×
1 Vælg EITC/EITCA-certifikater
2 Lær og tag online eksamener
3 Få dine IT-kompetencer certificeret

Bekræft dine it-færdigheder og -kompetencer under den europæiske it-certificeringsramme fra hvor som helst i verden, helt online.

EITCA Academy

Standard for attestering af digitale færdigheder af European IT Certification Institute med det formål at understøtte udviklingen af ​​det digitale samfund

LOG IND PÅ DIN KONTO

OPRET EN KONTO Glemt din adgangskode?

Glemt din adgangskode?

AAH, vent, jeg HUSK NU!

OPRET EN KONTO

HAR DU ALLEREDE EN BRUGER?
EUROPÆISKE INFORMATIONSTEKNOLOGIER CERTIFICERINGSAKADEMI - AT TESTE DINE FAGLIGE DIGITALE FÆRDIGHEDER
  • TILMELD DIG
  • LOGIN
  • INFO

EITCA Academy

EITCA Academy

Det Europæiske Institut for Certifikation af Informationsteknologi - EITCI ASBL

Certificeringsudbyder

EITCI Institute ASBL

Bruxelles, Den Europæiske Union

Styrende rammer for europæisk it-certificering (EITC) til støtte for it-professionalitet og det digitale samfund

  • CERTIFIKATER
    • EITCA-AKADEMIER
      • EITCA ACADEMIES-KATALOG<
      • EITCA/CG COMPUTER GRAFIK
      • EITCA/ER INFORMATIONSSIKKERHED
      • EITCA/BI FORRETNINGSINFORMATION
      • EITCA/KC Nøglekompetencer
      • EITCA/EG E-REGERING
      • EITCA/WD WEB UDVIKLING
      • EITCA/AI KUNSTIG INTELLIGENCE
    • EITC-CERTIFIKATER
      • EITC CERTIFIKATER KATALOG<
      • COMPUTERGRAFIKCERTIFIKATER
      • WEB-DESIGNCERTIFIKATER
      • 3D-DESIGNCERTIFIKATER
      • KONTOR DETS CERTIFIKATER
      • BITCOIN BLOCKCHAIN ​​CERTIFIKAT
      • WORDPRESS CERTIFIKAT
      • CLOUD PLATFORM CERTIFIKATNY
    • EITC-CERTIFIKATER
      • INTERNETCERTIFIKATER
      • KRYPTOGRAFICERTIFIKATER
      • FORRETNINGSDET CERTIFIKATER
      • TELEVERKSCERTIFIKATER
      • PROGRAMMERINGSCERTIFIKATER
      • DIGITAL PORTRETSCERTIFIKAT
      • WEBUDVIKLINGSCERTIFIKATER
      • DYPE LÆRINGSCERTIFIKATERNY
    • CERTIFIKATER FOR
      • EU OFFENTLIG ADMINISTRATION
      • LÆRERE OG UDDANNELSE
      • DET SIKKERHEDSFORLIGERE
      • GRAFIK DESIGNERE & KUNSTNERE
      • BUSINESSMEN OG MANAGERS
      • BLOCKCHAIN-UDVIKLERE
      • WEB-UDVIKLERE
      • CLOUD AI EKSPERTERNY
  • SPECIAL
  • TILSKUD
  • SÅDAN VIRKER DET
  •   IT ID
  • OM
  • KONTAKT
  • MIN BESTILLING
    Din nuværende ordre er tom.
EITCIINSTITUTE
CERTIFIED

EITC/AI/DLPP Deep Learning med Python og PyTorch

by EITCA Academy / Onsdag 03 februar 2021 / Udgivet i

Nuværende status

Ikke tilmeldt
Tilmeld dig dette program for at få adgang

Pris

€110.00

Kom i gang

Tilmeld dig denne certificering

EITC/AI/DLPP Deep Learning with Python and PyTorch er det europæiske it-certificeringsprogram om grundlæggende programmering af dyb læring i Python med PyTorch machine learning-bibliotek.

Læseplanen for EITC/AI/DLPP Deep Learning med Python og PyTorch fokuserer på praktiske færdigheder i deep learning Python-programmering med PyTorch-biblioteket organiseret i følgende struktur, omfattende omfattende og struktureret EITCI-certificeringspensum selvlæringsmateriale understøttet af refereret åben adgang videodidaktisk indhold som grundlag for forberedelse til at opnå denne EITC-certificering ved at bestå en tilsvarende undersøgelse.

