EITC/AI/DLPTFK Deep Learning ด้วย Python, TensorFlow และ Keras เป็นโปรแกรมการรับรองด้านไอทีของยุโรปเกี่ยวกับพื้นฐานของการเขียนโปรแกรมการเรียนรู้เชิงลึกใน Python ด้วยไลบรารีการเรียนรู้ของเครื่อง TensorFlow และ Keras
หลักสูตรของ EITC/AI/DLPTFK Deep Learning พร้อม Python, TensorFlow และ Keras มุ่งเน้นไปที่ทักษะการปฏิบัติในการเขียนโปรแกรม Python แบบเรียนรู้เชิงลึกด้วยไลบรารี TensorFlow และ Keras ซึ่งจัดอยู่ในโครงสร้างต่อไปนี้ซึ่งครอบคลุมเนื้อหาการสอนวิดีโอที่ครอบคลุมเพื่อเป็นข้อมูลอ้างอิงสำหรับการรับรอง EITC นี้
การเรียนรู้เชิงลึก (หรือที่เรียกว่าการเรียนรู้แบบมีโครงสร้างเชิงลึก) เป็นส่วนหนึ่งของกลุ่มวิธีการเรียนรู้ของเครื่องที่กว้างขึ้นโดยอาศัยเครือข่ายประสาทเทียมที่มีการเรียนรู้แบบตัวแทน การเรียนรู้สามารถอยู่ภายใต้การดูแลกึ่งดูแลหรือไม่ได้รับการดูแล สถาปัตยกรรมการเรียนรู้เชิงลึกเช่นเครือข่ายประสาทเทียมลึกเครือข่ายความเชื่อลึกเครือข่ายประสาทที่เกิดซ้ำและโครงข่ายประสาทเทียมถูกนำไปใช้กับสาขาต่างๆเช่นการมองเห็นของคอมพิวเตอร์การมองเห็นด้วยเครื่องการรู้จำเสียงการประมวลผลภาษาธรรมชาติการจดจำเสียงการกรองเครือข่ายสังคมการแปลด้วยเครื่องชีวสารสนเทศศาสตร์ , การออกแบบยา, การวิเคราะห์ภาพทางการแพทย์, การตรวจสอบวัสดุและโปรแกรมเกมกระดานซึ่งพวกเขาให้ผลลัพธ์ที่เทียบได้กับและในบางกรณีที่เหนือกว่าประสิทธิภาพของผู้เชี่ยวชาญที่เป็นมนุษย์
Python เป็นภาษาโปรแกรมระดับสูงที่มีการตีความและใช้งานทั่วไป ปรัชญาการออกแบบของ Python เน้นความสามารถในการอ่านโค้ดโดยใช้ช่องว่างที่สำคัญ โครงสร้างภาษาและแนวทางเชิงวัตถุมีเป้าหมายเพื่อช่วยให้โปรแกรมเมอร์เขียนโค้ดตรรกะที่ชัดเจนสำหรับโครงการขนาดเล็กและขนาดใหญ่ Python มักถูกอธิบายว่าเป็นภาษา "รวมแบตเตอรี่" เนื่องจากมีไลบรารีมาตรฐานที่ครอบคลุม Python มักใช้ในโครงการปัญญาประดิษฐ์และโครงการแมชชีนเลิร์นนิงด้วยความช่วยเหลือของไลบรารีเช่น TensorFlow, Keras, Pytorch และ Scikit-learn
Python ถูกพิมพ์แบบไดนามิก (ดำเนินการที่รันไทม์พฤติกรรมการเขียนโปรแกรมทั่วไปหลายอย่างที่ภาษาโปรแกรมแบบสแตติกดำเนินการระหว่างการคอมไพล์) และขยะที่รวบรวม (ด้วยการจัดการหน่วยความจำอัตโนมัติ) สนับสนุนกระบวนทัศน์การเขียนโปรแกรมที่หลากหลายรวมถึงการเขียนโปรแกรมเชิงโครงสร้าง (โดยเฉพาะขั้นตอน) เชิงวัตถุและเชิงฟังก์ชัน สร้างขึ้นในช่วงปลายทศวรรษที่ 1980 และเปิดตัวครั้งแรกในปี 1991 โดย Guido van Rossum ในฐานะผู้สืบทอดภาษาโปรแกรม ABC Python 2.0 เปิดตัวในปี 2000 