EITC/AI/DLPTFK Deep Learning with Python, TensorFlow ja Keras on eurooppalainen IT-sertifiointiohjelma, joka käsittelee Pythonin syvän oppimisen ohjelmoinnin perusteita TensorFlow- ja Keras-koneoppimiskirjastojen kanssa.
EITC/AI/DLPTFK Deep Learning with Python, TensorFlow ja Keras -opetussuunnitelmassa keskitytään käytännön taitoihin syvälliseen Python-ohjelmoinnin oppimiseen TensorFlow- ja Keras-kirjastojen kanssa seuraavassa rakenteessa, joka sisältää kattavan videodidaktisen sisällön viitteenä tälle EITC-sertifikaatille.
Syvä oppiminen (tunnetaan myös nimellä syvä strukturoitu oppiminen) on osa laajempaa koneoppimismenetelmien perhettä, joka perustuu keinotekoisiin hermoverkkoihin ja edustuksen oppimiseen. Oppiminen voi olla valvottua, puolivalvottua tai valvomatonta. Hyvin oppivia arkkitehtuureja, kuten syvät hermoverkot, syvät uskomusverkot, toistuvat hermoverkot ja konvoluutioiset hermoverkot, on sovellettu aloille, kuten tietokonenäkö, konenäkö, puheentunnistus, luonnollisen kielen käsittely, äänentunnistus, sosiaalisten verkostojen suodatus, konekäännös, bioinformatiikka , lääkesuunnittelu, lääketieteellisen kuvan analyysi, materiaalitarkastus ja lautapeliohjelmat, joissa ne ovat tuottaneet tuloksia, jotka ovat verrattavissa ihmisten asiantuntijoiden suorituksiin ja joissain tapauksissa ylittävät ne.
Python on tulkittu, korkean tason ja yleiskäyttöinen ohjelmointikieli. Pythonin suunnittelufilosofia korostaa koodin luettavuutta merkittävällä välilyönnillä. Sen kielirakenteiden ja olio-lähestymistavan tarkoituksena on auttaa ohjelmoijia kirjoittamaan selkeä, looginen koodi pienille ja suurille projekteille. Pythonia kuvataan usein "paristoihin sisältyvänä" kielenä kattavan vakiokirjastonsa vuoksi. Pythonia käytetään yleisesti tekoälyhankkeissa ja koneoppimisprojekteissa TensorFlow-, Keras-, Pytorch- ja Scikit-learn-kirjastojen avulla.
Python on dynaamisesti kirjoitettu (suorittamalla ajon aikana monia yleisiä ohjelmointikäyttäytymisiä, joita staattiset ohjelmointikielet suorittavat kääntämisen aikana) ja roskakoriin (automaattisella muistinhallinnalla). Se tukee useita ohjelmointiparadigmoja, mukaan lukien strukturoitu (erityisesti menettelyllinen), olio- ja toiminnallinen ohjelmointi. Se luotiin 1980-luvun lopulla ja julkaistiin ensimmäisen kerran vuonna 1991, Guido van Rossum ABC-ohjelmointikielen seuraajana. Vuonna 2.0 julkaistussa Python 2000: ssa otettiin käyttöön uusia ominaisuuksia, kuten luettelon ymmärtäminen, ja jätteiden keräysjärjestelmä viitteiden laskennalla, ja se lopetettiin versiolla 2.7 vuonna 2020. Vuonna 3.0 julkaistu Python 2008 oli merkittävä versio uudesta kielestä. ei täysin taaksepäin yhteensopiva ja paljon Python 2 -koodia ei suoriteta muokkaamattomana Python 3: lla. Kun Python 2: n käyttöiän loppu (ja pip, jonka tuki on pudonnut vuonna 2021), vain Python 3.6.x: ää ja sitä uudempia versioita tuetaan, vanhemmat versiot ovat edelleen tukee esimerkiksi Windows 7: tä (ja vanhoja asennusohjelmia, jotka eivät rajoitu 64-bittiseen Windowsiin).
Python-tulkkia tuetaan yleisimmille käyttöjärjestelmille, ja niitä on saatavana vielä muutamaan muuhun (ja aiemmin tuettu moniin muihin). Maailmanlaajuinen ohjelmoijayhteisö kehittää ja ylläpitää CPythonia, ilmaista ja avoimen lähdekoodin viitteitä. Voittoa tavoittelematon organisaatio, Python Software Foundation, hallinnoi ja ohjaa resursseja Python- ja CPython-kehitykseen.
