EITC/AI/DLTF Deep Learning amb TensorFlow és el programa europeu de certificació de TI sobre els fonaments de la programació d’aprenentatge profund a Python amb la biblioteca d’aprenentatge automàtic de Google TensorFlow.
El pla d’estudis de l’aprenentatge profund EITC/AI/DLTF amb TensorFlow se centra en les habilitats pràctiques en programació Python d’aprenentatge profund amb la biblioteca Google TensorFlow organitzada dins de l’estructura següent, que inclou un contingut didàctic de vídeo complet com a referència per a aquesta certificació EITC.
L’aprenentatge profund (també conegut com a aprenentatge estructurat profund) forma part d’una família més àmplia de mètodes d’aprenentatge automàtic basats en xarxes neuronals artificials amb aprenentatge de representació. L’aprenentatge es pot supervisar, semi-supervisar o no. S’han aplicat arquitectures d’aprenentatge profund, com ara xarxes neuronals profundes, xarxes de creences profundes, xarxes neuronals recurrents i xarxes neuronals convolucionals, a camps com ara visió per computador, visió automàtica, reconeixement de veu, processament del llenguatge natural, reconeixement d’àudio, filtratge de xarxes socials, traducció automàtica, bioinformàtica , disseny de fàrmacs, anàlisi d'imatges mèdiques, inspecció de materials i programes de jocs de taula, on han produït resultats comparables i, en alguns casos, superen el rendiment dels experts humans.
Python és un llenguatge de programació interpretat, d'alt nivell i per a usos generals. La filosofia de disseny de Python posa èmfasi en la llegibilitat del codi amb el seu ús notable d’espais en blanc significatius. Les seves construccions de llenguatge i el seu enfocament orientat a objectes tenen com a objectiu ajudar els programadors a escriure un codi lògic i clar per a projectes a petita i gran escala. Python es descriu sovint com un llenguatge "inclòs amb bateries" a causa de la seva biblioteca estàndard completa. Python s'utilitza habitualment en projectes d'intel·ligència artificial i projectes d'aprenentatge automàtic amb l'ajut de biblioteques com TensorFlow, Keras, Pytorch i Scikit-learn.
Python s’escriu de manera dinàmica (executant en temps d’execució molts comportaments de programació habituals que realitzen els llenguatges de programació estàtics durant la compilació) i es recull la brossa (amb gestió automàtica de memòria). Admet múltiples paradigmes de programació, inclosa la programació estructurada (particularment procedimental), orientada a objectes i funcional. Es va crear a finals dels anys vuitanta i es va publicar per primera vegada el 1980, per Guido van Rossum com a successor del llenguatge de programació ABC. Python 1991, llançat el 2.0, va introduir noves funcions, com ara comprensions de llista, i un sistema de recollida d’escombraries amb recompte de referències, i es va deixar de treballar amb la versió 2000 el 2.7. Python 2020, llançat el 3.0, va suposar una revisió important del llenguatge no és completament compatible amb la versió anterior i el codi de Python 2008 no s’executa sense modificar-se a Python 2. Amb el final de vida de Python 3 (i pip ha deixat de tenir suport el 2), només s’admeten Python 2021.x i posteriors, amb versions anteriors encara suportant, per exemple, Windows 3.6 (i instal·ladors antics no restringits a Windows de 7 bits).
Els intèrprets Python són compatibles amb els sistemes operatius convencionals i estan disponibles per a uns quants més (i en el passat eren compatibles amb molts més). Una comunitat global de programadors desenvolupa i manté CPython, una implementació de referència de codi obert i lliure. Una organització sense ànim de lucre, la Python Software Foundation, gestiona i dirigeix recursos per al desenvolupament de Python i CPython.
Al gener de 2021, Python ocupa el tercer lloc en l’índex de llenguatges de programació més populars de TIOBE, per darrere de C i Java, ja que havia guanyat prèviament el segon lloc i el seu premi al major guany de popularitat per al 2020. Va ser seleccionat Llenguatge de programació de l’any el 2007, 2010 i el 2018.
Un estudi empíric va trobar que els llenguatges de script, com Python, són més productius que els llenguatges convencionals, com ara C i Java, per a problemes de programació que impliquen manipulació de cadenes i cerca en un diccionari, i va determinar que el consum de memòria sovint era "millor que Java i no molt pitjor que C o C ++ ”. Entre les grans organitzacions que utilitzen Python hi ha Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Més enllà de les seves aplicacions d’intel·ligència artificial, Python, com a llenguatge de seqüència d’ordres amb arquitectura modular, sintaxi simple i eines de processament de text enriquit, s’utilitza sovint per al processament del llenguatge natural.
