EITC/AI/DLPTFK Deep Learning s programami Python, TensorFlow a Keras je európsky program certifikácie IT zameraný na základy programovania hlbokého učenia v jazyku Python s knižnicami strojového učenia TensorFlow a Keras.
Učebné osnovy hlbokého učenia EITC/AI/DLPTFK s programami Python, TensorFlow a Keras sa zameriavajú na praktické zručnosti pri hlbokom učení programovania v jazyku Python s knižnicami TensorFlow a Keras organizovanými v nasledujúcej štruktúre, ktorá obsahuje komplexný videodidaktický obsah ako referenciu pre túto certifikáciu EITC.
Hlboké učenie (tiež známe ako hlboké štruktúrované učenie) je súčasťou širšej rodiny metód strojového učenia založených na umelých neurónových sieťach s reprezentačným učením. Na výučbu možno dohliadať, čiastočne dozerať alebo byť pod dohľadom. Architektúry hlbokého učenia, ako sú hlboké neurónové siete, siete hlbokej viery, opakujúce sa neurónové siete a konvolučné neurónové siete, sa uplatnili v oblastiach, ako je počítačové videnie, strojové videnie, rozpoznávanie reči, spracovanie prirodzeného jazyka, rozpoznávanie zvuku, filtrovanie sociálnych sietí, strojový preklad, bioinformatika , design liekov, analýza lekárskych obrazov, programy kontroly materiálov a spoločenské hry, kde priniesli výsledky porovnateľné s výkonmi ľudských odborníkov a v niektorých prípadoch ich prevyšovali.
Python je interpretovaný, univerzálny programovací jazyk na vysokej úrovni. Filozofia dizajnu Pythonu zdôrazňuje čitateľnosť kódu pomocou jeho pozoruhodného využitia výrazných medzier. Jeho jazykové konštrukcie a objektovo orientovaný prístup majú za cieľ pomôcť programátorom napísať jasný a logický kód pre malé a veľké projekty. Python je často opísaný ako jazyk „vrátane batérií“ vďaka svojej komplexnej štandardnej knižnici. Python sa bežne používa v projektoch umelej inteligencie a projektoch strojového učenia pomocou knižníc ako TensorFlow, Keras, Pytorch a Scikit-learn.
Python je dynamicky typizovaný (vykonáva za behu veľa bežných programovacích chovaní, ktoré statické programovacie jazyky vykonávajú počas kompilácie) a zhromažďuje sa odpadky (s automatickou správou pamäte). Podporuje niekoľko paradigiem programovania vrátane štruktúrovaného (najmä procedurálneho), objektovo orientovaného a funkčného programovania. Bol vytvorený na konci 1980. rokov 1991. storočia a prvýkrát uvedený na trh v roku 2.0 Guido van Rossum ako nástupca programovacieho jazyka ABC. Python 2000, uvedený na trh v roku 2.7, predstavil nové funkcie, ako napríklad porozumenie zoznamu a systém zberu odpadu s počítaním referencií, a od verzie 2020 bol ukončený v roku 3.0. Python 2008, uvedený na trh v roku 2, bol významnou revíziou jazyka, ktorý je nie je úplne spätne kompatibilný a veľa kódu Pythonu 3 nefunguje na Pythone 2 bez úprav. S koncom životnosti Pythonu 2021 (a s poklesom podpory v roku 3.6) je podporovaný iba Python 7.x a novší, so staršími verziami podpora napr. Windows 64 (a staré inštalačné programy nie sú obmedzené na XNUMX-bitový Windows).
Tlmočníci Pythonu sú podporovaní pre bežné operačné systémy a sú k dispozícii pre niekoľko ďalších (a v minulosti ich podporovali oveľa viac). Globálna komunita programátorov vyvíja a udržiava CPython, bezplatnú a otvorenú referenčnú implementáciu. Nezisková organizácia, Python Software Foundation, spravuje a usmerňuje zdroje pre vývoj v jazykoch Python a CPython.
Od januára 2021 je Python na treťom mieste v indexe najpopulárnejších programovacích jazykov TIOBE za C a Java, keď predtým získal druhé miesto a ocenenie za najobľúbenejší prírastok pre rok 2020. Bol vybraný Programovací jazyk roka 2007, 2010 a 2018.
Empirická štúdia zistila, že skriptovacie jazyky, ako napríklad Python, sú produktívnejšie ako bežné jazyky, ako sú C a Java, pokiaľ ide o programovacie problémy spojené s manipuláciou s reťazcami a hľadaním v slovníku, a zistila, že spotreba pamäte je často „lepšia ako Java a nie oveľa horšie ako C alebo C ++ “. Medzi veľké organizácie, ktoré používajú Python, patria napríklad Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Okrem svojich aplikácií umelej inteligencie sa Python ako skriptovací jazyk s modulárnou architektúrou, jednoduchou syntaxou a nástrojmi na spracovanie bohatého textu často používa na spracovanie prirodzeného jazyka.
TensorFlow je bezplatná a otvorená softvérová knižnica pre strojové učenie. Môže sa použiť na rôzne úlohy, ale zameriava sa hlavne na výcvik a odvodenie hlbokých neurónových sietí. Je to symbolická matematická knižnica založená na toku údajov a diferencovateľnom programovaní. Používa sa na výskum aj na výrobu v spoločnosti Google.