Tammikuusta 2021 lähtien Python on kolmannella sijalla TIOBE: n suosituimpien ohjelmointikielien indeksissä, C: n ja Java: n takana. Hän on aiemmin saavuttanut toisen sijan ja palkinnon vuoden 2020 suosituimmasta voitosta. Se valittiin vuoden ohjelmointikieleksi vuosina 2007, 2010. ja 2018.
Empiirisen tutkimuksen mukaan komentosarjakielet, kuten Python, ovat tuottavampia kuin tavanomaiset kielet, kuten C ja Java, ohjelmointiongelmiin, joihin liittyy merkkijonon manipulointi ja hakeminen sanakirjasta, ja todettiin, että muistin kulutus oli usein "parempi kuin Java eikä paljon huonompi kuin C tai C ++ ”. Suuria Pythonia käyttäviä organisaatioita ovat muun muassa Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Keinotekoisen älykkyyden sovellusten lisäksi Pythonia käytetään modulaarisen arkkitehtuurin, yksinkertaisen syntaksin ja rikkaiden tekstinkäsittelytyökalujen komentosarjakielenä usein luonnollisen kielen käsittelyssä.
TensorFlow on ilmainen ja avoimen lähdekoodin ohjelmistokirjasto koneoppimiseen. Sitä voidaan käyttää monissa tehtävissä, mutta siinä keskitytään erityisesti syvien hermoverkkojen koulutukseen ja päätelmiin. Se on symbolinen matematiikkakirjasto, joka perustuu tietovirtaan ja eriytettävään ohjelmointiin. Sitä käytetään sekä tutkimukseen että tuotantoon Googlessa.
Vuodesta 2011 lähtien Google Brain rakensi DistBeliefin omaksi koneoppimisjärjestelmäksi, joka perustuu syvälle oppiviin hermoverkkoihin. Sen käyttö kasvoi nopeasti eri aakkosyrityksissä sekä tutkimuksessa että kaupallisissa sovelluksissa. Google osoitti useille tietojenkäsittelytieteilijöille, mukaan lukien Jeff Dean, yksinkertaistamaan ja muokkaamaan DistBelief-koodikantaa nopeammaksi, vankemmaksi sovellustason kirjastoksi, josta tuli TensorFlow. Vuonna 2009 Geoffrey Hintonin johtama tiimi oli toteuttanut yleistä lisääntymistä ja muita parannuksia, jotka mahdollistivat hermoverkkojen luomisen huomattavasti suuremmalla tarkkuudella, esimerkiksi 25% vähemmän virheitä puheentunnistuksessa.
TensorFlow on Google Brainin toisen sukupolven järjestelmä. Versio 1.0.0 julkaistiin 11. helmikuuta 2017. Vaikka viitetoteutus toimii yksittäisillä laitteilla, TensorFlow voi toimia useilla suorittimilla ja näytönohjaimilla (valinnaisilla CUDA- ja SYCL-laajennuksilla grafiikkaprosessoriyksiköiden yleiskäyttöön). TensorFlow on saatavana 64-bittisillä Linux-, macOS-, Windows- ja mobiililaskenta-alustoilla, mukaan lukien Android ja iOS. Sen joustava arkkitehtuuri mahdollistaa laskennan helpon käyttöönoton useilla alustoilla (prosessorit, GPU: t, TPU: t) ja työasemista palvelinten klustereihin mobiililaitteisiin ja reunalaitteisiin. TensorFlow-laskelmat ilmaistaan tilannekohtaisina tietovirta-kaavioina. Nimi TensorFlow johtuu toiminnoista, joita tällaiset hermoverkot suorittavat moniulotteisilla datasarjoilla, joihin viitataan tensoreina. Kesäkuussa 2016 pidetyn Google I/O -konferenssin aikana Jeff Dean totesi, että 1,500 GitHub-arkistoa mainitsi TensorFlow'n, joista vain 5 oli Googlen lähettämiä. Joulukuussa 2017 Googlen, Ciscon, RedHatin, CoreOS: n ja CaiCloudin kehittäjät esittivät Kubeflow'n konferenssissa. Kubeflow sallii TensorFlow'n käytön ja asennuksen Kubernetesiin. Maaliskuussa 2018 Google ilmoitti TensorFlow.js-version 1.0 koneoppimiseen JavaScriptiä varten. Tammikuussa 2019 Google ilmoitti TensorFlow 2.0: n. Se tuli virallisesti saataville syyskuussa 2019. Toukokuussa 2019 Google ilmoitti TensorFlow Graphicsin syvällisestä oppimisesta tietokonegrafiikassa.
