EITC/AI/DLPTFK למידה עמוקה עם פיתון, TensorFlow ו- Keras היא תוכנית הסמכת ה- IT האירופית על יסודות תכנות למידה עמוקה בפייתון עם ספריות למידה מכונה של TensorFlow ו- Keras.
תכנית הלימודים של EITC/AI/DLPTFK Deep Learning with Python, TensorFlow ו- Keras מתמקדת במיומנויות מעשיות בלמידה עמוקה של תכנות פיתון באמצעות ספריות TensorFlow ו- Keras המאורגנות במבנה הבא, הכוללות תוכן דידקטי וידאו מקיף כהפניה 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.
TensorFlow היא ספריית תוכנה חופשית ומקור פתוח ללימוד מכונה. ניתן להשתמש בו במגוון משימות, אך יש לו דגש מיוחד על אימונים והסקת רשתות עצביות עמוקות. זוהי ספריית מתמטיקה סמלית המבוססת על זרימת נתונים ותכנות מובחן. הוא משמש גם למחקר וגם לייצור בגוגל.
החל משנת 2011 Google Brain בנתה את DistBelief כמערכת למידת מכונה קניינית המבוססת על רשתות עצביות של למידה עמוקה. השימוש בו גדל במהירות בין חברות אלפבית מגוונות הן במחקר והן ביישומים מסחריים. גוגל הקצתה מספר מדעני מחשבים, כולל ג'ף דין, לפשט ולשנות את בסיס הקוד של DistBelief לספרייה מהירה וחזקה יותר של דרגות יישומים, שהפכה ל TensorFlow. בשנת 2009 הצוות, בראשותו של ג'פרי הינטון, הטמיע תפוצה כללית ושיפורים אחרים שאפשרו יצירת רשתות עצביות בדיוק גבוה משמעותית, למשל הפחתה של 25% בשגיאות בזיהוי הדיבור.
TensorFlow היא מערכת הדור השני של Google Brain. גרסה 1.0.0 פורסמה ב -11 בפברואר 2017. אמנם הטמעת הייחוס פועלת במכשירים בודדים, אך TensorFlow יכול לפעול על מספר מעבדים ועבודה גרפיים (עם סיומות אופציונליות של CUDA ו- SYCL למחשוב כללי ביחידות עיבוד גרפי). TensorFlow זמין בפלטפורמות מחשוב לינוקס, MacOS, Windows ו- Mobile של 64 סיביות, כולל Android ו- iOS. הארכיטקטורה הגמישה שלו מאפשרת פריסה קלה של חישוב במגוון פלטפורמות (מעבדים, GPUs, TPU) וממחשבים שולחניים ועד אשכולות שרתים למכשירים ניידים וקצהיים. חישובי TensorFlow מתבטאים כגרפי זרימת נתונים סטטיסטיים. השם TensorFlow נובע מהפעולות שרשתות עצביות כאלה מבצעות במערכי נתונים רב ממדיים, המכונים טנזורים. במהלך ועידת ה- I/O של גוגל ביוני 2016, ג'ף דין הצהיר כי 1,500 מאגרים ב- GitHub הזכירו את TensorFlow, מתוכם רק 5 מ- Google. בדצמבר 2017, מפתחים של גוגל, סיסקו, RedHat, CoreOS ו- CaiCloud הציגו את Kubeflow בכנס. Kubeflow מאפשר הפעלה ופריסה של TensorFlow ב- Kubernetes. במרץ 2018 גוגל הכריזה על TensorFlow.js גרסה 1.0 למידת מכונה ב- JavaScript. בינואר 2019 הכריזה גוגל על TensorFlow 2.0. זה זמין רשמית בספטמבר 2019. במאי 2019 הכריזה גוגל על TensorFlow Graphics ללימוד עמוק בגרפיקה ממוחשבת.
Keras היא ספריית תוכנת קוד פתוח המספקת ממשק פייתון לרשתות עצביות מלאכותיות. Keras משמש ממשק לספריית TensorFlow.
Keras מכיל יישומים רבים של אבני בניין לרשת עצבית נפוצות כגון שכבות, יעדים, פונקציות הפעלה, אופטימיזציה ומגוון כלים כדי להקל על העבודה עם נתוני תמונה וטקסט כדי לפשט את הקידוד הדרוש לכתיבת קוד רשת עצבית עמוקה. הקוד מתארח ב- GitHub, ופורומי התמיכה בקהילה כוללים את דף הבעיות של GitHub וערוץ Slack.
בנוסף לרשתות עצביות סטנדרטיות, לקראס יש תמיכה ברשתות עצביות עוויתות וחוזרות. הוא תומך בשכבות שירות נפוצות אחרות כמו נשירה, נורמליזציה של אצווה ואיחוד. Keras מאפשר למשתמשים לייצר דגמים עמוקים בסמארטפונים (iOS ו- Android), באינטרנט או במכונה הווירטואלית של Java. זה גם מאפשר אימון מבוזר של מודלים לומדים עמוקים באשכולות יחידות עיבוד גרפיקה (GPU) ויחידות עיבוד טנזורים (TPU). קרס אומצה לשימוש במחקר מדעי בשל פייתון (שפת תכנות) ונוחות השימוש וההתקנה שלה. Keras היה הכלי ה -10 המצוטט ביותר בסקר התוכנה KDnuggets 2018 ורשם שימוש בשיעור של 22%.
כדי להכיר את עצמכם באופן מפורט עם תכנית הלימודים להסמכה תוכלו להרחיב ולנתח את הטבלה שלהלן.
תכנית הלימודים של EITC/AI/DLPTFK ללמידה עמוקה עם Python, TensorFlow ו-Keras 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 מומחים בתחום.
לפרטים על הליך ההסמכה בדוק איך זה עובד?.
משאבי עזר לתכניות הלימודים
גוגל TensorFlow
https://www.tensorflow.org/
משאבי למידה של Google TensorFlow
https://www.tensorflow.org/learn/
תיעוד API של TensorFlow
https://www.tensorflow.org/api_docs/
מודלים ומערכות נתונים של TensorFlow
https://www.tensorflow.org/resources/models-datasets/
קהילת TensorFlow
https://www.tensorflow.org/community/
אימון פלטפורמת AI בענן של Google עם TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
תיעוד פיתון
https://www.python.org/doc/
פייתון משחרר הורדות
https://www.python.org/downloads/
מדריך פיתון למתחילים
https://www.python.org/about/gettingstarted/
מדריך למתחילים בפיתון וויקי
https://wiki.python.org/moin/BeginnersGuide
שיעורי לימוד מכונות פייתון W3Schools
https://www.w3schools.com/python/python_ml_getting_started.asp
הורד את חומרי ההכנה המלאים ללמידה עצמית לא מקוונת עבור EITC/AI/DLPTFK למידה עמוקה עם Python, TensorFlow ותוכנית Keras בקובץ PDF