EITC/AI/TFF TensorFlow Fundamentals er det europæiske it-certificeringsprogram på Google TensorFlow machine learning-biblioteket, der muliggør programmering af kunstig intelligens.
Læreplanen for EITC/AI/TFF TensorFlow Fundamentals fokuserer på de teoretiske aspekter og praktiske færdigheder i brugen af TensorFlow-biblioteket organiseret inden for følgende struktur og omfatter omfattende videodidaktisk indhold som en reference til denne EITC-certificering.
TensorFlow er et gratis og open source-softwarebibliotek til maskinindlæring. Det kan bruges på tværs af en række opgaver, men har et særligt fokus på træning og slutning af dybe neurale netværk. Det er et symbolsk matematikbibliotek baseret på dataflow og differentierbar programmering. Det bruges til både forskning og produktion hos Google.
Fra 2011 byggede Google Brain DistBelief som et proprietært maskinlæringssystem baseret på neurale netværk med dyb læring. Dets anvendelse voksede hurtigt på tværs af forskellige Alfabet-virksomheder inden for både forskning og kommercielle applikationer. Google tildelte flere computerforskere, herunder Jeff Dean, til at forenkle og omforme kodebasen for DistBelief til et hurtigere og mere robust applikationsniveau-bibliotek, der blev TensorFlow. I 2009 havde holdet, ledet af Geoffrey Hinton, implementeret generaliseret backpropagation og andre forbedringer, som tillod generering af neurale netværk med væsentligt højere nøjagtighed, for eksempel en 25% reduktion i fejl i talegenkendelse.
TensorFlow er Google Brains andengenerationssystem. Version 1.0.0 blev udgivet den 11. februar 2017. Mens referenceimplementeringen kører på enkelte enheder, kan TensorFlow køre på flere CPU'er og GPU'er (med valgfri CUDA- og SYCL-udvidelser til generel beregning på grafikbehandlingsenheder). TensorFlow er tilgængelig på 64-bit Linux, macOS, Windows og mobile computerplatforme inklusive Android og iOS. Dens fleksible arkitektur giver mulighed for nem implementering af beregning på tværs af forskellige platforme (CPU'er, GPU'er, TPU'er) og fra desktops til klynger af servere til mobile enheder og edge-enheder. TensorFlow-beregninger udtrykkes som stateful dataflowgrafer. Navnet TensorFlow stammer fra de operationer, som sådanne neurale netværk udfører på multidimensionelle dataarrays, der kaldes tensorer. Under Google I/O-konferencen i juni 2016 sagde Jeff Dean, at 1,500 arkiver på GitHub nævnte TensorFlow, hvoraf kun 5 var fra Google. I december 2017 introducerede udviklere fra Google, Cisco, RedHat, CoreOS og CaiCloud Kubeflow på en konference. Kubeflow tillader drift og implementering af TensorFlow på Kubernetes. I marts 2018 annoncerede Google TensorFlow.js version 1.0 til maskinlæring i JavaScript. I januar 2019 annoncerede Google TensorFlow 2.0. Den blev officielt tilgængelig i september 2019. I maj 2019 annoncerede Google TensorFlow Graphics til dyb læring i computergrafik.
For at gøre dig nærmere bekendt med certificeringspensum kan du udvide og analysere nedenstående tabel.
EITC/AI/TFF TensorFlow Fundamentals Certification Curriculum refererer til didaktisk materiale med åben adgang i en videoform. Læreprocessen er opdelt i en trin-for-trin struktur (programmer -> lektioner -> emner), der dækker relevante læseplansdele. Der tilbydes også ubegrænset rådgivning med domæneeksperter.
Tjek for detaljer om certificeringsproceduren Sådan fungerer det.
Ressourcer til læseplanreferencer
Google TensorFlow
https://www.tensorflow.org/
Google TensorFlow -læringsressourcer
https://www.tensorflow.org/learn/
TensorFlow API -dokumentation
https://www.tensorflow.org/api_docs/
TensorFlow -modeller og datasæt
https://www.tensorflow.org/resources/models-datasets/
TensorFlow Fællesskab
https://www.tensorflow.org/community/
Google Cloud AI Platform Training med TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Download det komplette offline selvlærende forberedende materiale til EITC/AI/TFF TensorFlow Fundamentals-programmet i en PDF-fil
EITC/AI/TFF forberedende materialer – standardversion
EITC/AI/TFF forberedende materialer – udvidet version med gennemgangsspørgsmål