EITC/AI/DLPP למידה עמוקה עם פיתון ו- PyTorch היא תוכנית הסמכת ה- IT האירופית על יסודות התכנות למידה עמוקה בפייתון עם ספריית למידת מכונות של PyTorch.
תוכנית הלימודים של EITC/AI/DLPP למידה עמוקה עם Python ו- PyTorch מתמקדת במיומנויות מעשיות בלמידה עמוקה של תכנות Python עם ספריית PyTorch המאורגנת במבנה הבא, הכוללת תוכן דידקטי מקיף של וידאו כנקודת התייחסות להסמכת EITC זו.
למידה עמוקה (המכונה גם למידה מובנית עמוקה) היא חלק ממשפחה רחבה יותר של שיטות לימוד מכונה המבוססות על רשתות עצביות מלאכותיות עם למידת ייצוג. ניתן לפקח על למידה, פיקוח למחצה או ללא פיקוח. ארכיטקטורות למידה עמוקה כגון רשתות עצביות עמוקות, רשתות אמונה עמוקות, רשתות עצביות חוזרות ורשתות עצביות קונבולוציות הוחלו על תחומים הכוללים ראיית מחשב, ראיית מכונה, זיהוי דיבור, עיבוד שפה טבעית, זיהוי שמע, סינון רשתות חברתיות, תרגום מכונה, ביואינפורמטיקה. , תכנון תרופות, ניתוח תמונות רפואיות, בדיקת חומרים ותוכניות משחקי לוח, שם הם הניבו תוצאות דומות לביצועים של מומחים אנושיים ובמקרים מסוימים.
פייתון היא שפת תכנות פרשנית, ברמה גבוהה וכללית. פילוסופיית העיצוב של פיתון מדגישה את קריאות הקוד בעזרת השימוש הבולט שלה במרחב לבן משמעותי. מבני השפה והגישה מונחה האובייקטים שואפים לעזור למתכנתים לכתוב קוד ברור והגיוני לפרויקטים קטנים ובגודל גדול. פיתון מתואר לעתים קרובות כשפה "כלולה בסוללות" בשל הספרייה הסטנדרטית המקיפה שלה. פייתון משמש בדרך כלל בפרויקטים של בינה מלאכותית ובפרויקטים של למידת מכונה בעזרת ספריות כמו TensorFlow, Keras, Pytorch ו- Scikit-learning.
פייתון הוא מודפס באופן דינמי (מבצע בזמן ריצה התנהגויות תכנות נפוצות רבות ששפות תכנות סטטיות מבצעות במהלך האוסף) ונאסף אשפה (עם ניהול זיכרון אוטומטי). הוא תומך בפרדיגמות תכנות מרובות, כולל תכנות מובנה (במיוחד פרוצדורלי), מונחה עצמים ופונקציונלי. הוא נוצר בסוף שנות השמונים, ושוחרר לראשונה בשנת 1980, על ידי גואידו ואן רוסום כיורש לשפת התכנות ABC. Python 1991, שיצא בשנת 2.0, הציג תכונות חדשות, כמו הבנת רשימה, ומערכת איסוף אשפה עם ספירת הפניות, והופסקה עם גרסה 2000 בשנת 2.7. Python 2020, שיצא בשנת 3.0, היה תיקון מרכזי של השפה שהיא לא לגמרי תואם לאחור וקוד Python 2008 רב לא פועל ללא שינוי ב- Python 2. עם סיום החיים של Python 3 (וה- pip צנח מהתמיכה בשנת 2), רק Python 2021.x ואילך נתמכים, עם גרסאות ישנות עדיין תומך למשל ב- Windows 3.6 (ומתקינים ישנים שאינם מוגבלים ל- Windows של 7 סיביות).
מתורגמנים לפייתון נתמכים במערכות הפעלה רגילות וזמינים לעוד כמה (ובעבר נתמכו בהרבה יותר). קהילת מתכנתים גלובלית מפתחת ומתחזקת את CPython, יישום הפניה של קוד פתוח בחינם. ארגון ללא כוונת רווח, קרן התוכנה Python, מנהל ומנהל משאבים לפיתוח Python ו- CPython.
נכון לינואר 2021, Python מדורגת במקום השלישי במדד שפות התכנות הפופולריות ביותר של TIOBE, מאחורי C ו- Java, לאחר שזכתה בעבר במקום השני ובפרס עבור הרווח הפופולרי ביותר לשנת 2020. היא נבחרה לשפת התכנות של השנה בשנת 2007, 2010 , ו 2018.
