
EITC/AI/TFF TensorFlow基础知识是Google TensorFlow机器学习库上的欧洲IT认证计划,可对人工智能进行编程。
EITC/AI/TFF TensorFlow基础知识课程的重点是在以下结构中使用TensorFlow库的理论方面和实践技能,其中包括全面的视频教学内容,作为此EITC认证的参考。
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。
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。
要详细了解认证课程,您可以扩展和分析下表。
EITC/AI/TFF TensorFlow 基础认证课程以视频形式引用了开放获取的教学材料。 学习过程分为逐步结构(课程 -> 课程 -> 主题),涵盖相关课程部分。 还提供与领域专家的无限咨询。
有关认证程序检查的详细信息 运行流程.
课程参考资源
谷歌TensorFlow
https://www.tensorflow.org/
Google TensorFlow 学习资源
https://www.tensorflow.org/learn/
TensorFlow API 文档
https://www.tensorflow.org/api_docs/
TensorFlow 模型和数据集
https://www.tensorflow.org/resources/models-datasets/
TensorFlow 社区
https://www.tensorflow.org/community/
使用 TensorFlow 进行 Google Cloud AI Platform 训练
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/