Od roku 2011 postavil Google Brain DistBelief ako vlastný systém strojového učenia založený na neurónových sieťach hlbokého učenia. Jeho použitie rýchlo rástlo medzi rôznymi abecednými spoločnosťami vo výskume aj v komerčných aplikáciách. Google poveril viacerých počítačových vedcov, vrátane Jeffa Deana, aby zjednodušili a preformátovali základňu kódov DistBelief na rýchlejšiu a robustnejšiu knižnicu aplikačnej triedy, z ktorej sa stal TensorFlow. V roku 2009 tím pod vedením Geoffreyho Hintona implementoval všeobecnú spätnú propagáciu a ďalšie vylepšenia, ktoré umožnili generovanie neurónových sietí s podstatne vyššou presnosťou, napríklad 25% zníženie chýb v rozpoznávaní reči.
TensorFlow je systém Google Brain druhej generácie. Verzia 1.0.0 bola vydaná 11. februára 2017. Zatiaľ čo referenčná implementácia beží na samostatných zariadeniach, TensorFlow môže bežať na viacerých procesoroch a GPU (s voliteľnými rozšíreniami CUDA a SYCL pre všeobecné použitie na grafických procesoroch). TensorFlow je k dispozícii na 64-bitových platformách Linux, MacOS, Windows a mobilných počítačových platformách vrátane Android a iOS. Jeho flexibilná architektúra umožňuje ľahké nasadenie výpočtov na rôznych platformách (CPU, GPU, TPU) a od počítačov až po klastre serverov až po mobilné a okrajové zariadenia. Výpočty TensorFlow sú vyjadrené ako stavové grafy toku údajov. Názov TensorFlow je odvodený od operácií, ktoré také neurónové siete vykonávajú na viacrozmerných údajových poliach, ktoré sa označujú ako tenzory. Počas konferencie I/O Google v júni 2016 Jeff Dean uviedol, že 1,500 5 úložísk na GitHub uviedlo TensorFlow, z ktorých iba 2017 bolo od spoločnosti Google. V decembri 2018 predstavili vývojári z Google, Cisco, RedHat, CoreOS a CaiCloud na konferencii Kubeflow. Kubeflow umožňuje prevádzku a nasadenie TensorFlow na Kubernetes. V marci 1.0 Google oznámil TensorFlow.js verzie 2019 pre strojové učenie v JavaScripte. V januári 2.0 spoločnosť Google predstavila TensorFlow 2019. Oficiálne je dostupný v septembri 2019. V máji XNUMX spoločnosť Google oznámila grafiku TensorFlow Graphics pre hlboké vzdelávanie v počítačovej grafike.
Keras je softvérová knižnica typu open-source, ktorá poskytuje rozhranie Python pre umelé neurónové siete. Keras funguje ako rozhranie pre knižnicu TensorFlow.
Keras obsahuje množstvo implementácií bežne používaných stavebných blokov neurónových sietí, ako sú vrstvy, ciele, aktivačné funkcie, optimalizátory a množstvo nástrojov na uľahčenie práce s obrazovými a textovými údajmi, aby sa zjednodušilo kódovanie potrebné na zápis hlbokého kódu neurónovej siete. Kód je hostený na GitHube a fóra podpory komunity zahŕňajú stránku s problémami s GitHubom a kanál Slack.
Okrem štandardných neurónových sietí má Keras podporu aj pre konvolučné a rekurentné neurónové siete. Podporuje ďalšie bežné obslužné vrstvy, ako je vypadnutie, dávková normalizácia a združovanie. Keras umožňuje používateľom vyrábať hlboké modely na smartfónoch (iOS a Android), na webe alebo na virtuálnom stroji Java. Umožňuje tiež použitie distribuovaného tréningu modelov hlbokého učenia na klastroch grafických jednotiek (GPU) a tenzorových jednotiek (TPU). Keras bol prijatý na použitie vo vedeckom výskume vďaka Pythonu (programovací jazyk) a kvôli vlastnej jednoduchosti použitia a inštalácie. Keras bol 10. najcitovanejším nástrojom v softvérovej ankete KDnuggets 2018 a zaznamenal 22% využitie.
Aby ste sa podrobne oboznámili s certifikačným učebným plánom, môžete rozšíriť a analyzovať tabuľku nižšie.
Certifikačný učebný plán EITC/AI/DLPTFK Deep Learning with Python, TensorFlow a Keras odkazuje na didaktické materiály s otvoreným prístupom vo forme videa od Harrisona Kinsleyho. Učebný proces je rozdelený na štruktúru krok za krokom (programy -> lekcie -> témy), ktorá pokrýva príslušné časti kurikula.
Poskytuje sa tiež neobmedzené poradenstvo s doménovými odborníkmi.
Podrobnosti o kontrole postupu certifikácie Ako funguje CBD Factum Pet Solution?.
Referenčné zdroje učebných osnov
Google TensorFlow
https://www.tensorflow.org/
Učebné zdroje Google TensorFlow
https://www.tensorflow.org/learn/
Dokumentácia API TensorFlow
https://www.tensorflow.org/api_docs/
Modely a množiny údajov TensorFlow
https://www.tensorflow.org/resources/models-datasets/
Komunita TensorFlow
https://www.tensorflow.org/community/
Školenie o platforme Google Cloud AI s TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Dokumentácia Pythonu
https://www.python.org/doc/
Python vydáva súbory na stiahnutie
https://www.python.org/downloads/
Sprievodca programom Python pre začiatočníkov
https://www.python.org/about/gettingstarted/
Sprievodca pre začiatočníkov v jazyku Python Wiki
https://wiki.python.org/moin/BeginnersGuide
W3Schools Výukový program strojového učenia Python
https://www.w3schools.com/python/python_ml_getting_started.asp
Stiahnite si kompletné offline samovzdelávacie prípravné materiály pre EITC/AI/DLPTFK Deep Learning with Python, TensorFlow a Keras v súbore PDF
Prípravné materiály EITC/AI/DLPTFK – štandardná verzia
Prípravné materiály EITC/AI/DLPTFK – rozšírená verzia o recenzné otázky