EITC/AI/DLTF Deep Learning con TensorFlow è il programma europeo di certificazione IT sui fondamenti della programmazione del deep learning in Python con la libreria di machine learning di Google TensorFlow.
Il curriculum del Deep Learning EITC/AI/DLTF con TensorFlow si concentra sulle competenze pratiche nella programmazione Python di deep learning con la libreria Google TensorFlow organizzata all'interno della seguente struttura, che comprende contenuti didattici video completi come riferimento per questa certificazione EITC.
L'apprendimento profondo (noto anche come apprendimento strutturato profondo) fa parte di una più ampia famiglia di metodi di apprendimento automatico basati su reti neurali artificiali con apprendimento della rappresentazione. L'apprendimento può essere supervisionato, semi-supervisionato o non supervisionato. Architetture di deep learning come reti neurali profonde, reti di credenze profonde, reti neurali ricorrenti e reti neurali convoluzionali sono state applicate a campi quali visione artificiale, visione artificiale, riconoscimento vocale, elaborazione del linguaggio naturale, riconoscimento audio, filtraggio dei social network, traduzione automatica, bioinformatica , progettazione di farmaci, analisi dell'immagine medica, ispezione dei materiali e programmi di giochi da tavolo, dove hanno prodotto risultati paragonabili e in alcuni casi superiori alle prestazioni degli esperti umani.
Python è un linguaggio di programmazione interpretato, di alto livello e generico. La filosofia di progettazione di Python enfatizza la leggibilità del codice con il suo notevole utilizzo di spazi bianchi significativi. I suoi costrutti linguistici e l'approccio orientato agli oggetti mirano ad aiutare i programmatori a scrivere codice chiaro e logico per progetti su piccola e grande scala. Python è spesso descritto come un linguaggio "batterie incluse" a causa della sua libreria standard completa. Python è comunemente usato in progetti di intelligenza artificiale e progetti di machine learning con l'aiuto di librerie come TensorFlow, Keras, Pytorch e Scikit-learn.
Python è tipizzato dinamicamente (eseguendo in fase di esecuzione molti comportamenti di programmazione comuni che i linguaggi di programmazione statici eseguono durante la compilazione) e sottoposto a garbage collection (con gestione automatica della memoria). Supporta più paradigmi di programmazione, inclusa la programmazione strutturata (in particolare, procedurale), orientata agli oggetti e funzionale. È stato creato alla fine degli anni '1980 e pubblicato per la prima volta nel 1991 da Guido van Rossum come successore del linguaggio di programmazione ABC. Python 2.0, rilasciato nel 2000, ha introdotto nuove funzionalità, come la comprensione degli elenchi e un sistema di raccolta dei rifiuti con conteggio dei riferimenti, ed è stato interrotto con la versione 2.7 nel 2020. Python 3.0, rilasciato nel 2008, è stata una revisione importante del linguaggio che è non completamente compatibile con le versioni precedenti e gran parte del codice Python 2 non viene eseguito senza modifiche su Python 3. Con la fine del ciclo di vita di Python 2 (e pip che ha abbandonato il supporto nel 2021), sono supportati solo Python 3.6.xe versioni successive, con le versioni precedenti ancora supporta ad esempio Windows 7 (e vecchi programmi di installazione non limitati a Windows a 64 bit).
Gli interpreti Python sono supportati per i sistemi operativi tradizionali e disponibili per alcuni di più (e in passato ne supportavano molti di più). Una comunità globale di programmatori sviluppa e mantiene CPython, un'implementazione di riferimento gratuita e open source. Un'organizzazione senza scopo di lucro, la Python Software Foundation, gestisce e dirige le risorse per lo sviluppo di Python e CPython.
A partire da gennaio 2021, Python è al terzo posto nell'indice TIOBE dei linguaggi di programmazione più popolari, dietro C e Java, dopo aver ottenuto il secondo posto e il premio per il maggior guadagno di popolarità per il 2020. È stato selezionato Linguaggio di programmazione dell'anno nel 2007, 2010 e 2018.
Uno studio empirico ha rilevato che i linguaggi di scripting, come Python, sono più produttivi dei linguaggi convenzionali, come C e Java, per i problemi di programmazione che coinvolgono la manipolazione di stringhe e la ricerca in un dizionario, e ha determinato che il consumo di memoria era spesso "migliore di Java e non molto peggio di C o C ++ ”. Le grandi organizzazioni che utilizzano Python includono ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Oltre alle sue applicazioni di intelligenza artificiale, Python, come linguaggio di scripting con architettura modulare, sintassi semplice e strumenti di elaborazione del testo avanzato, viene spesso utilizzato per l'elaborazione del linguaggio naturale.
