EITC/AI/DLPTFK Deep Learning with Python, TensorFlow ja Keras on Euroopa IT-sertifitseerimisprogramm, mis käsitleb Pythoni süvaõppe programmeerimise aluseid koos masinõppekogudega TensorFlow ja Keras.
EITC/AI/DLPTFK Deep Learning with Python, TensorFlow ja Keras õppekava keskendub praktilistele oskustele Pythoni programmeerimise süvendatud õppimisel koos TensorFlow ja Keras raamatukogudega, mis on korraldatud järgmise struktuuri raames, hõlmates selle EITC sertifikaadi viitena põhjalikku videodidaktilist sisu.
Sügav õppimine (tuntud ka kui sügav struktureeritud õpe) on osa masinõppe meetodite laiemast perekonnast, mis põhineb kunstlikel närvivõrkudel koos esindusõppega. Õppimine võib olla järelevalve all, pooljuhendatud või järelevalveta. Selliste valdkondade jaoks nagu arvuti nägemine, masinnägemine, kõnetuvastus, loomuliku keele töötlemine, helituvastus, suhtlusvõrgustike filtreerimine, masintõlge, bioinformaatika, on rakendatud selliseid süvaõppe arhitektuure nagu sügavad närvivõrgud, sügavate veendumuste võrgustikud, korduvad närvivõrgud ja konvolutsioonilised närvivõrgud , ravimikujundus, meditsiinilise pildianalüüsi, materjalide ülevaatuse ja lauamängude programmid, kus nende tulemused on võrreldavad ja mõnel juhul ületavad inimeste ekspertide tulemusi.
Python on tõlgendatud, kõrgetasemeline ja üldotstarbeline programmeerimiskeel. Pythoni disainifilosoofia rõhutab koodi loetavust märkimisväärse tühimärgi märkimisväärse kasutamisega. Selle keelekonstruktsioonide ja objektorienteeritud lähenemise eesmärk on aidata programmeerijatel kirjutada selge ja loogiline kood väikestele ja suuremahulistele projektidele. Pythoni kirjeldatakse selle põhjaliku standardraamatukogu tõttu sageli kui „patareidega kaasas“ keelt. Pythoni kasutatakse tavaliselt tehisintellekti projektides ja masinõppeprojektides selliste raamatukogude abil nagu TensorFlow, Keras, Pytorch ja Scikit-learn.
Python on dünaamiliselt sisestatud (käivitades käitamise ajal paljusid levinud programmeerimiskäitumisi, mida staatilised programmeerimiskeeled kompileerimise ajal teostavad) ja prügi kogutud (automaatse mäluhaldusega). See toetab mitut programmeerimisparadigmat, sealhulgas struktureeritud (eriti protseduurilist), objektorienteeritud ja funktsionaalset programmeerimist. Selle lõi 1980ndate lõpus ja esmakordselt 1991. aastal välja Guido van Rossum kui ABC programmeerimiskeele järeltulija. 2.0. aastal välja antud Python 2000 tutvustas uusi funktsioone, näiteks loendite mõistmist, ja prügiveosüsteemi koos viite lugemisega ning katkestati versiooniga 2.7 2020. aastal. 3.0. aastal välja antud Python 2008 oli põhjalik versioon, mis on pole täielikult tahapoole ühilduv ja palju Python 2 koodi ei tööta Python 3-s modifitseerimata. Kui Python 2 eluiga lõpeb (ja pip, mille tugi on 2021. aastal langenud), toetatakse ainult Python 3.6.x-i ja uuemaid versioone, vanemad versioonid on endiselt toetab näiteks Windows 7 (ja vanu installijaid, mis ei piirdu 64-bitise Windowsiga).
Pythoni tõlkeid toetatakse peavoolu operatsioonisüsteemides ja need on saadaval veel mõned (ja varem toetati paljusid teisi). Ülemaailmne programmeerijate kogukond arendab ja haldab tasuta ja avatud lähtekoodiga viite juurutust CPython. Mittetulundusühing Python Software Foundation haldab ja suunab Pythoni ja CPythoni arendamise ressursse.
