EITC/AI/DLTF Deep Learning with TensorFlow - це європейська програма ІТ-сертифікації з основ програмування глибокого навчання на Python з бібліотекою машинного навчання Google TensorFlow
Навчальна програма поглибленого навчання EITC/AI/DLTF з TensorFlow зосереджена на практичних навичках глибокого навчання програмуванню Python за допомогою бібліотеки Google TensorFlow, організованої в такій структурі, що охоплює всебічний відеодидактичний вміст як посилання на цю сертифікацію EITC.
Глибоке навчання (також відоме як глибоке структуроване навчання) є частиною більш широкого сімейства методів машинного навчання, заснованих на штучних нейронних мережах з репрезентативним навчанням. Навчання може бути під наглядом, напівконтролем або без нагляду. Архітектури глибокого навчання, такі як глибокі нейронні мережі, мережі глибоких вірувань, періодичні нейронні мережі та згорткові нейронні мережі, були застосовані до таких областей, як комп'ютерний зір, машинне бачення, розпізнавання мови, обробка природної мови, розпізнавання звуку, фільтрація соціальних мереж, машинний переклад, біоінформатика , розробка лікарських засобів, аналіз медичних зображень, обстеження матеріалів та програми настільних ігор, де вони дали результати, порівнянні та, в деяких випадках, перевершуючи результати людських експертів.
Python - інтерпретована мова програмування високого рівня та загального призначення. Філософія дизайну Python підкреслює читабельність коду завдяки помітному використанню значних пробілів. Його мовні конструкції та об’єктно-орієнтований підхід мають на меті допомогти програмістам писати чіткий логічний код для малих та великих проектів. Python часто описують як мову, що включає батареї, завдяки своїй повній стандартній бібліотеці. Python зазвичай використовується в проектах штучного інтелекту та машинному навчанні за допомогою таких бібліотек, як TensorFlow, Keras, Pytorch та Scikit-learn.
Python - це динамічний тип (виконується під час виконання багатьох поширених способів програмування, які виконують статичні мови програмування під час компіляції), і збирається сміття (з автоматичним управлінням пам'яттю). Він підтримує декілька парадигм програмування, включаючи структуроване (зокрема, процедурне), об'єктно-орієнтоване та функціональне програмування. Він був створений наприкінці 1980-х років, а вперше випущений у 1991 році Гвідо ван Россумом як наступник мови програмування ABC. Python 2.0, випущений в 2000 році, представив нові функції, такі як розуміння списків, та систему збору сміття з підрахунком посилань, і був припинений з версією 2.7 у 2020 році. Python 3.0, випущений у 2008 році, був серйозним переглядом мови, яка не повністю сумісний із зворотним зв'язком і більший код Python 2 не працює незміненим на Python 3. З закінченням терміну служби Python 2 (і піп, що припинив підтримку в 2021 році), підтримується лише Python 3.6.x та пізніші версії, при цьому старіші версії все ще підтримка, наприклад, Windows 7 (і старих інсталяторів, не обмежених 64-розрядною Windows).
Інтерпретатори Python підтримуються для основних операційних систем і доступні ще для кількох (а раніше підтримувались для багатьох інших). Світове співтовариство програмістів розробляє та підтримує CPython, безкоштовну та відкриту реалізацію посилань. Некомерційна організація, Фонд програмного забезпечення Python, управляє та направляє ресурси для розробки Python та CPython.
Станом на січень 2021 р. Python посідає третє місце в індексі найпопулярніших мов програмування TIOBE, посідаючи C та Java, попередньо посівши друге місце та нагороду за найбільший приріст популярності на 2020 рік. Його було вибрано Мовою програмування року у 2007, 2010 , та 2018 рік.
Емпіричне дослідження показало, що мови сценаріїв, такі як Python, є більш продуктивними, ніж звичайні мови, такі як C та Java, для проблем програмування, що включають маніпулювання рядками та пошук у словнику, і встановило, що споживання пам'яті часто було "кращим, ніж Java, а не набагато гірше, ніж С або С ++ ”. До великих організацій, які використовують Python, належать ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Окрім програм штучного інтелекту, Python, як мова сценаріїв з модульною архітектурою, простим синтаксисом та розширеними інструментами обробки тексту, часто використовується для обробки природної мови.
