EITC/AI/DLTF Deep Learning met TensorFlow is het Europese IT-certificeringsprogramma over de basisprincipes van het programmeren van deep learning in Python met de Google TensorFlow machine learning-bibliotheek.
Het curriculum van de EITC/AI/DLTF Deep Learning met TensorFlow richt zich op praktische vaardigheden in het diep leren van Python-programmering met Google TensorFlow-bibliotheek, georganiseerd binnen de volgende structuur, met uitgebreide videodidactische inhoud als referentie voor deze EITC-certificering.
Diep leren (ook bekend als diep gestructureerd leren) maakt deel uit van een bredere familie van machine-leermethoden op basis van kunstmatige neurale netwerken met representatieleren. Het leren kan onder toezicht, semi-begeleid of onbewaakt zijn. Diepe leerarchitecturen zoals diepe neurale netwerken, diepe geloofsnetwerken, terugkerende neurale netwerken en convolutionele neurale netwerken zijn toegepast op gebieden zoals computervisie, machine vision, spraakherkenning, natuurlijke taalverwerking, audioherkenning, filtering van sociale netwerken, automatische vertaling, bio-informatica , medicijnontwerp, medische beeldanalyse, materiaalinspectie en bordspelprogramma's, waarbij ze resultaten hebben opgeleverd die vergelijkbaar zijn met en in sommige gevallen de prestaties van menselijke experts overtreffen.
Python is een geïnterpreteerde, algemene programmeertaal op hoog niveau. De ontwerpfilosofie van Python benadrukt de leesbaarheid van code door het opmerkelijke gebruik van aanzienlijke witruimte. De taalconstructies en objectgeoriënteerde benadering zijn bedoeld om programmeurs te helpen duidelijke, logische code te schrijven voor kleine en grootschalige projecten. Python wordt vaak omschreven als een taal met 'batterijen inbegrepen' vanwege de uitgebreide standaardbibliotheek. Python wordt veel gebruikt in kunstmatige intelligentieprojecten en machine learning-projecten met behulp van bibliotheken zoals TensorFlow, Keras, Pytorch en Scikit-learn.
Python wordt dynamisch getypeerd (voert tijdens runtime veel algemeen programmeergedrag uit dat statische programmeertalen uitvoeren tijdens het compileren) en wordt als afval verzameld (met automatisch geheugenbeheer). Het ondersteunt meerdere programmeerparadigma's, waaronder gestructureerd (in het bijzonder procedureel), objectgeoriënteerd en functioneel programmeren. Het werd eind jaren tachtig gemaakt en voor het eerst uitgebracht in 1980 door Guido van Rossum als opvolger van de programmeertaal ABC. Python 1991, uitgebracht in 2.0, introduceerde nieuwe functies, zoals lijstbegrip en een garbagecollection-systeem met referentietelling, en werd stopgezet met versie 2000 in 2.7. Python 2020, uitgebracht in 3.0, was een grote herziening van de taal die is niet volledig achterwaarts compatibel en veel Python 2008-code draait niet ongewijzigd op Python 2. Met het einde van de levensduur van Python 3 (en pip heeft de ondersteuning in 2 laten vallen), worden alleen Python 2021.x en later ondersteund, met oudere versies nog steeds ondersteuning van bijvoorbeeld Windows 3.6 (en oude installatieprogramma's niet beperkt tot 7-bit Windows).
Python-interpreters worden ondersteund voor reguliere besturingssystemen en zijn beschikbaar voor een paar meer (en in het verleden ondersteund voor veel meer). Een wereldwijde gemeenschap van programmeurs ontwikkelt en onderhoudt CPython, een gratis en open-source referentie-implementatie. Een non-profitorganisatie, de Python Software Foundation, beheert en stuurt bronnen voor Python- en CPython-ontwikkeling.
Vanaf januari 2021 staat Python op de derde plaats in de TIOBE-index van meest populaire programmeertalen, achter C en Java, nadat ze eerder de tweede plaats behaalden en hun prijs voor de meeste populariteitstoename voor 2020. Het werd in 2007, 2010 gekozen tot Programmeertaal van het Jaar , en 2018.
Een empirische studie wees uit dat scripttalen, zoals Python, productiever zijn dan conventionele talen, zoals C en Java, voor programmeerproblemen met stringmanipulatie en zoeken in een woordenboek, en stelde vast dat het geheugengebruik vaak 'beter was dan Java en niet veel erger dan C of C ++ ”. Grote organisaties die Python gebruiken, zijn oa Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Naast de kunstmatige-intelligentietoepassingen wordt Python, als scripttaal met modulaire architectuur, eenvoudige syntaxis en rich text-verwerkingstools, vaak gebruikt voor de verwerking van natuurlijke taal.