Dyb læring (også kendt som dyb struktureret læring) er en del af en bredere familie af maskinindlæringsmetoder baseret på kunstige neurale netværk med repræsentationsindlæring. Læring kan være under opsyn, semi-overvåget eller uden tilsyn. Dyb læringsarkitekturer såsom dybe neurale netværk, dybe trosnetværk, tilbagevendende neurale netværk og nedbrydningsneurale netværk er blevet anvendt på felter inklusive computersyn, maskinsyn, talegenkendelse, naturlig sprogbehandling, lydgenkendelse, socialt netværk, filtrering, maskinoversættelse, bioinformatik , lægemiddeldesign, medicinsk billedanalyse, materialeinspektion og brætspilprogrammer, hvor de har produceret resultater, der kan sammenlignes med og i nogle tilfælde overgår menneskelige ekspertpræstationer.

Kunstige neurale netværk (ANN'er) blev inspireret af informationsbehandling og distribuerede kommunikationsknudepunkter i biologiske systemer. Adjektivet "dyb" i dyb læring henviser til brugen af ​​flere lag i netværket. Tidligt arbejde viste, at en lineær perceptron ikke kan være en universel klassifikator, og at et netværk med en ikke-polynomisk aktiveringsfunktion med et skjult lag af ubegrænset bredde på den anden side kan være det. Dyb læring er en moderne variation, der vedrører et ubegrænset antal lag af afgrænset størrelse, som muliggør praktisk anvendelse og optimeret implementering, samtidig med at den teoretiske universalitet bevares under milde forhold. I dyb læring får lagene også lov til at være heterogene og afvige meget fra biologisk informerede forbindelsesmodeller af hensyn til effektivitet, træneevne og forståelighed, hvorfra den "strukturerede" del.

Python er et fortolket programmeringssprog på højt niveau og generelt formål. Pythons designfilosofi lægger vægt på kodelæsbarhed med sin bemærkelsesværdige brug af betydningsfuldt mellemrum. Dens sprogkonstruktioner og objektorienteret tilgang sigter mod at hjælpe programmører med at skrive klar, logisk kode til små og store projekter. Python er ofte beskrevet som et ”batteri inkluderet” sprog på grund af dets omfattende standardbibliotek. Python bruges almindeligvis i kunstig intelligensprojekter og maskinindlæringsprojekter ved hjælp af biblioteker som TensorFlow, Keras, Pytorch og Scikit-learn.

Python er dynamisk skrevet (udfører ved kørsel mange almindelige programmeringsadfærd, som statiske programmeringssprog udfører under kompilering) og indsamles skrald (med automatisk hukommelsesstyring). Det understøtter flere programmeringsparadigmer, herunder struktureret (især procedurel), objektorienteret og funktionel programmering. Det blev oprettet i slutningen af ​​1980'erne og blev først udgivet i 1991 af Guido van Rossum som en efterfølger til ABC-programmeringssprog. Python 2.0, der blev udgivet i 2000, introducerede nye funktioner, såsom listeforståelse og et skraldopsamlingssystem med referencetælling, og blev afbrudt med version 2.7 i 2020. Python 3.0, udgivet i 2008, var en større revision af det sprog, der er ikke helt bagudkompatibel, og meget Python 2-kode kører ikke uændret på Python 3. Med Python 2s udtjente levetid (og pip er faldet i 2021), understøttes kun Python 3.6.x og senere, med ældre versioner stadig understøtter f.eks. Windows 7 (og gamle installatører, der ikke er begrænset til 64-bit Windows).

Python-tolke understøttes til almindelige operativsystemer og fås til nogle få flere (og tidligere understøttet mange flere). Et globalt samfund af programmører udvikler og vedligeholder CPython, en gratis implementering af open source-reference. En nonprofitorganisation, Python Software Foundation, administrerer og dirigerer ressourcer til Python og CPython-udvikling.

Fra januar 2021 rangerer Python på tredjepladsen i TIOBE's indeks over mest populære programmeringssprog, bag C og Java, efter at have tidligere opnået andenpladsen og deres pris for den mest populære vinding i 2020. Det blev valgt Årets programmeringssprog i 2007, 2010 og 2018.