TensorFlow - це безкоштовна бібліотека програмного забезпечення з відкритим кодом для машинного навчання. Він може бути використаний для цілого ряду завдань, але приділяє особливу увагу навчанню та висновку глибоких нейронних мереж. Це символічна математична бібліотека, заснована на потоці даних та диференційованому програмуванні. Він використовується як для досліджень, так і для виробництва в Google.
Починаючи з 2011 року, Google Brain побудував DistBelief як власну систему машинного навчання, засновану на нейромережах глибокого навчання. Його використання швидко зростало в різних компаніях алфавіту як у науковому, так і в комерційному застосуванні. Google призначив кільком вченим-інформатикам, зокрема Джеффу Діну, спростити та переробити кодову базу DistBelief у більш швидку і надійну бібліотеку програмного рівня, яка стала TensorFlow. У 2009 році команда на чолі з Джеффрі Хінтоном впровадила узагальнене зворотне розповсюдження та інші вдосконалення, які дозволили генерувати нейронні мережі із значно вищою точністю, наприклад, зменшення помилок у розпізнаванні мови на 25%.
TensorFlow - це система Google Brain другого покоління. Версія 1.0.0 була випущена 11 лютого 2017 року. Хоча посилальна реалізація працює на окремих пристроях, TensorFlow може працювати на декількох центральних процесорах і графічних процесорах (з додатковими розширеннями CUDA та SYCL для обчислень загального призначення на графічних процесорах). TensorFlow доступний на 64-розрядних платформах Linux, macOS, Windows та мобільних обчислювальних платформах, включаючи Android та iOS. Його гнучка архітектура дозволяє легко розгортати обчислення на різних платформах (процесори, графічні процесори, TPU), а також від робочих столів до кластерів серверів до мобільних та крайніх пристроїв. Обчислення TensorFlow виражаються у вигляді графіків потоку даних. Назва TensorFlow походить від операцій, які такі нейронні мережі виконують над багатовимірними масивами даних, які називаються тензорами. Під час конференції вводу-виводу Google у червні 2016 року Джефф Дін заявив, що 1,500 сховищ на GitHub згадували TensorFlow, з яких лише 5 були від Google. У грудні 2017 року розробники від Google, Cisco, RedHat, CoreOS та CaiCloud представили Kubeflow на конференції. Kubeflow дозволяє працювати та розгортати TensorFlow на Kubernetes. У березні 2018 року Google оголосив TensorFlow.js версії 1.0 для машинного навчання в JavaScript. У січні 2019 року Google оголосив про TensorFlow 2.0. Він став офіційно доступним у вересні 2019 року. У травні 2019 року Google оголосив TensorFlow Graphics для глибокого вивчення комп'ютерної графіки.
Для більш детального ознайомлення з навчальною програмою сертифікації Ви можете розгорнути та проаналізувати наведену нижче таблицю.
Навчальна програма глибокого навчання з сертифікацією TensorFlow EITC/AI/DLTF посилається на дидактичні матеріали відкритого доступу у відеоформаті Гаррісона Кінслі. Навчальний процес поділений на покрокову структуру (програми -> уроки -> теми), що охоплює відповідні частини навчального плану. Також надаються необмежені консультації з експертами в галузі.
Детальніше про процедуру сертифікації див Як це працює?.
Довідкові ресурси навчальної програми
Google TensorFlow
https://www.tensorflow.org/
Навчальні ресурси Google TensorFlow
https://www.tensorflow.org/learn/
Документація API TensorFlow
https://www.tensorflow.org/api_docs/
Моделі та набори даних TensorFlow
https://www.tensorflow.org/resources/models-datasets/
Спільнота TensorFlow
https://www.tensorflow.org/community/
Навчання Google Cloud AI Platform з TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Завантажте повні підготовчі матеріали для офлайн-самонавчання для програми EITC/AI/DLTF Deep Learning with TensorFlow у файлі PDF
Підготовчі матеріали EITC/AI/DLTF – стандартна версія
Підготовчі матеріали EITC/AI/DLTF – розширена версія з контрольними запитаннями