TensorFlow is een gratis en open-source softwarebibliotheek voor machine learning. Het kan voor een reeks taken worden gebruikt, maar heeft een bijzondere focus op training en inferentie van diepe neurale netwerken. Het is een symbolische wiskundige bibliotheek op basis van gegevensstroom en differentieerbare programmering. Het wordt gebruikt voor zowel onderzoek als productie bij Google.
Vanaf 2011 heeft Google Brain DistBelief gebouwd als een gepatenteerd machine-leersysteem op basis van deep learning neurale netwerken. Het gebruik ervan groeide snel bij diverse Alphabet-bedrijven in zowel onderzoeks- als commerciële toepassingen. Google heeft meerdere computerwetenschappers, waaronder Jeff Dean, aangesteld om de codebase van DistBelief te vereenvoudigen en te herstructureren tot een snellere, robuustere bibliotheek van toepassingskwaliteit, die TensorFlow werd. In 2009 had het team, geleid door Geoffrey Hinton, gegeneraliseerde backpropagation en andere verbeteringen geïmplementeerd die het mogelijk maakten neurale netwerken te genereren met een aanzienlijk hogere nauwkeurigheid, bijvoorbeeld een vermindering van 25% in fouten in spraakherkenning.
TensorFlow is het systeem van de tweede generatie van Google Brain. Versie 1.0.0 is uitgebracht op 11 februari 2017. Hoewel de referentie-implementatie op afzonderlijke apparaten draait, kan TensorFlow op meerdere CPU's en GPU's draaien (met optionele CUDA- en SYCL-extensies voor algemeen computergebruik op grafische verwerkingseenheden). TensorFlow is beschikbaar op 64-bits Linux, macOS, Windows en mobiele computerplatforms, waaronder Android en iOS. De flexibele architectuur zorgt voor eenvoudige implementatie van berekeningen op verschillende platforms (CPU's, GPU's, TPU's) en van desktops tot clusters van servers tot mobiele en randapparaten. TensorFlow-berekeningen worden uitgedrukt als stateful dataflow-grafieken. De naam TensorFlow is afgeleid van de bewerkingen die dergelijke neurale netwerken uitvoeren op multidimensionale gegevensarrays, die tensoren worden genoemd. Tijdens de Google I/O-conferentie in juni 2016 verklaarde Jeff Dean dat 1,500 repositories op GitHub TensorFlow noemden, waarvan er slechts 5 afkomstig waren van Google. In december 2017 introduceerden ontwikkelaars van Google, Cisco, RedHat, CoreOS en CaiCloud Kubeflow op een conferentie. Kubeflow maakt bediening en implementatie van TensorFlow op Kubernetes mogelijk. In maart 2018 kondigde Google TensorFlow.js versie 1.0 aan voor machine learning in JavaScript. In januari 2019 kondigde Google TensorFlow 2.0 aan. Het werd officieel beschikbaar in september 2019. In mei 2019 kondigde Google TensorFlow Graphics aan voor diepgaand leren in computergraphics.
Om u in detail vertrouwd te maken met het certificeringscurriculum kunt u onderstaande tabel uitvouwen en analyseren.
Het EITC/AI/DLTF Deep Learning met TensorFlow Certification Curriculum verwijst naar open-access didactisch materiaal in videovorm door Harrison Kinsley. Het leerproces is opgedeeld in een stapsgewijze structuur (programma's -> lessen -> onderwerpen) die relevante curriculumonderdelen omvat. Onbeperkt advies met domeinexperts wordt ook geboden.
Voor meer informatie over de certificeringsprocedure, zie Hoe het werkt.
Referentiebronnen voor leerplannen
Google TensorFlow
https://www.tensorflow.org/
Google TensorFlow-leerbronnen
https://www.tensorflow.org/learn/
TensorFlow API-documentatie
https://www.tensorflow.org/api_docs/
TensorFlow-modellen en datasets
https://www.tensorflow.org/resources/models-datasets/
TensorFlow-community
https://www.tensorflow.org/community/
Google Cloud AI Platform-training met TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Download het volledige offline zelflerende voorbereidende materiaal voor het EITC/AI/DLTF Deep Learning met TensorFlow-programma in een PDF-bestand
EITC/AI/DLTF voorbereidingsmaterialen – standaardversie
EITC/AI/DLTF voorbereidend materiaal – uitgebreide versie met evaluatievragen