En empirisk undersøgelse viste, at script-sprog, såsom Python, er mere produktive end konventionelle sprog, såsom C og Java, til programmeringsproblemer, der involverer strengmanipulation og søgning i en ordbog, og fastslog, at hukommelsesforbruget ofte var "bedre end Java og ikke meget værre end C eller C ++ ”. Store organisationer, der bruger Python, inkluderer bl.a. Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.

Ud over dets kunstige intelligensapplikationer bruges Python ofte som et script-sprog med modulær arkitektur, enkel syntaks og rich text-behandlingsværktøjer til naturlig sprogbehandling.

PyTorch er et open source maskinlæringsbibliotek baseret på Torch-biblioteket, der bruges til applikationer som computersyn og naturlig sprogbehandling, primært udviklet af Facebooks AI Research lab (FAIR). Det er gratis og open source-software frigivet under den modificerede BSD-licens. Selvom Python-grænsefladen er mere poleret og det primære fokus for udvikling, har PyTorch også en C ++ -grænseflade. En række stykker Deep Learning-software er bygget oven på PyTorch, herunder Tesla Autopilot, Uber's Pyro, HuggingFace's Transformers, PyTorch Lightning og Catalyst.

PyTorch har to funktioner på højt niveau:

  • Tensor computing (som NumPy) med stærk acceleration via grafikbehandlingsenheder (GPU)
  • Dybe neurale netværk bygget på et båndbaseret automatisk (beregnings-) differentieringssystem

Facebook driver både PyTorch og Convolutional Architecture for Fast Feature Embedding (Caffe2), men modeller defineret af de to rammer var gensidigt uforenelige. Open Neural Network Exchange (ONNX) -projektet blev oprettet af Facebook og Microsoft i september 2017 til konvertering af modeller mellem rammer. Caffe2 blev fusioneret til PyTorch i slutningen af ​​marts 2018.

PyTorch definerer en klasse kaldet Tensor (torch.Tensor) til at gemme og operere på homogene flerdimensionelle rektangulære talrække. PyTorch Tensors ligner NumPy Arrays, men kan også betjenes på en CUDA-kompatibel Nvidia GPU. PyTorch understøtter forskellige undertyper af tensorer.

Der er få vigtige moduler til Pytorch. Disse inkluderer:

  • Autograd-modul: PyTorch bruger en metode kaldet automatisk differentiering. En optager registrerer, hvilke operationer der er udført, og derefter afspilles den baglæns for at beregne gradienterne. Denne metode er især effektiv, når man bygger neurale netværk for at spare tid på en periode ved at beregne differentiering af parametrene ved fremadgående pass.
  • Optim-modul: torch.optim er et modul, der implementerer forskellige optimeringsalgoritmer, der bruges til opbygning af neurale netværk. De fleste af de almindeligt anvendte metoder understøttes allerede, så der er ingen grund til at bygge dem fra bunden.
  • nn-modul: PyTorch autograd gør det let at definere beregningsgrafer og tage gradienter, men rå autograd kan være lidt for lavt til at definere komplekse neurale netværk. Det er her, nn-modulet kan hjælpe.

For at gøre dig nærmere bekendt med certificeringspensum kan du udvide og analysere nedenstående tabel.

EITC/AI/DLPP Deep Learning with Python and PyTorch Certification Curriculum refererer til didaktisk materiale med åben adgang i en videoform af Harrison Kinsley. Læreprocessen er opdelt i en trin-for-trin struktur (programmer -> lektioner -> emner), der dækker relevante læseplansdele. Deltagerne kan få adgang til svar og stille mere relevante spørgsmål i sektionen Spørgsmål og svar i e-learning-grænsefladen under det aktuelle emne i EITC-programmets læseplan. Direkte og ubegrænset rådgivning med domæneeksperter er også tilgængelig via det platformintegrerede onlinebeskedsystem såvel som via kontaktformularen.
Tjek for detaljer om certificeringsproceduren Sådan fungerer det.

