EITC/AI/DLPTFK Poglobljeno učenje s Pythonom, TensorFlowom in Kerasom je evropski program za certificiranje IT o osnovah programiranja poglobljenega učenja v Pythonu s knjižnicami strojnega učenja TensorFlow in Keras.
Učni načrt globokega učenja EITC/AI/DLPTFK s Pythonom, TensorFlowom in Kerasom se osredotoča na praktične spretnosti za poglobljeno učenje programiranja Python s knjižnicami TensorFlow in Keras, organiziranimi v naslednji strukturi, ki obsega obsežne video didaktične vsebine kot referenco za to potrdilo EITC.
Poglobljeno učenje (znano tudi kot globoko strukturirano učenje) je del širše družine metod strojnega učenja, ki temelji na umetnih nevronskih mrežah z reprezentacijskim učenjem. Učenje je lahko nadzorovano, polnadzorovano ali nenadzorovano. Arhitekture globokega učenja, kot so globoke nevronske mreže, mreže globokih prepričanj, ponavljajoče se nevronske mreže in konvolucijske nevronske mreže, so bile uporabljene na področjih, vključno z računalniškim vidom, strojnim vidom, prepoznavanjem govora, obdelavo naravnega jezika, prepoznavanjem zvoka, filtriranjem socialnih omrežij, strojnim prevajanjem, bioinformatiko , oblikovanje zdravil, analiza medicinske podobe, pregled materialov in programi družabnih iger, kjer so dali rezultate, ki so primerljivi in v nekaterih primerih presegajo človekove strokovne dosežke.
Python je interpretiran programski jezik na visoki ravni in za splošno uporabo. Pythonova oblikovalska filozofija poudarja berljivost kode z opazno uporabo pomembnega presledka. Njeni jezikovni konstrukti in objektno usmerjen pristop želijo programerjem pomagati pri pisanju jasne, logične kode za male in velike projekte. Python je zaradi svoje obsežne standardne knjižnice pogosto opisan kot jezik z vključenimi baterijami. Python se pogosto uporablja v projektih umetne inteligence in projektih strojnega učenja s pomočjo knjižnic, kot so TensorFlow, Keras, Pytorch in Scikit-learn.
Python je dinamično natipkan (v času izvajanja izvaja veliko pogostih programskih vedenj, ki jih med prevajanjem izvajajo statični programski jeziki) in zbira smeti (s samodejnim upravljanjem pomnilnika). Podpira več programskih paradigem, vključno s strukturiranim (zlasti procesnim), objektno usmerjenim in funkcionalnim programiranjem. Ustvaril ga je konec osemdesetih let, prvič pa ga je leta 1980 izdal Guido van Rossum kot naslednik programskega jezika ABC. Python 1991, izdan leta 2.0, je predstavil nove funkcije, na primer razumevanje seznamov in sistem za zbiranje smeti s štetjem referenc, leta 2000 pa je bil ukinen z različico 2.7. Python 2020, izdan leta 3.0, je bil pomembna revizija jezika, ki je ni popolnoma združljiva s preteklostjo in veliko kode Python 2008 ne deluje nespremenjeno na Python 2. Z iztekom življenjske dobe Pythona 3 (in pip, ki je opustil podporo leta 2) je podprt samo Python 2021.x in novejši, starejše različice pa še vedno podpira npr. Windows 3.6 (in stare namestitvene programe, ki niso omejeni na 7-bitni Windows).
Tolmači Python so podprti za običajne operacijske sisteme in so na voljo še za nekaj (v preteklosti pa za veliko več). Globalna skupnost programerjev razvija in vzdržuje CPython, brezplačno in odprtokodno referenčno izvedbo. Neprofitna organizacija, Python Software Foundation, upravlja in usmerja vire za razvoj Pythona in CPythona.
Januarja 2021 se Python uvršča na tretje mesto TIOBE-ovega indeksa najbolj priljubljenih programskih jezikov, za C in Javo, saj je pred tem osvojil drugo mesto in nagrado za najboljši prirast priljubljenosti za leto 2020. Izbran je bil za programski jezik leta 2007, 2010 , in 2018.
Empirična študija je pokazala, da so skriptni jeziki, kot je Python, za programiranje težav z manipulacijo nizov in iskanjem v slovarju bolj produktivni od običajnih jezikov, kot sta C in Java, in ugotovila, da je bila poraba pomnilnika pogosto "boljša od Java in ne veliko slabše kot C ali C ++ «. Velike organizacije, ki uporabljajo Python, vključujejo ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Poleg aplikacij za umetno inteligenco se Python kot skriptni jezik z modularno arhitekturo, preprosto sintakso in bogatimi orodji za obdelavo besedila pogosto uporablja za obdelavo naravnega jezika.
TensorFlow je brezplačna in odprtokodna knjižnica programske opreme za strojno učenje. Uporablja se lahko za različne naloge, vendar se posebej osredotoča na usposabljanje in sklepanje globokih nevronskih mrež. Je simbolična matematična knjižnica, ki temelji na pretoku podatkov in različnem programiranju. Uporablja se za raziskave in produkcijo v Googlu.
Od leta 2011 je Google Brain zgradil DistBelief kot lastniški sistem strojnega učenja, ki temelji na nevronskih mrežah globokega učenja. Njegova uporaba je hitro rasla med različnimi podjetji abecede tako v raziskovalnih kot komercialnih aplikacijah. Google je več računalniškim znanstvenikom, vključno z Jeffom Deanom, poenostavil in preoblikoval kodno bazo DistBeliefa v hitrejšo in robustnejšo knjižnico aplikacijskega razreda, ki je postala TensorFlow. Leta 2009 je ekipa, ki jo je vodil Geoffrey Hinton, izvedla splošno razširjeno razmnoževanje in druge izboljšave, ki so omogočile generiranje nevronskih mrež z bistveno večjo natančnostjo, na primer 25-odstotno zmanjšanje napak pri prepoznavanju govora.