ได้เปิดตัวคุณสมบัติใหม่เช่นการทำความเข้าใจรายการและระบบรวบรวมขยะที่มีการนับอ้างอิงและถูกยกเลิกด้วยเวอร์ชัน 2.7 ในปี 2020 Python 3.0 ซึ่งเผยแพร่ในปี 2008 เป็นการแก้ไขครั้งใหญ่ของภาษานั่นคือ ไม่เข้ากันได้อย่างสมบูรณ์แบบย้อนหลังและโค้ด Python 2 ส่วนมากไม่ได้รันที่ไม่ได้แก้ไขบน Python 3 ด้วยการสิ้นสุดอายุการใช้งานของ Python 2 (และ pip ที่ลดการรองรับในปี 2021) รองรับเฉพาะ Python 3.6.x ขึ้นไปโดยเวอร์ชันเก่ายัง รองรับเช่น Windows 7 (และโปรแกรมติดตั้งรุ่นเก่าไม่ จำกัด เฉพาะ Windows 64 บิต)
ตัวแปล Python ได้รับการสนับสนุนสำหรับระบบปฏิบัติการกระแสหลักและมีให้ใช้งานอีกสองสามอย่าง (และในอดีตรองรับอีกมากมาย) ชุมชนโปรแกรมเมอร์ทั่วโลกพัฒนาและดูแล CPython ซึ่งเป็นการนำไปใช้อ้างอิงแบบโอเพนซอร์สฟรี องค์กรไม่แสวงหาผลกำไร Python Software Foundation จัดการและกำกับทรัพยากรสำหรับการพัฒนา Python และ CPython
ในเดือนมกราคมปี 2021 Python อยู่ในอันดับที่สามในดัชนีของภาษาโปรแกรมยอดนิยมของ TIOBE รองจากภาษา C และ Java โดยก่อนหน้านี้ได้รับอันดับที่สองและได้รับรางวัลสำหรับความนิยมสูงสุดประจำปี 2020 ได้รับเลือกเป็นภาษาโปรแกรมแห่งปีในปี 2007 และ 2010 และ 2018
การศึกษาเชิงประจักษ์พบว่าภาษาสคริปต์เช่น Python มีประสิทธิผลมากกว่าภาษาทั่วไปเช่น C และ Java สำหรับปัญหาการเขียนโปรแกรมที่เกี่ยวข้องกับการจัดการสตริงและการค้นหาในพจนานุกรมและพบว่าการใช้หน่วยความจำมักจะ "ดีกว่า Java และไม่ แย่กว่า C หรือ C ++ มาก” องค์กรขนาดใหญ่ที่ใช้ Python ได้แก่ ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram
นอกเหนือจากแอปพลิเคชันปัญญาประดิษฐ์แล้ว Python ซึ่งเป็นภาษาสคริปต์ที่มีสถาปัตยกรรมแบบแยกส่วนไวยากรณ์ที่เรียบง่ายและเครื่องมือประมวลผลข้อความที่หลากหลายมักใช้สำหรับการประมวลผลภาษาธรรมชาติ
TensorFlow เป็นไลบรารีซอฟต์แวร์โอเพ่นซอร์สฟรีสำหรับการเรียนรู้ของเครื่อง สามารถใช้ได้กับงานหลายประเภท แต่มีจุดเน้นเฉพาะในการฝึกอบรมและการอนุมานของโครงข่ายประสาทเทียมแบบลึก มันเป็นไลบรารีคณิตศาสตร์เชิงสัญลักษณ์ตามกระแสข้อมูลและการเขียนโปรแกรมที่แตกต่างกัน ใช้สำหรับการวิจัยและการผลิตที่ Google
เริ่มตั้งแต่ปี 2011 Google Brain ได้สร้าง DistBelief เป็นระบบแมชชีนเลิร์นนิงที่เป็นกรรมสิทธิ์โดยอาศัยเครือข่ายประสาทเทียมแบบ Deep Learning การใช้งานเพิ่มขึ้นอย่างรวดเร็วใน บริษัท Alphabet ที่หลากหลายทั้งในด้านการวิจัยและการใช้งานเชิงพาณิชย์ Google มอบหมายให้นักวิทยาศาสตร์คอมพิวเตอร์หลายคนรวมถึงเจฟฟ์ดีนเพื่อลดความซับซ้อนและปรับโครงสร้างโค้ดเบสของ DistBelief ให้กลายเป็นไลบรารีระดับแอปพลิเคชันที่เร็วและมีประสิทธิภาพมากขึ้น ในปี 2009 ทีมงานซึ่งนำโดย Geoffrey Hinton ได้ใช้ backpropagation ทั่วไปและการปรับปรุงอื่น ๆ ซึ่งช่วยให้การสร้างเครือข่ายประสาทเทียมมีความแม่นยำสูงขึ้นอย่างมากเช่นข้อผิดพลาดในการรู้จำเสียงลดลง 25%