TensorFlow è una libreria software gratuita e open source per l'apprendimento automatico. Può essere utilizzato in una vasta gamma di attività, ma si concentra in particolare sull'addestramento e sull'inferenza delle reti neurali profonde. È una libreria matematica simbolica basata sul flusso di dati e sulla programmazione differenziabili. Viene utilizzato sia per la ricerca che per la produzione in Google.
A partire dal 2011, Google Brain ha creato DistBelief come sistema di machine learning proprietario basato su reti neurali di deep learning. Il suo utilizzo è cresciuto rapidamente in diverse società di Alphabet sia nella ricerca che nelle applicazioni commerciali. Google ha incaricato più scienziati informatici, tra cui Jeff Dean, di semplificare e rifattorizzare la base di codice di DistBelief in una libreria di livello di applicazione più veloce e robusta, che è diventata TensorFlow. Nel 2009, il team, guidato da Geoffrey Hinton, aveva implementato la backpropagation generalizzata e altri miglioramenti che hanno consentito la generazione di reti neurali con una precisione sostanzialmente maggiore, ad esempio una riduzione del 25% degli errori nel riconoscimento vocale.
TensorFlow è il sistema di seconda generazione di Google Brain. La versione 1.0.0 è stata rilasciata l'11 febbraio 2017. Sebbene l'implementazione di riferimento venga eseguita su dispositivi singoli, TensorFlow può essere eseguito su più CPU e GPU (con estensioni CUDA e SYCL opzionali per l'elaborazione generica su unità di elaborazione grafica). TensorFlow è disponibile su Linux a 64 bit, macOS, Windows e piattaforme di mobile computing inclusi Android e iOS. La sua architettura flessibile consente la facile implementazione dei calcoli su una varietà di piattaforme (CPU, GPU, TPU) e dai desktop ai cluster di server ai dispositivi mobili e periferici. I calcoli di TensorFlow sono espressi come grafici del flusso di dati con stato. Il nome TensorFlow deriva dalle operazioni che tali reti neurali eseguono su array di dati multidimensionali, denominati tensori. Durante la conferenza I/O di Google nel giugno 2016, Jeff Dean ha dichiarato che 1,500 repository su GitHub menzionavano TensorFlow, di cui solo 5 provenivano da Google. Nel dicembre 2017, gli sviluppatori di Google, Cisco, RedHat, CoreOS e CaiCloud hanno presentato Kubeflow in una conferenza. Kubeflow consente il funzionamento e la distribuzione di TensorFlow su Kubernetes. Nel marzo 2018, Google ha annunciato la versione 1.0 di TensorFlow.js per il machine learning in JavaScript. Nel gennaio 2019, Google ha annunciato TensorFlow 2.0. È diventato ufficialmente disponibile a settembre 2019. A maggio 2019, Google ha annunciato TensorFlow Graphics per l'apprendimento approfondito nella computer grafica.
Per conoscere nel dettaglio il curriculum di certificazione puoi espandere e analizzare la tabella sottostante.
Il curriculum EITC/AI/DLTF Deep Learning con certificazione TensorFlow fa riferimento a materiali didattici ad accesso aperto in un formato video di Harrison Kinsley. Il processo di apprendimento è suddiviso in una struttura passo dopo passo (programmi -> lezioni -> argomenti) che copre le parti rilevanti del curriculum. Sono inoltre previste consulenze illimitate con esperti di dominio.
Per i dettagli sulla procedura di certificazione controllare Come Funziona?.
Risorse di riferimento del curriculum
Google Tensorflow
https://www.tensorflow.org/
Risorse per l'apprendimento di Google TensorFlow
https://www.tensorflow.org/learn/
Documentazione dell'API TensorFlow
https://www.tensorflow.org/api_docs/
Modelli e set di dati TensorFlow
https://www.tensorflow.org/resources/models-datasets/
Comunità TensorFlow
https://www.tensorflow.org/community/
Formazione su Google Cloud AI Platform con TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Scarica i materiali preparatori completi di autoapprendimento offline per il programma EITC/AI/DLTF Deep Learning con TensorFlow in un file PDF
Materiali preparatori EITC/AI/DLTF – versione standard
Materiali preparatori EITC/AI/DLTF – versione estesa con domande di revisione