使用TensorFlow進行的EITC/AI/DLTF深度學習是歐洲IT認證計劃,其基礎是使用Google TensorFlow機器學習庫在Python中進行深度學習編程的基礎。
使用TensorFlow進行EITC/AI/DLTF深度學習的課程側重於使用Google TensorFlow庫在以下結構中組織的深度學習Python編程的實踐技能,其中包括全面的視頻教學內容,作為此EITC認證的參考。
深度學習(也稱為深度結構化學習)是基於帶有表示學習的人工神經網絡的更廣泛的機器學習方法系列的一部分。 學習可以是有監督的,半監督的或無監督的。 諸如深度神經網絡,深度信念網絡,遞歸神經網絡和卷積神經網絡之類的深度學習架構已應用於計算機視覺,機器視覺,語音識別,自然語言處理,音頻識別,社交網絡過濾,機器翻譯,生物信息學等領域,藥物設計,醫學圖像分析,材料檢查和棋盤遊戲程序,它們產生的結果可與人類專家的表現相媲美,甚至在某些情況下甚至超過了人類專家的表現。
Python是一種解釋性的高級通用編程語言。 Python的設計理念通過顯著使用大量空白來強調代碼的可讀性。 它的語言構造和麵向對象的方法旨在幫助程序員為大型和大型項目編寫清晰的邏輯代碼。 由於Python具有完善的標準庫,因此通常被稱為“包含電池”的語言。 借助TensorFlow,Keras,Pytorch和Scikit-learn之類的庫,Python通常用於人工智能項目和機器學習項目。
Python是動態類型的(在運行時執行靜態編程語言在編譯過程中執行的許多常見編程行為)和垃圾回收(使用自動內存管理)。 它支持多種編程範例,包括結構化(特別是過程式),面向對象和功能性編程。 它是由Guido van Rossum於1980年代後期創建的,並於1991年首次發布,它是ABC編程語言的後繼者。 2.0年發布的Python 2000引入了新功能,例如列表推導和帶有引用計數的垃圾收集系統,並在2.7年隨版本2020停產。Python3.0在2008年發布,是該語言的主要修訂版,並非完全向後兼容,並且許多Python 2代碼不會在Python 3上未經修改地運行。由於Python 2的使用壽命終止(並且pip在2021年不再支持),因此僅支持Python 3.6.x和更高版本,而舊版本仍受支持支持例如Windows 7(以及不限於64位Windows的舊安裝程序)。
Python解釋器受主流操作系統的支持,並且可以用於更多版本(過去也受支持)。 全球程序員社區開發和維護CPython,這是一個免費的開源參考實現。 一個非營利組織,Python軟件基金會,負責管理和指導Python和CPython開發的資源。
截至2021年2020月,Python在TIOBE最受歡迎的編程語言索引中排名第三,僅次於C和Java,此前曾獲得第二名並獲得2007年最受歡迎的語言獎。它在2010、2018年被評為年度編程語言和XNUMX年。
一項經驗研究發現,腳本語言(例如Python)比常規語言(例如C和Java)在涉及字符串操作和字典搜索的編程問題上的生產率更高,並確定內存消耗通常“比Java更好,而不是Java”。比C或C ++差得多”。 使用Python的大型組織包括Wikipedia,Google,Yahoo!,CERN,NASA,Facebook,Amazon,Instagram。
除其人工智能應用程序外,Python作為具有模塊化體系結構,簡單語法和富文本處理工具的腳本語言,通常用於自然語言處理。
TensorFlow是一個用於機器學習的免費開源軟件庫。 它可以用於一系列任務,但特別著重於深度神經網絡的訓練和推理。 它是一個基於數據流和可微編程的符號數學庫。 它用於Google的研究和生產。
從2011年開始,Google Brain將DistBelief構建為基於深度學習神經網絡的專有機器學習系統。 在研究和商業應用中,它的使用在不同的Alphabet公司中迅速增長。 Google指派了包括Jeff Dean在內的多位計算機科學家來簡化DistBelief的代碼庫並將其重構為一個更快,更強大的應用程序級庫,該庫成為TensorFlow。 2009年,由杰弗裡·欣頓(Geoffrey Hinton)領導的團隊實施了廣義反向傳播和其他改進措施,使生成的神經網絡具有更高的準確性,例如,語音識別錯誤減少了25%。
TensorFlow是Google Brain的第二代系統。 版本1.0.0已於11年2017月64日發布。雖然參考實現在單個設備上運行,但TensorFlow可以在多個CPU和GPU上運行(具有可選的CUDA和SYCL擴展,可在圖形處理單元上進行通用計算)。 TensorFlow可在2016位Linux,macOS,Windows以及包括Android和iOS在內的移動計算平台上使用。 其靈活的體系結構允許在各種平台(CPU,GPU,TPU)之間以及從台式機到服務器集群再到移動設備和邊緣設備的輕鬆部署計算。 TensorFlow計算表示為有狀態數據流圖。 TensorFlow的名稱源自此類神經網絡在多維數據數組上執行的操作,這些操作稱為張量。 在1,500年5月的Google I/O大會上,Jeff Dean表示GitHub上的2017個存儲庫提到了TensorFlow,其中只有2018個來自Google。 1.0年2019月,來自Google,Cisco,RedHat,CoreOS和CaiCloud的開發人員在會議上介紹了Kubeflow。 Kubeflow允許在Kubernetes上運行和部署TensorFlow。 2.0年2019月,Google宣布了TensorFlow.js 2019版,該版本用於JavaScript中的機器學習。 在XNUMX年XNUMX月,谷歌宣布了TensorFlow XNUMX。 它於XNUMX年XNUMX月正式可用.XNUMX年XNUMX月,谷歌宣布TensorFlow Graphics用於計算機圖形學的深度學習。
要詳細了解認證課程,您可以擴展和分析下表。
EITC/AI/DLTF 深度學習與 TensorFlow 認證課程參考了 Harrison Kinsley 以視頻形式提供的開放式教學材料。 學習過程分為逐步結構(課程 -> 課程 -> 主題),涵蓋相關課程部分。 還提供與領域專家的無限諮詢。
有關認證程序檢查的詳細信息 如何操作.
課程參考資源
谷歌TensorFlow
https://www.tensorflow.org/
Google TensorFlow 學習資源
https://www.tensorflow.org/learn/
TensorFlow API 文檔
https://www.tensorflow.org/api_docs/
TensorFlow 模型和數據集
https://www.tensorflow.org/resources/models-datasets/
TensorFlow 社區
https://www.tensorflow.org/community/
使用 TensorFlow 進行 Google Cloud AI Platform 訓練
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
下載 EITC/AI/DLTF Deep Learning with TensorFlow 程式的完整離線自學準備資料(PDF 檔案)