EITC/AI/TFF TensorFlow Fundamentals ir Eiropas IT sertifikācijas programma Google TensorFlow mašīnmācīšanās bibliotēkā, kas ļauj ieprogrammēt mākslīgo intelektu.
EITC/AI/TFF TensorFlow Fundamentals mācību programma koncentrējas uz teorētiskajiem aspektiem un praktiskajām iemaņām, izmantojot TensorFlow bibliotēku, kas sakārtota šādā struktūrā, iekļaujot visaptverošu video didaktisko saturu kā atsauci uz šo EITC sertifikātu.
TensorFlow ir bezmaksas un atvērtā koda programmatūras bibliotēka mašīnmācībai. To var izmantot dažādu uzdevumu klāstā, taču tas ir īpaši koncentrēts uz dziļu neironu tīklu apmācību un secinājumiem. Tā ir simboliska matemātikas bibliotēka, kuras pamatā ir datu plūsma un diferencējama programmēšana. To izmanto gan pētījumiem, gan ražošanai Google.
Sākot ar 2011. gadu, Google Brain uzbūvēja DistBelief kā patentētu mašīnmācīšanās sistēmu, kuras pamatā ir dziļi apgūstoši neironu tīkli. Tās izmantošana strauji pieauga dažādos Alfabēta uzņēmumos gan pētniecībā, gan komerciālos nolūkos. Google norīkoja vairākus datorzinātniekus, tostarp Džefu Dīnu, lai vienkāršotu un pārstrādātu DistBelief koda bāzi ātrākā, stabilākā lietojumprogrammas līmeņa bibliotēkā, kas kļuva par TensorFlow. Džefrija Hintona vadītā komanda 2009. gadā bija ieviesusi vispārēju pavairošanu un citus uzlabojumus, kas ļāva radīt neironu tīklus ar ievērojami lielāku precizitāti, piemēram, par 25% mazāk kļūdu runas atpazīšanā.
TensorFlow ir Google Brain otrās paaudzes sistēma. Versija 1.0.0 tika izlaista 11. gada 2017. februārī. Lai gan atsauces ieviešana darbojas atsevišķās ierīcēs, TensorFlow var darboties ar vairākiem centrālajiem procesoriem un GPU (ar izvēles paplašinājumiem CUDA un SYCL vispārējas nozīmes skaitļošanai grafikas procesoros). TensorFlow ir pieejams 64 bitu Linux, macOS, Windows un mobilo skaitļošanas platformās, tostarp Android un iOS. Tās elastīgā arhitektūra ļauj ērti izvietot aprēķinus dažādās platformās (CPU, GPU, TPU) un sākot no darbvirsmas līdz serveru kopām līdz mobilajām un malējām ierīcēm. TensorFlow aprēķini tiek izteikti kā stāvokļa datu plūsmas grafiki. Nosaukums TensorFlow rodas no darbībām, kuras šādi neironu tīkli veic daudzdimensionālos datu masīvos, kurus dēvē par tenzoriem. Google I/O konferences laikā 2016. gada jūnijā Džefs Dīns paziņoja, ka 1,500 GitHub krātuvēs tika pieminēts TensorFlow, no kuriem tikai 5 bija no Google. 2017. gada decembrī Google, Cisco, RedHat, CoreOS un CaiCloud izstrādātāji konferencē iepazīstināja ar Kubeflow. Kubeflow ļauj operēt un izvietot TensorFlow Kubernetes. 2018. gada martā Google paziņoja par TensorFlow.js 1.0 versiju mašīnmācībai JavaScript valodā. 2019. gada janvārī Google paziņoja par TensorFlow 2.0. Tas oficiāli kļuva pieejams 2019. gada septembrī. 2019. gada maijā Google paziņoja par TensorFlow Graphics dziļai datorgrafikas apguvei.
Lai detalizēti iepazītos ar sertifikācijas mācību programmu, varat paplašināt un analizēt zemāk esošo tabulu.
EITC/AI/TFF TensorFlow Fundamentals sertifikācijas mācību programmā ir atsauces uz brīvpiekļuves didaktiskajiem materiāliem video formātā. Mācību process ir sadalīts pakāpeniskā struktūrā (programmas -> nodarbības -> tēmas), kas aptver attiecīgās mācību programmas daļas. Tiek nodrošinātas arī neierobežotas konsultācijas ar domēna ekspertiem.
Lai iegūtu sīkāku informāciju par sertifikācijas procedūru, pārbaudiet Kā tas darbojas.
Mācību programmu atsauces resursi
Google TensorFlow
https://www.tensorflow.org/
Google TensorFlow mācību resursi
https://www.tensorflow.org/learn/
TensorFlow API dokumentācija
https://www.tensorflow.org/api_docs/
TensorFlow modeļi un datu kopas
https://www.tensorflow.org/resources/models-datasets/
TensorFlow kopiena
https://www.tensorflow.org/community/
Google Cloud AI platformas apmācība ar TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Lejupielādējiet pilnus bezsaistes pašmācības sagatavošanas materiālus programmai EITC/AI/TFF TensorFlow Fundamentals PDF failā
EITC/AI/TFF sagatavošanas materiāli – standarta versija
EITC/AI/TFF sagatavošanas materiāli – paplašinātā versija ar pārskata jautājumiem