TensorFlow เป็นระบบรุ่นที่สองของ Google Brain เวอร์ชัน 1.0.0 เปิดตัวเมื่อวันที่ 11 กุมภาพันธ์ 2017 ในขณะที่การใช้งานอ้างอิงทำงานบนอุปกรณ์เดียว TensorFlow สามารถทำงานบน CPU และ GPU ได้หลายตัว (โดยมีส่วนขยาย CUDA และ SYCL เสริมสำหรับการประมวลผลทั่วไปบนหน่วยประมวลผลกราฟิก) TensorFlow พร้อมใช้งานบน 64-bit Linux, macOS, Windows และแพลตฟอร์มคอมพิวเตอร์พกพารวมถึง Android และ iOS สถาปัตยกรรมที่ยืดหยุ่นช่วยให้ใช้งานการคำนวณได้ง่ายในหลากหลายแพลตฟอร์ม (CPU, GPU, TPU) และตั้งแต่เดสก์ท็อปไปจนถึงคลัสเตอร์เซิร์ฟเวอร์ไปจนถึงอุปกรณ์พกพาและอุปกรณ์ระดับขอบ การคำนวณ TensorFlow จะแสดงเป็นกราฟกระแสข้อมูลแบบ stateful ชื่อ TensorFlow มาจากการดำเนินการที่เครือข่ายประสาทดังกล่าวดำเนินการบนอาร์เรย์ข้อมูลหลายมิติซึ่งเรียกว่าเทนเซอร์ ในระหว่างการประชุม Google I/O ในเดือนมิถุนายน 2016 Jeff Dean ระบุว่า 1,500 ที่เก็บบน GitHub กล่าวถึง TensorFlow ซึ่งมีเพียง 5 แห่งเท่านั้นที่มาจาก Google ในเดือนธันวาคม 2017 นักพัฒนาจาก Google, Cisco, RedHat, CoreOS และ CaiCloud ได้เปิดตัว Kubeflow ในการประชุม Kubeflow อนุญาตให้ใช้งานและปรับใช้ TensorFlow บน Kubernetes ในเดือนมีนาคม 2018 Google ได้ประกาศ TensorFlow.js เวอร์ชัน 1.0 สำหรับการเรียนรู้ของเครื่องใน JavaScript ในเดือนมกราคม 2019 Google ได้ประกาศ TensorFlow 2.0 พร้อมให้บริการอย่างเป็นทางการในเดือนกันยายน 2019 ในเดือนพฤษภาคม 2019 Google ได้ประกาศ TensorFlow Graphics สำหรับการเรียนรู้เชิงลึกในคอมพิวเตอร์กราฟิก
Keras เป็นไลบรารีซอฟต์แวร์โอเพ่นซอร์สที่มีอินเตอร์เฟส Python สำหรับเครือข่ายประสาทเทียม Keras ทำหน้าที่เป็นอินเทอร์เฟซสำหรับไลบรารี TensorFlow
Keras มีการใช้งานหลายอย่างของการสร้างเครือข่ายประสาทเทียมที่ใช้กันทั่วไปเช่นเลเยอร์วัตถุประสงค์ฟังก์ชันการเปิดใช้งานเครื่องมือเพิ่มประสิทธิภาพและโฮสต์ของเครื่องมือที่ช่วยให้การทำงานกับข้อมูลรูปภาพและข้อความง่ายขึ้นเพื่อลดความซับซ้อนของการเข้ารหัสที่จำเป็นสำหรับการเขียนโค้ดเครือข่ายประสาทเทียมแบบลึก โค้ดนี้โฮสต์อยู่บน GitHub และฟอรัมการสนับสนุนของชุมชนรวมถึงหน้าปัญหา GitHub และช่อง Slack
