EITC/AI/DLPTFK Deep Learning với Python, TensorFlow và Keras là chương trình Chứng nhận CNTT Châu Âu về các nguyên tắc cơ bản của lập trình học sâu bằng Python với thư viện máy học TensorFlow và Keras.
Chương trình giảng dạy của Học sâu EITC/AI/DLPTFK với Python, TensorFlow và Keras tập trung vào các kỹ năng thực hành trong lập trình Python học sâu với các thư viện TensorFlow và Keras được tổ chức theo cấu trúc sau, bao gồm nội dung giáo trình video toàn diện làm tài liệu tham khảo cho Chứng chỉ EITC này.
Học sâu (còn được gọi là học có cấu trúc sâu) là một phần của họ các phương pháp học máy rộng hơn dựa trên mạng nơ-ron nhân tạo với học đại diện. Việc học có thể được giám sát, bán giám sát hoặc không giám sát. Các kiến trúc học sâu như mạng nơ-ron sâu, mạng tín ngưỡng sâu, mạng nơ-ron lặp lại và mạng nơ-ron tích tụ đã được áp dụng cho các lĩnh vực bao gồm thị giác máy tính, thị giác máy, nhận dạng giọng nói, xử lý ngôn ngữ tự nhiên, nhận dạng âm thanh, lọc mạng xã hội, dịch máy, tin sinh học , thiết kế thuốc, phân tích hình ảnh y tế, kiểm tra vật liệu và các chương trình trò chơi trên bàn cờ, trong đó chúng đã tạo ra kết quả tương đương và trong một số trường hợp vượt qua hiệu suất của chuyên gia con người.
Python là một ngôn ngữ lập trình thông dịch, cấp cao và có mục đích chung. Triết lý thiết kế của Python nhấn mạnh khả năng đọc mã với việc sử dụng đáng chú ý khoảng trắng đáng kể. Các cấu trúc ngôn ngữ và cách tiếp cận hướng đối tượng của nó nhằm mục đích giúp các lập trình viên viết mã rõ ràng, logic cho các dự án quy mô nhỏ và lớn. Python thường được mô tả như một ngôn ngữ “bao gồm pin” do thư viện tiêu chuẩn toàn diện của nó. Python thường được sử dụng trong các dự án trí tuệ nhân tạo và dự án máy học với sự trợ giúp của các thư viện như TensorFlow, Keras, Pytorch và Scikit-learning.
Python được định kiểu động (thực thi nhiều hành vi lập trình phổ biến trong thời gian chạy mà các ngôn ngữ lập trình tĩnh thực hiện trong quá trình biên dịch) và được thu gom rác (với quản lý bộ nhớ tự động). Nó hỗ trợ nhiều mô hình lập trình, bao gồm lập trình có cấu trúc (đặc biệt là thủ tục), hướng đối tượng và chức năng. Nó được tạo ra vào cuối những năm 1980, và được phát hành lần đầu tiên vào năm 1991, bởi Guido van Rossum như một người kế thừa cho ngôn ngữ lập trình ABC. Python 2.0, được phát hành vào năm 2000, đã giới thiệu các tính năng mới, chẳng hạn như khả năng hiểu danh sách và hệ thống thu thập rác với tính năng đếm tham chiếu, và đã bị ngừng với phiên bản 2.7 vào năm 2020. Python 3.0, được phát hành vào năm 2008, là một bản sửa đổi lớn của ngôn ngữ không hoàn toàn tương thích ngược và nhiều mã Python 2 không chạy không được sửa đổi trên Python 3. Với thời gian cuối của Python 2 (và pip đã ngừng hỗ trợ vào năm 2021), chỉ Python 3.6.x và mới hơn được hỗ trợ, với các phiên bản cũ hơn thì vẫn hỗ trợ ví dụ như Windows 7 (và các trình cài đặt cũ không bị hạn chế đối với Windows 64-bit).
Trình thông dịch Python được hỗ trợ cho các hệ điều hành chính thống và có sẵn cho một số hệ điều hành khác (và trước đây đã hỗ trợ nhiều hơn nữa). Cộng đồng lập trình viên toàn cầu phát triển và duy trì CPython, một triển khai tài liệu tham khảo mã nguồn mở và miễn phí. Một tổ chức phi lợi nhuận, Python Software Foundation, quản lý và chỉ đạo các nguồn lực để phát triển Python và CPython.