Download det komplette offline selvlærende forberedelsesmateriale til EITC/AI/DLPP Deep Learning med Python og PyTorch-programmet i en PDF-fil

PDF-ikon EITC/AI/DLPP forberedende materialer – standardversion

PDF-ikon EITC/AI/DLPP forberedende materialer – udvidet version med gennemgangsspørgsmål

Certificeringsprogram Curriculum

Introduktion 1 emne
Du har i øjeblikket ikke adgang til dette indhold
Lektionsindhold
0% Komplet 0/1 trin
Introduktion til dyb læring med Python og Pytorch
data 1 emne
Du har i øjeblikket ikke adgang til dette indhold
Lektionsindhold
0% Komplet 0/1 trin
datasæt
Neuralt netværk 2 emner
Du har i øjeblikket ikke adgang til dette indhold
Lektionsindhold
0% Komplet 0/2 trin
Opbygning af neuralt netværk
Træningsmodel
Convolutions neurale netværk (CNN) 2 emner
Du har i øjeblikket ikke adgang til dette indhold
Lektionsindhold
0% Komplet 0/2 trin
Introduktion til Convnet med Pytorch
Træning Convnet
Fremskridt med dyb læring 2 emner
Du har i øjeblikket ikke adgang til dette indhold
Lektionsindhold
0% Komplet 0/2 trin
Beregning på GPU'en
Modelanalyse
EITC/AI/DLPP Deep Learning med Python og PyTorch
Du har i øjeblikket ikke adgang til dette indhold
Hjem » Min Konto

Certificeringscenter

Program Hjem
Introduktion
Introduktion til dyb læring med Python og Pytorch
data
datasæt
Neuralt netværk
Opbygning af neuralt netværk
Træningsmodel
Convolutions neurale netværk (CNN)
Introduktion til Convnet med Pytorch
Træning Convnet
Fremskridt med dyb læring
Beregning på GPU'en
Modelanalyse
EITC/AI/DLPP Deep Learning med Python og PyTorch

BRUGERMENU

  • Min Konto

CERTIFIKATKATEGORI

  • EITC-certificering (105)
  • EITCA-certificering (9)

Hvad leder du efter?

  • Introduktion
  • Hvordan det virker?
  • EITCA akademier
  • EITCI DSJC-tilskud
  • Fuldt EITC-katalog
  • Din ordre
  • Fremhævet
  •   IT ID
  • EITCA anmeldelser (Medium publ.)
  • Om os
  • Kontakt

EITCA Academy er en del af den europæiske IT-certificeringsramme

Den europæiske IT-certificeringsramme blev etableret i 2008 som en Europa-baseret og leverandøruafhængig standard inden for bredt tilgængelig online certificering af digitale færdigheder og kompetencer inden for mange områder af professionelle digitale specialiseringer. EITC-rammen er styret af European IT Certification Institute (EITCI), en non-profit certificeringsmyndighed, der støtter vækst i informationssamfundet og bygger bro over den digitale kvalifikationskløft i EU.

Berettigelse til EITCA Academy 80% EITCI DSJC Subsidie ​​support

80% af EITCA Academy -gebyrer subsidieret ved tilmelding af

    EITCA Academy Secretary Office

    European IT Certification Institute ASBL
    Bruxelles, Belgien, Den Europæiske Union

    EITC/EITCA Certification Framework Operator
    Gældende europæisk it-certificeringsstandard
    Adgang kontaktformular eller opkald + 32 25887351

    Følg EITCI på X
    Besøg EITCA Academy på Facebook
    Engager dig med EITCA Academy på LinkedIn
    Se EITCI- og EITCA-videoer på YouTube

    Finansieret af Den Europæiske Union

    Finansieret af Europæiske Fond for Regionaludvikling (EFRU) og Den Europæiske Socialfond (ESF) i række af projekter siden 2007, i øjeblikket styret af European IT Certification Institute (EITCI) siden 2008

    Informationssikkerhedspolitik | DSRRM og GDPR politik | Databeskyttelsespolitik | Registrering af behandlingsaktiviteter | HSE politik | Anti-korruptionspolitik | Moderne slaveripolitik

    Oversæt automatisk til dit sprog

    Vilkår og Betingelser | Privatlivspolitik
    EITCA Academy
    • EITCA Academy på sociale medier
    EITCA Academy


    © 2008-2025  Europæisk IT-certificeringsinstitut
    Bruxelles, Belgien, Den Europæiske Union

    TOP
    Chat med support
    Chat med support
    Spørgsmål, tvivl, problemer? Vi er her for at hjælpe dig!
    Afslut chat
    Tilslutning ...
    Har du nogen spørgsmål?
    Har du nogen spørgsmål?
    :
    :
    :
    Send
    Har du nogen spørgsmål?
    :
    :
    Start chat
    Chat-sessionen er afsluttet. Tak skal du have!
    Bedøm den support, du har modtaget.
    god Bad