นอกเหนือจากโครงข่ายประสาทมาตรฐานแล้ว Keras ยังรองรับโครงข่ายประสาทแบบ Convolutional และแบบเกิดซ้ำอีกด้วย สนับสนุนเลเยอร์ยูทิลิตี้ทั่วไปอื่น ๆ เช่นการออกกลางคันการทำให้เป็นมาตรฐานแบทช์และการรวมกลุ่ม Keras ช่วยให้ผู้ใช้สร้างโมเดลเชิงลึกบนสมาร์ทโฟน (iOS และ Android) บนเว็บหรือบน Java Virtual Machine นอกจากนี้ยังอนุญาตให้ใช้การฝึกอบรมแบบกระจายของโมเดลการเรียนรู้เชิงลึกบนกลุ่มของหน่วยประมวลผลกราฟิก (GPU) และหน่วยประมวลผลเทนเซอร์ (TPU) Keras ถูกนำมาใช้เพื่อใช้ในการวิจัยทางวิทยาศาสตร์เนื่องจาก Python (ภาษาโปรแกรม) และความสะดวกในการใช้งานและการติดตั้ง Keras เป็นเครื่องมือที่ถูกอ้างถึงมากที่สุดอันดับที่ 10 ในแบบสำรวจซอฟต์แวร์ KDnuggets 2018 และมีการลงทะเบียนการใช้งาน 22%
หากต้องการทราบรายละเอียดเกี่ยวกับหลักสูตรการรับรอง คุณสามารถขยายและวิเคราะห์ตารางด้านล่างได้
EITC/AI/DLPTFK Deep Learning with Python, TensorFlow และ Keras Certification Curriculum อ้างอิงเนื้อหาการสอนแบบเปิดในรูปแบบวิดีโอโดย Harrison Kinsley กระบวนการเรียนรู้แบ่งออกเป็นโครงสร้างทีละขั้นตอน (โปรแกรม -> บทเรียน -> หัวข้อ) ครอบคลุมส่วนต่างๆ ของหลักสูตรที่เกี่ยวข้อง
นอกจากนี้ยังมีบริการให้คำปรึกษากับผู้เชี่ยวชาญด้านโดเมนอย่างไม่ จำกัด
สำหรับรายละเอียดการตรวจสอบขั้นตอนการรับรอง มันทำงานอย่างไร.
แหล่งข้อมูลอ้างอิงหลักสูตร
Google เทนเซอร์โฟลว์
https://www.tensorflow.org/
แหล่งข้อมูลการเรียนรู้ Google TensorFlow
https://www.tensorflow.org/learn/
เอกสาร TensorFlow API
https://www.tensorflow.org/api_docs/
โมเดลและชุดข้อมูล TensorFlow
https://www.tensorflow.org/resources/models-datasets/
ชุมชน TensorFlow
https://www.tensorflow.org/community/
การฝึกอบรมแพลตฟอร์ม Google Cloud AI ด้วย TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
เอกสาร Python
https://www.python.org/doc/
Python เผยแพร่การดาวน์โหลด
https://www.python.org/downloads/
คู่มือ Python สำหรับผู้เริ่มต้น
https://www.python.org/about/gettingstarted/
คู่มือเริ่มต้น Python Wiki
https://wiki.python.org/moin/BeginnersGuide
บทช่วยสอนการเรียนรู้ของเครื่อง W3Schools Python
https://www.w3schools.com/python/python_ml_getting_started.asp
ดาวน์โหลดเอกสารเตรียมการเรียนรู้ด้วยตนเองแบบออฟไลน์ฉบับสมบูรณ์สำหรับโปรแกรม EITC/AI/DLPTFK Deep Learning ด้วย Python, TensorFlow และ Keras ในรูปแบบไฟล์ PDF
เอกสารการเตรียมการ EITC/AI/DLPTFK – เวอร์ชันมาตรฐาน
เอกสารการเตรียมการ EITC/AI/DLPTFK – เวอร์ชันขยายพร้อมคำถามทบทวน