Tính đến tháng 2021 năm 2020, Python đứng thứ ba trong chỉ số của TIOBE về các ngôn ngữ lập trình phổ biến nhất, sau C và Java, trước đó đã giành được vị trí thứ hai và giải thưởng cho ngôn ngữ lập trình phổ biến nhất năm 2007. Nó đã được chọn là Ngôn ngữ lập trình của năm vào năm 2010, 2018 , và XNUMX.
Một nghiên cứu thực nghiệm cho thấy rằng các ngôn ngữ lập trình, chẳng hạn như Python, có năng suất cao hơn các ngôn ngữ thông thường, chẳng hạn như C và Java, đối với các vấn đề lập trình liên quan đến thao tác chuỗi và tìm kiếm trong từ điển và xác định rằng mức tiêu thụ bộ nhớ thường “tốt hơn Java và không kém hơn nhiều so với C hoặc C ++ ”. Các tổ chức lớn sử dụng Python bao gồm Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Ngoài các ứng dụng trí tuệ nhân tạo, Python, với tư cách là ngôn ngữ kịch bản với kiến trúc mô-đun, cú pháp đơn giản và các công cụ xử lý văn bản phong phú, thường được sử dụng để xử lý ngôn ngữ tự nhiên.
TensorFlow là một thư viện phần mềm mã nguồn mở và miễn phí dành cho học máy. Nó có thể được sử dụng trong một loạt các nhiệm vụ nhưng đặc biệt tập trung vào đào tạo và suy luận các mạng nơ-ron sâu. Nó là một thư viện toán học biểu tượng dựa trên luồng dữ liệu và lập trình khác biệt. Nó được sử dụng cho cả nghiên cứu và sản xuất tại Google.
Bắt đầu từ năm 2011, Google Brain đã xây dựng DistBelief như một hệ thống máy học độc quyền dựa trên mạng nơ-ron học sâu. Việc sử dụng nó đã phát triển nhanh chóng trên các công ty Alphabet đa dạng trong cả ứng dụng nghiên cứu và thương mại. Google đã chỉ định nhiều nhà khoa học máy tính, bao gồm cả Jeff Dean, để đơn giản hóa và cấu trúc lại cơ sở mã của DistBelief thành một thư viện cấp ứng dụng nhanh hơn, mạnh mẽ hơn, trở thành TensorFlow. Năm 2009, nhóm nghiên cứu, do Geoffrey Hinton dẫn đầu, đã triển khai quá trình lan truyền ngược tổng quát và các cải tiến khác cho phép tạo ra các mạng thần kinh với độ chính xác cao hơn đáng kể, chẳng hạn như giảm 25% lỗi trong nhận dạng giọng nói.
TensorFlow là hệ thống thế hệ thứ hai của Google Brain. Phiên bản 1.0.0 được phát hành vào ngày 11 tháng 2017 năm 64. Trong khi triển khai tham chiếu chạy trên các thiết bị đơn lẻ, TensorFlow có thể chạy trên nhiều CPU và GPU (với các phần mở rộng CUDA và SYCL tùy chọn để tính toán mục đích chung trên các đơn vị xử lý đồ họa). TensorFlow có sẵn trên nền tảng 2016-bit Linux, macOS, Windows và điện toán di động bao gồm Android và iOS. Kiến trúc linh hoạt của nó cho phép dễ dàng triển khai tính toán trên nhiều nền tảng (CPU, GPU, TPU) và từ máy tính để bàn đến cụm máy chủ cho đến thiết bị di động và thiết bị cạnh. Các tính toán TensorFlow được biểu thị dưới dạng biểu đồ luồng dữ liệu trạng thái. Tên TensorFlow bắt nguồn từ các hoạt động mà các mạng nơ-ron như vậy thực hiện trên các mảng dữ liệu đa chiều, được gọi là tensor. Trong Hội nghị Google I/O vào tháng 1,500 năm 5, Jeff Dean tuyên bố rằng 2017 kho lưu trữ trên GitHub đã đề cập đến TensorFlow, trong đó chỉ có 2018 kho của Google. Vào tháng 1.0 năm 2019, các nhà phát triển từ Google, Cisco, RedHat, CoreOS và CaiCloud đã giới thiệu Kubeflow tại một hội nghị. Kubeflow cho phép vận hành và triển khai TensorFlow trên Kubernetes. Vào tháng 2.0 năm 2019, Google đã công bố TensorFlow.js phiên bản 2019 cho máy học trong JavaScript. Vào tháng XNUMX năm XNUMX, Google đã công bố TensorFlow XNUMX. Nó chính thức có sẵn vào tháng XNUMX năm XNUMX. Vào tháng XNUMX năm XNUMX, Google đã công bố TensorFlow Graphics để học sâu trong đồ họa máy tính.
