使用TensorFlow进行EITC/AI/DLTF深度学习

by 艾德明 / 周三，03 2021月 / 发表于未分类

现状

没有注册

价格

€110.00

开始吧

报名参加此认证

使用TensorFlow进行的EITC/AI/DLTF深度学习是欧洲IT认证计划，其基础是使用Google TensorFlow机器学习库在Python中进行深度学习编程的基础。

使用TensorFlow进行EITC/AI/DLTF深度学习的课程侧重于使用Google TensorFlow库在以下结构中组织的深度学习Python编程的实践技能，其中包括全面的视频教学内容，作为此EITC认证的参考。

深度学习（也称为深度结构化学习）是基于带有表示学习的人工神经网络的更广泛的机器学习方法系列的一部分。学习可以是有监督的，半监督的或无监督的。诸如深度神经网络，深度信念网络，递归神经网络和卷积神经网络之类的深度学习架构已应用于计算机视觉，机器视觉，语音识别，自然语言处理，音频识别，社交网络过滤，机器翻译，生物信息学等领域，药物设计，医学图像分析，材料检查和棋盘游戏程序，它们产生的结果可与人类专家的表现相媲美，甚至在某些情况下甚至超过了人类专家的表现。

人工神经网络（ANN）受到生物系统中信息处理和分布式通信节点的启发。深度学习中的形容词“深度”是指在网络中使用多层。早期的工作表明，线性感知器不能成为通用分类器，然后具有非多项式激活函数且具有一个无界宽度的隐藏层的网络可以这样。深度学习是一种现代变体，它涉及无限大小的无限制层数，这允许实际应用和优化实现，同时在温和条件下保留理论通用性。在深度学习中，出于效率，可训练性和易理解性的考虑，还允许各层是异类的，并且与生物学告知的连接主义者模型大相径庭，因此是“结构化”部分。

Python是一种解释性的高级通用编程语言。 Python的设计理念通过显着使用大量空白来强调代码的可读性。它的语言构造和面向对象的方法旨在帮助程序员为大型和大型项目编写清晰的逻辑代码。由于Python具有完善的标准库，因此通常被称为“包含电池”的语言。借助TensorFlow，Keras，Pytorch和Scikit-learn之类的库，Python通常用于人工智能项目和机器学习项目。

Python是动态类型的（在运行时执行静态编程语言在编译过程中执行的许多常见编程行为）和垃圾回收（使用自动内存管理）。它支持多种编程范例，包括结构化（特别是过程式），面向对象和功能性编程。它是由Guido van Rossum于1980年代后期创建的，并于1991年首次发布，它是ABC编程语言的后继者。 2.0年发布的Python 2000引入了新功能，例如列表推导和带有引用计数的垃圾收集系统，并在2.7年随版本2020停产。Python3.0在2008年发布，是该语言的主要修订版，并非完全向后兼容，并且许多Python 2代码不会在Python 3上未经修改地运行。由于Python 2的使用寿命终止（并且pip在2021年不再提供支持），仅支持Python 3.6.x和更高版本，但仍旧支持支持例如Windows 7（以及不限于64位Windows的旧安装程序）。

Python解释器受主流操作系统的支持，并且可以用于更多版本（过去也受支持）。全球程序员社区开发和维护CPython，这是一个免费的开源参考实现。一个非营利组织，Python软件基金会，负责管理和指导Python和CPython开发的资源。

截至2021年2020月，Python在TIOBE最受欢迎的编程语言索引中排名第三，仅次于C和Java，此前曾获得第二名并获得2007年最受欢迎的语言奖。它在2010、2018年被评为年度编程语言和XNUMX年。

一项经验研究发现，脚本语言（例如Python）比常规语言（例如C和Java）在涉及字符串操作和字典搜索的编程问题上的生产率更高，并确定内存消耗通常“比Java更好，而不是Java”。比C或C ++差得多”。使用Python的大型组织包括Wikipedia，Google，Yahoo！，CERN，NASA，Facebook，Amazon，Instagram。

除其人工智能应用程序外，Python作为具有模块化体系结构，简单语法和富文本处理工具的脚本语言，通常用于自然语言处理。

TensorFlow是一个用于机器学习的免费开源软件库。它可以用于一系列任务，但特别着重于深度神经网络的训练和推理。它是一个基于数据流和可微编程的符号数学库。它用于Google的研究和生产。

TensorFlow由Google Brain团队开发，供Google内部使用。它于2.0年根据Apache License 2015发布。

从2011年开始，Google Brain将DistBelief构建为基于深度学习神经网络的专有机器学习系统。在研究和商业应用中，它的使用在不同的Alphabet公司中迅速增长。 Google指派了包括Jeff Dean在内的多位计算机科学家来简化DistBelief的代码库并将其重构为一个更快，更强大的应用程序级库，该库成为TensorFlow。 2009年，由杰弗里·欣顿（Geoffrey Hinton）领导的团队实施了广义反向传播和其他改进措施，使生成的神经网络具有更高的准确性，例如，语音识别错误减少了25％。

TensorFlow是Google Brain的第二代系统。版本1.0.0于11年2017月64日发布。虽然参考实现在单个设备上运行，但TensorFlow可以在多个CPU和GPU上运行（具有可选的CUDA和SYCL扩展，可在图形处理单元上进行通用计算）。 TensorFlow可在2016位Linux，macOS，Windows以及包括Android和iOS在内的移动计算平台上使用。其灵活的体系结构允许在各种平台（CPU，GPU，TPU）之间以及从台式机到服务器集群再到移动设备和边缘设备的轻松部署计算。 TensorFlow计算表示为有状态数据流图。 TensorFlow的名称源自此类神经网络对多维数据数组执行的操作，这些数据被称为张量。在1,500年5月的Google I/O大会上，Jeff Dean表示GitHub上的2017个存储库提到了TensorFlow，其中只有2018个来自Google。 1.0年2019月，来自Google，Cisco，RedHat，CoreOS和CaiCloud的开发人员在会议上介绍了Kubeflow。 Kubeflow允许在Kubernetes上运行和部署TensorFlow。 2.0年2019月，Google宣布了TensorFlow.js 2019版，该版本用于JavaScript中的机器学习。在XNUMX年XNUMX月，谷歌宣布了TensorFlow XNUMX。它于XNUMX年XNUMX月正式可用.XNUMX年XNUMX月，谷歌宣布TensorFlow Graphics用于计算机图形学的深度学习。