TensorFlow és una biblioteca de programari lliure i de codi obert per a l’aprenentatge automàtic. Es pot utilitzar en diverses tasques, però es concentra especialment en la formació i la inferència de xarxes neuronals profundes. És una biblioteca matemàtica simbòlica basada en el flux de dades i la programació diferenciable. S'utilitza tant per a la investigació com per a la producció a Google.
A partir del 2011, Google Brain va crear DistBelief com un sistema d’aprenentatge automàtic propietari basat en xarxes neuronals d’aprenentatge profund. El seu ús va créixer ràpidament en diverses empreses Alphabet, tant en aplicacions de recerca com comercials. Google va assignar diversos informàtics, inclòs Jeff Dean, per simplificar i refactoritzar la base de codis de DistBelief en una biblioteca de grau d'aplicació més ràpida i robusta, que es va convertir en TensorFlow. El 2009, l'equip, dirigit per Geoffrey Hinton, havia implementat una propagació generalitzada i altres millores que permetien generar xarxes neuronals amb una precisió substancialment superior, per exemple una reducció del 25% en els errors en el reconeixement de veu.
TensorFlow és el sistema de segona generació de Google Brain. La versió 1.0.0 es va publicar l’11 de febrer de 2017. Tot i que la implementació de referència s’executa en dispositius individuals, TensorFlow pot funcionar en diverses CPU i GPU (amb extensions CUDA i SYCL opcionals per a la informàtica d’ús general en unitats de processament de gràfics). TensorFlow està disponible en plataformes informàtiques mòbils Linux, macOS, Windows i 64 bits, inclosos Android i iOS. La seva arquitectura flexible permet el fàcil desplegament de càlculs en diverses plataformes (CPU, GPU, TPU), i des d'escriptoris fins a clústers de servidors fins a dispositius mòbils i perifèrics. Els càlculs de TensorFlow s’expressen com a gràfics de flux de dades amb estat. El nom TensorFlow deriva de les operacions que aquestes xarxes neuronals realitzen en matrius de dades multidimensionals, que s’anomenen tensors. Durant la conferència de Google I/O del juny del 2016, Jeff Dean va afirmar que 1,500 dipòsits a GitHub esmentaven TensorFlow, dels quals només 5 eren de Google. El desembre de 2017, desenvolupadors de Google, Cisco, RedHat, CoreOS i CaiCloud van presentar Kubeflow en una conferència. Kubeflow permet operar i desplegar TensorFlow a Kubernetes. Al març de 2018, Google va anunciar TensorFlow.js versió 1.0 per a l’aprenentatge automàtic en JavaScript. Al gener de 2019, Google va anunciar TensorFlow 2.0. Va estar disponible oficialment el setembre del 2019. El maig del 2019, Google va anunciar TensorFlow Graphics per a un aprenentatge profund en infografia.
Per familiaritzar-vos en detall amb el pla d'estudis de certificació podeu ampliar i analitzar la taula següent.
El currículum d'aprenentatge profund EITC/AI/DLTF amb certificació TensorFlow fa referència a materials didàctics d'accés obert en forma de vídeo de Harrison Kinsley. El procés d'aprenentatge es divideix en una estructura pas a pas (programes -> lliçons -> temes) que cobreix les parts rellevants del currículum. També s'ofereix assessorament il·limitat amb experts del domini.
Per obtenir més informació sobre el procediment de certificació, consulteu Com funciona?.
Recursos de referència del currículum
Google TensorFlow
https://www.tensorflow.org/
Recursos d'aprenentatge de Google TensorFlow
https://www.tensorflow.org/learn/
Documentació de l'API TensorFlow
https://www.tensorflow.org/api_docs/
Models i conjunts de dades TensorFlow
https://www.tensorflow.org/resources/models-datasets/
Comunitat TensorFlow
https://www.tensorflow.org/community/
Formació de Google Cloud AI Platform amb TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Baixeu els materials preparatoris d'autoaprenentatge fora de línia complets per al programa EITC/AI/DLTF Deep Learning amb TensorFlow en un fitxer PDF
Materials preparatoris EITC/AI/DLTF - versió estàndard
Materials preparatoris EITC/AI/DLTF: versió ampliada amb preguntes de revisió