Keras on avoimen lähdekoodin ohjelmistokirjasto, joka tarjoaa Python-käyttöliittymän keinotekoisille hermoverkoille. Keras toimii TensorFlow-kirjaston rajapintana.
Keras sisältää lukuisia yleisesti käytettyjen hermoverkkojen rakennuspalikoiden toteutuksia, kuten kerrokset, tavoitteet, aktivointitoiminnot, optimoijat ja joukon työkaluja, joiden avulla kuva- ja tekstidatan käsittely on helpompaa yksinkertaistaa syvän hermoverkkokoodin kirjoittamiseen tarvittavaa koodausta. Koodia isännöidään GitHubissa, ja yhteisön tukifoorumit sisältävät GitHub-ongelmat -sivun ja Slack-kanavan.
Tavallisten hermoverkkojen lisäksi Keras tukee konvoluutio- ja toistuvia hermoverkkoja. Se tukee muita yleisiä apuohjelmakerroksia, kuten keskeyttämistä, erän normalisointia ja yhdistämistä. Keras antaa käyttäjille mahdollisuuden tuottaa syviä malleja älypuhelimissa (iOS ja Android), verkossa tai Java-virtuaalikoneessa. Se mahdollistaa myös syväoppimismallien hajautetun koulutuksen käytön grafiikkaprosessoriyksiköiden (GPU) ja tensoriprosessoriyksiköiden (TPU) klustereissa. Keras on hyväksytty käytettäväksi tieteellisessä tutkimuksessa Pythonin (ohjelmointikieli) ja oman helppokäyttöisyytensä ja asennuksensa ansiosta. Keras oli KDnuggets 10 -ohjelmistokyselyssä kymmenenneksi mainittu työkalu ja rekisteröi 2018 prosentin käytön.
Tutustuaksesi sertifioinnin opetussuunnitelmaan yksityiskohtaisesti voit laajentaa ja analysoida alla olevaa taulukkoa.
EITC/AI/DLPTFK Deep Learning with Python, TensorFlow ja Keras Certification Curriculum viittaa avoimen pääsyn didaktisiin materiaaleihin Harrison Kinsleyn videomuodossa. Oppimisprosessi on jaettu vaiheittaiseen rakenteeseen (ohjelmat -> oppitunnit -> aiheet), joka kattaa olennaiset opetussuunnitelman osat.
Tarjolla on myös rajoittamaton konsultointi verkkotunnuksen asiantuntijoiden kanssa.
Katso tarkemmat tiedot sertifiointimenettelystä Miten se toimii.
Opetussuunnitelman viiteresurssit
Google TensorFlow
https://www.tensorflow.org/
Googlen TensorFlow -oppimisresurssit
https://www.tensorflow.org/learn/
TensorFlow -sovellusliittymän dokumentaatio
https://www.tensorflow.org/api_docs/
TensorFlow -mallit ja tietojoukot
https://www.tensorflow.org/resources/models-datasets/
TensorFlow -yhteisö
https://www.tensorflow.org/community/
Google Cloud AI Platform -koulutus TensorFlow'n kanssa
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Python-dokumentaatio
https://www.python.org/doc/
Python julkaisee lataukset
https://www.python.org/downloads/
Python aloittelijoille -opas
https://www.python.org/about/gettingstarted/
Python Wiki -oppaat aloittelijoille
https://wiki.python.org/moin/BeginnersGuide
W3Schools Python Machine Learning -opetusohjelma
https://www.w3schools.com/python/python_ml_getting_started.asp
Lataa täydelliset offline-itseoppimisen valmistelevat materiaalit EITC/AI/DLPTFK Deep Learning with Python-, TensorFlow- ja Keras-ohjelmalle PDF-tiedostona
EITC/AI/DLPTFK valmistelumateriaalit – vakioversio
EITC/AI/DLPTFK valmistelumateriaalit – laajennettu versio tarkistuskysymyksillä