www.tensorflow.org/api_docs/
Mga Modelong TensorFlow at Dataset
https://www.tensorflow.org/resources/models-datasets/
Komunidad ng TensorFlow
https://www.tensorflow.org/community/
Pagsasanay sa Google Cloud AI Platform kasama ang TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Dokumentasyon ng sawa
https://www.python.org/doc/
Naglabas ang Python ng mga pag-download
https://www.python.org/downloads/
Python para sa Gabay sa Mga Nagsisimula
https://www.python.org/about/gettingstarted/
Patnubay sa Mga Nagsisimula ng Python Wiki
https://wiki.python.org/moin/BeginnersGuide
W3Schools Python Machine Tutorial ng Pag-aaral
https://www.w3schools.com/python/python_ml_getting_started.asp
I-download ang kumpletong offline na self-learning preparatory materials para sa EITC/AI/DLPTFK Deep Learning with Python, TensorFlow at Keras program sa isang PDF file
Mga materyales sa paghahanda ng EITC/AI/DLPTFK – karaniwang bersyon
Mga materyales sa paghahanda ng EITC/AI/DLPTFK – pinahabang bersyon na may mga tanong sa pagsusuri