מחקר אמפירי מצא כי שפות סקריפטים, כמו פייתון, הן יצרניות יותר משפות קונבנציונליות, כגון C ו- Java, לבעיות תכנות הכרוכות במניפולת מחרוזות וחיפוש במילון, וקבע כי צריכת זיכרון לרוב "טובה יותר מג'אווה ולא הרבה יותר גרוע מ- C או C ++ ”. ארגונים גדולים המשתמשים בפייתון כוללים בין השאר את ויקיפדיה, גוגל, יאהו !, CERN, נאס"א, פייסבוק, אמזון, אינסטגרם.
מעבר ליישומי הבינה המלאכותית שלה, פייתון, כשפת סקריפטים עם ארכיטקטורה מודולרית, תחביר פשוט וכלי עיבוד טקסט עשיר, משמש לעיתים קרובות לעיבוד שפות טבעיות.
PyTorch היא ספריית למידה חישובית קוד פתוח המבוססת על ספריית לפיד, המשמשת ליישומים כגון ראיית מחשב ועיבוד שפות טבעיות, שפותחה בעיקר על ידי מעבדת המחקר AI (פייר) של פייסבוק. זוהי תוכנת קוד פתוח בחינם המשוחררת ברישיון BSD Modified. למרות שממשק ה- Python מלוטש יותר והמוקד העיקרי לפיתוח, ל- PyTorch יש גם ממשק C ++. מספר חלקים של תוכנת Deep Learning בנויים על גבי PyTorch, כולל טייס אוטומטי של טסלה, Pyro של Uber, רובוטריקים של HuggingFace, PyTorch Lightning ו- Catalyst.
- מחשוב טנסור (כמו NumPy) עם תאוצה חזקה באמצעות יחידות עיבוד גרפי (GPU)
- רשתות עצביות עמוקות הבנויות על מערכת בידול אוטומטית (חישובית) מבוססת קלטת
פייסבוק מפעילה הן PyTorch והן אדריכלות קונבולוציה להטבעה של תכונות מהירות (Caffe2), אך מודלים שהוגדרו על ידי שתי המסגרות לא היו תואמים זה לזה. הפרויקט Open Neural Network Exchange (ONNX) נוצר על ידי פייסבוק ומיקרוסופט בספטמבר 2017 לצורך המרת מודלים בין מסגרות. Caffe2 מוזגה ל- PyTorch בסוף מרץ 2018.
PyTorch מגדיר מחלקה הנקראת Tensor (לפיד. Tensor) לאחסון ולהפעלה של מערכים מלבניים רב ממדיים של מספרים. טנזורי PyTorch דומים ל- NumPy Arrays, אך ניתן להפעיל אותם גם על Nvidia GPU עם יכולת CUDA. PyTorch תומך בתתי סוגים שונים של Tensors.
ישנם מעט מודולים חשובים עבור Pytorch. אלו כוללים:
- מודול אוטוגרד: PyTorch משתמש בשיטה הנקראת בידול אוטומטי. מקליט מתעד את הפעולות שביצעו, ואז הוא משחזר אותו לאחור כדי לחשב את הדרגתיות. שיטה זו חזקה במיוחד בעת בניית רשתות עצביות כדי לחסוך זמן בעידן אחד על ידי חישוב בידול הפרמטרים במעבר קדימה.
- מודול Optim: torch.optim הוא מודול המיישם אלגוריתמי אופטימיזציה שונים המשמשים לבניית רשתות עצביות. רוב השיטות הנפוצות כבר נתמכות, ולכן אין צורך לבנות אותן מאפס.
- מודול nn: Autograd של PyTorch מקל על הגדרת גרפים חישוביים וקבלת שיפועים, אך Autograd גולמי יכול להיות מעט נמוך מדי להגדרת רשתות עצביות מורכבות. זה המקום שבו מודול ה- nn יכול לעזור.
כדי להכיר את עצמכם באופן מפורט עם תכנית הלימודים להסמכה תוכלו להרחיב ולנתח את הטבלה שלהלן.
תוכנית הלימודים של EITC/AI/DLPP Deep Learning with Python and PyTorch Certification מתייחסת לחומרים דידקטיים בגישה פתוחה בצורת וידאו מאת האריסון קינסלי. תהליך הלמידה מחולק למבנה שלב אחר שלב (תוכניות -> שיעורים -> נושאים) המכסה חלקים רלוונטיים בתכנית הלימודים. ניתן גם ייעוץ ללא הגבלה עם מומחי תחום.
לפרטים על הליך ההסמכה בדוק איך זה עובד?.
הורד את חומרי ההכנה המלאים ללמידה עצמית לא מקוונת לתוכנית EITC/AI/DLPP למידה עמוקה עם Python ו- PyTorch בקובץ PDF