Alates 2021. aasta jaanuarist on Python TIOBE populaarseimate programmeerimiskeelte indeksis kolmandal kohal, C ja Java taga, olles varem saavutanud teise koha ja auhinna 2020. aasta kõige populaarsema kasvu eest. See valiti 2007. aasta 2010. aasta programmeerimiskeeleks ja 2018.
Empiirilises uuringus leiti, et skriptikeeled, näiteks Python, on tavalistest keeltest, näiteks C ja Java, produktiivsemad probleemide programmeerimiseks, mis hõlmavad stringide manipuleerimist ja sõnastikust otsimist, ning tehti kindlaks, et mälu tarbimine on sageli „parem kui Java ja mitte palju halvem kui C või C ++ ”. Suurte Pythoni kasutavate organisatsioonide hulka kuuluvad muu hulgas Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Lisaks tehisintellekti rakendustele kasutatakse Pythoni kui modulaarse arhitektuuri, lihtsa süntaksi ja rikkaliku tekstitöötlusvahendiga skriptikeelt sageli loomuliku keele töötlemiseks.
TensorFlow on tasuta ja avatud lähtekoodiga tarkvararaamatukogu masinõppeks. Seda saab kasutada paljude ülesannete täitmisel, kuid see keskendub eriti sügavate närvivõrkude väljaõppele ja järeldustele. See on sümboolne matemaatikakogu, mis põhineb andmevoolul ja diferentseeritaval programmeerimisel. Seda kasutatakse Google'is nii uurimiseks kui ka tootmiseks.
Alates 2011. aastast ehitas Google Brain DistBeliefi kui varalise masinõppesüsteemi, mis põhineb sügavate õppevõrkude närvivõrkudel. Selle kasutamine kasvas kiiresti erinevates tähestikuettevõtetes nii teadustöös kui ka ärirakendustes. Google määras mitmetele arvutiteadlastele, sealhulgas Jeff Deani, et lihtsustada ja refrakteerida DistBeliefi koodibaas kiiremaks ja töökindlamaks rakenduseklassi teegiks, millest sai TensorFlow. 2009. aastal oli meeskond eesotsas Geoffrey Hintoniga rakendanud üldist paljunemist ja muid täiustusi, mis võimaldasid närvivõrkude loomist oluliselt suurema täpsusega, näiteks 25% vähem vigu kõnetuvastuses.
TensorFlow on Google Brain'i teise põlvkonna süsteem. Versioon 1.0.0 ilmus 11. veebruaril 2017. Kuigi viite juurutamine töötab üksikutes seadmetes, saab TensorFlow töötada mitmel keskseadmel ja GPU-l (koos lisavarustusse kuuluvate CUDA ja SYCL laiendustega graafika protsessorite üldotstarbeliseks arvutamiseks). TensorFlow on saadaval 64-bitistel Linuxi, macOSi, Windowsi ja mobiilarvutite platvormidel, sealhulgas Androidil ja iOS-il. Selle paindlik arhitektuur võimaldab arvutust hõlpsasti juurutada erinevatel platvormidel (protsessorid, GPU-d, TPU-d) ja töölauadest serverite klastriteni mobiilsete ja serveriseadmeteni. TensorFlow arvutused on väljendatud olekuliste andmevoo graafikutena. Nimi TensorFlow tuleneb toimingutest, mida sellised närvivõrgud teevad mitmemõõtmelistel andmemassiividel, millele viidatakse kui tensoritele. Google I/O konverentsil 2016. aasta juunis teatas Jeff Dean, et GitHubi 1,500 hoidlas mainiti TensorFlow'd, millest ainult 5 olid Google'ilt. 2017. aasta detsembris tutvustasid Google'i, Cisco, RedHati, CoreOSi ja CaiCloudi arendajad konverentsil Kubeflowi. Kubeflow võimaldab TensorFlow'i Kubernetes opereerida ja juurutada. 2018. aasta märtsis teatas Google JavaScripti masinõppeks TensorFlow.js versiooni 1.0. Jaanuaris 2019 teatas Google TensorFlow 2.0-st. See sai ametlikult kättesaadavaks septembris 2019. Mais 2019 teatas Google arvutigraafika süvaõppeks TensorFlow Graphics'ist.