TensorFlow je druga generacija sistema Google Brain. Različica 1.0.0 je bila izdana 11. februarja 2017. Medtem ko se referenčna izvedba izvaja na posameznih napravah, lahko TensorFlow deluje na več CPU-jih in grafičnih procesorjih (z neobveznimi razširitvama CUDA in SYCL za splošno uporabo na enotah za obdelavo grafike). TensorFlow je na voljo v 64-bitnih platformah Linux, macOS, Windows in mobilnih računalnikih, vključno s sistemoma Android in iOS. Njegova prilagodljiva arhitektura omogoča enostavno uporabo računalništva na različnih platformah (CPU-ji, GPU-ji, TPU-ji) in od namizja do grozdov strežnikov do mobilnih in robnih naprav. Izračuni TensorFlow so izraženi kot grafi pretoka podatkov s stanjem. Ime TensorFlow izhaja iz operacij, ki jih takšne nevronske mreže izvajajo na večdimenzionalnih podatkovnih nizih, ki jih imenujemo tenzorji. Med Googlovo I/O konferenco junija 2016 je Jeff Dean izjavil, da je 1,500 skladišč na GitHubu omenjalo TensorFlow, od tega le 5 Googlovih. Decembra 2017 so razvijalci Google, Cisco, RedHat, CoreOS in CaiCloud na konferenci predstavili Kubeflow. Kubeflow omogoča delovanje in uvajanje TensorFlow na Kubernetes. Marca 2018 je Google objavil TensorFlow.js različice 1.0 za strojno učenje v JavaScript. Januarja 2019 je Google objavil TensorFlow 2.0. Uradno je na voljo septembra 2019. Maja 2019 je Google objavil TensorFlow Graphics za poglobljeno učenje računalniške grafike.
Keras je odprtokodna programska knjižnica, ki ponuja vmesnik Python za umetna nevronska omrežja. Keras deluje kot vmesnik za knjižnico TensorFlow.
Keras vsebuje številne izvedbe pogosto uporabljenih gradnikov nevronskih omrežij, kot so plasti, cilji, aktivacijske funkcije, optimizatorji in množico orodij za lažje delo s slikovnimi in besedilnimi podatki za poenostavitev kodiranja, potrebnega za pisanje globoke kode nevronske mreže. Koda gostuje na GitHub, forumi za podporo skupnosti pa vključujejo stran z vprašanji GitHub in kanal Slack.
Poleg standardnih nevronskih mrež ima Keras podporo tudi za konsvolucijske in ponavljajoče se nevronske mreže. Podpira druge pogoste uporabne sloje, kot so osip, normalizacija serij in združevanje. Keras uporabnikom omogoča izdelavo globokih modelov na pametnih telefonih (iOS in Android), v spletu ali na navideznem računalniku Java. Omogoča tudi uporabo porazdeljenega usposabljanja modelov globokega učenja na grozdih grafičnih procesnih enot (GPU) in tenzorskih procesnih enot (TPU). Keras je bil sprejet za uporabo v znanstvenih raziskavah zaradi Pythona (programski jezik) in lastne enostavnosti uporabe in namestitve. Keras je bil deseto najbolj citirano orodje v anketi o programski opremi KDnuggets 10 in je zabeležil 2018-odstotno uporabo.
Da bi se podrobneje seznanili s kurikulumom certificiranja, lahko razširite in analizirate spodnjo tabelo.
Učni načrt EITC/AI/DLPTFK Deep Learning with Python, TensorFlow and Keras Certification Curriculum se sklicuje na prosto dostopna didaktična gradiva v video obliki Harrisona Kinsleyja. Učni proces je razdeljen na strukturo po korakih (programi -> lekcije -> teme), ki zajema ustrezne dele učnega načrta.
Na voljo je tudi neomejeno svetovanje s strokovnjaki za področje.
Za podrobnosti o postopku certificiranja preverite Kako deluje.
Referenčni viri za kurikulum
Google TensorFlow
https://www.tensorflow.org/
Učni viri Google TensorFlow
https://www.tensorflow.org/learn/
Dokumentacija TensorFlow API
https://www.tensorflow.org/api_docs/
Modeli in nabori podatkov TensorFlow
https://www.tensorflow.org/resources/models-datasets/
Skupnost TensorFlow
https://www.tensorflow.org/community/
Usposabljanje za platformo Google Cloud AI s programom TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Python dokumentacija
https://www.python.org/doc/
Python sprosti prenose
https://www.python.org/downloads/
Vodič za Python za začetnike
https://www.python.org/about/gettingstarted/
Python Wiki Vodnik za začetnike
https://wiki.python.org/moin/BeginnersGuide
Vadnica za strojno učenje Python W3Schools
https://www.w3schools.com/python/python_ml_getting_started.asp
Prenesite celotno pripravljalno gradivo za samoučenje brez povezave za poglobljeno učenje EITC/AI/DLPTFK s programom Python, TensorFlow in Keras v datoteki PDF
Pripravljalni materiali EITC/AI/DLPTFK – standardna različica
Pripravljalna gradiva EITC/AI/DLPTFK – razširjena različica z vprašanji za pregled