Keras là một thư viện phần mềm mã nguồn mở cung cấp giao diện Python cho các mạng nơron nhân tạo. Keras hoạt động như một giao diện cho thư viện TensorFlow.
Keras chứa nhiều triển khai các khối xây dựng mạng nơ-ron thường được sử dụng như các lớp, mục tiêu, chức năng kích hoạt, trình tối ưu hóa và một loạt các công cụ giúp làm việc với dữ liệu hình ảnh và văn bản dễ dàng hơn nhằm đơn giản hóa mã cần thiết để viết mã mạng nơ-ron sâu. Mã được lưu trữ trên GitHub và các diễn đàn hỗ trợ cộng đồng bao gồm trang vấn đề GitHub và kênh Slack.
Ngoài các mạng nơ-ron tiêu chuẩn, Keras còn hỗ trợ các mạng nơ-ron tích tụ và lặp lại. Nó hỗ trợ các lớp tiện ích phổ biến khác như bỏ qua, chuẩn hóa hàng loạt và gộp. Keras cho phép người dùng sản xuất các mô hình sâu trên điện thoại thông minh (iOS và Android), trên web hoặc trên Máy ảo Java. Nó cũng cho phép sử dụng đào tạo phân tán các mô hình học sâu trên các cụm đơn vị xử lý Đồ họa (GPU) và đơn vị xử lý tensor (TPU). Keras đã được chấp nhận để sử dụng trong nghiên cứu khoa học do Python (ngôn ngữ lập trình) và tính dễ sử dụng cũng như cài đặt của chính nó. Keras là công cụ được trích dẫn nhiều thứ 10 trong cuộc thăm dò phần mềm KDnuggets 2018 và đạt tỷ lệ sử dụng 22%.
Để tìm hiểu chi tiết về chương trình giảng dạy chứng nhận, bạn có thể mở rộng và phân tích bảng bên dưới.
Chương trình giảng dạy Chứng nhận EITC/AI/DLPTFK với Python, TensorFlow và Keras tham khảo các tài liệu giáo khoa truy cập mở dưới dạng video của Harrison Kinsley. Quá trình học tập được chia thành cấu trúc từng bước (chương trình -> bài học -> chủ đề) bao gồm các phần chương trình học có liên quan.
Tư vấn không giới hạn với các chuyên gia tên miền cũng được cung cấp.
Để biết chi tiết về kiểm tra thủ tục Chứng nhận Làm thế nào nó hoạt động.
Tài nguyên tham khảo chương trình giảng dạy
Google TensorFlow
https://www.tensorflow.org/
Tài nguyên học tập Google TensorFlow
https://www.tensorflow.org/learn/
Tài liệu API TensorFlow
https://www.tensorflow.org/api_docs/
Mô hình TensorFlow và Bộ dữ liệu
https://www.tensorflow.org/resources/models-datasets/
Cộng đồng TensorFlow
https://www.tensorflow.org/community/
Đào tạo Google Cloud AI Platform với TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Tài liệu Python
https://www.python.org/doc/
Python phát hành tải xuống
https://www.python.org/downloads/
Hướng dẫn Python cho người mới bắt đầu
https://www.python.org/about/gettingstarted/
Hướng dẫn dành cho người mới bắt đầu sử dụng Python Wiki
https://wiki.python.org/moin/BeginnersGuide
Hướng dẫn học máy Python W3Schools
https://www.w3schools.com/python/python_ml_getting_started.asp
Tải xuống tài liệu chuẩn bị tự học ngoại tuyến hoàn chỉnh cho chương trình EITC/AI/DLPTFK Deep Learning với Python, TensorFlow và Keras dưới dạng tệp PDF
Tài liệu chuẩn bị EITC/AI/DLPTFK – phiên bản tiêu chuẩn
Tài liệu chuẩn bị EITC/AI/DLPTFK – phiên bản mở rộng với các câu hỏi ôn tập