Keras on avatud lähtekoodiga tarkvarakogu, mis pakub Pythoni liidest kunstlike närvivõrkude jaoks. Keras toimib TensorFlow teegi liidesena.
Keras sisaldab arvukalt levinud närvivõrgu ehitusplokkide rakendusi, nagu kihid, eesmärgid, aktiveerimisfunktsioonid, optimeerijad ja hulgaliselt tööriistu, mis muudavad pildi- ja tekstiandmetega töötamise lihtsamaks sügava närvivõrgu koodi kirjutamiseks vajaliku kodeerimise lihtsustamiseks. Kood on hostitud GitHubis ja kogukonna tugifoorumid hõlmavad GitHubi probleemide lehte ja Slacki kanalit.
Lisaks standardsetele närvivõrkudele toetab Keras konvolutsioonilisi ja korduvaid närvivõrke. See toetab muid tavalisi utiliidikihte, nagu väljalangemine, partiide normaliseerimine ja ühendamine. Keras võimaldab kasutajatel nutitelefonides (iOS ja Android), veebis või Java virtuaalses masinas sügavaid mudeleid toota. Samuti võimaldab see kasutada süvaõppemudelite hajutatud koolitust graafikaprotsessorite (GPU) ja tensorprotsessorite (TPU) klastritel. Keras on kasutusele võetud teadusuuringutes Pythoni (programmeerimiskeel) ning oma kasutamise ja installimise lihtsuse tõttu. Keras oli KDnuggets 10 tarkvaraküsitluses 2018. enim viidatud tööriist ja registreeris 22% -lise kasutuse.
Sertifitseerimisõppekavaga põhjalikumalt tutvumiseks saate allolevat tabelit laiendada ja analüüsida.
EITC/AI/DLPTFK süvaõpe Pythoni, TensorFlow ja Kerase sertifitseerimise õppekavas viidatakse Harrison Kinsley videovormis avatud juurdepääsuga didaktilistele materjalidele. Õppeprotsess on jagatud samm-sammult struktuuriks (programmid -> tunnid -> teemad), mis hõlmab vastavaid õppekavaosi.
Pakutakse ka piiramatut nõustamist domeeniekspertidega.
Sertifitseerimisprotseduuri üksikasjad leiate Mugav tellimus.
Õppekava viited
Google TensorFlow
https://www.tensorflow.org/
Google TensorFlow õppevahendid
https://www.tensorflow.org/learn/
TensorFlow API dokumentatsioon
https://www.tensorflow.org/api_docs/
TensorFlow mudelid ja andmekogumid
https://www.tensorflow.org/resources/models-datasets/
TensorFlow kogukond
https://www.tensorflow.org/community/
Google Cloud AI platvormi koolitus koos TensorFlow'ga
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Pythoni dokumentatsioon
https://www.python.org/doc/
Python vabastab allalaadimised
https://www.python.org/downloads/
Pythoni algajatele juhend
https://www.python.org/about/gettingstarted/
Pythoni Wiki juhend algajatele
https://wiki.python.org/moin/BeginnersGuide
W3Schools Pythoni masinõppe õpetus
https://www.w3schools.com/python/python_ml_getting_started.asp
Laadige PDF-failina alla täielikud võrguühenduseta iseõppimise ettevalmistavad materjalid programmi EITC/AI/DLPTFK süvaõppe jaoks Pythoni, TensorFlow ja Kerasega
EITC/AI/DLPTFK ettevalmistusmaterjalid – standardversioon
EITC/AI/DLPTFK ettevalmistavad materjalid – laiendatud versioon ülevaateküsimustega