Hintergrund
Ich liebe es zu lernen. Aus Wissensdurst habe ich viele Nachrichten und Artikel über die Pandemie gelesen. Damals stieß ich auf einen Artikel über eine Gruppe von Forschern, die ein neues System entwickelten, das Lungenentzündung anhand der Röntgenanalyse von COVID-19 unterscheiden kann.
Der Artikel erwähnte, dass das Projekt "künstliche Intelligenz" und "neuronale Netze" verwendet. Das hat mich sofort interessiert. Wie konnten Menschen eine Maschine bauen und trainieren, die Röntgenstrahlen analysieren konnte? Beginnen wir mit der Tatsache, dass künstliche Intelligenz nicht einmal eine medizinische Ausbildung hat. Und er erreichte eine Genauigkeit von mehr als 90%! So begann meine Reise in das tief lernende Kaninchenloch.
Kurz gesagt, ich habe es mit einem Freund besprochen und von der Existenz von TensorFlow (und Keras) erfahren. Und dann, während ich neugierig verschiedene Materialien zu diesem Thema studierte, stieß ich auf einen Artikel , dessen Autor darüber spricht, wie er ein zertifizierter TensorFlow-Entwickler wurde.
Hier forderte ich mich heraus und fragte mich, ob ich ein solches Zertifikat bekommen könnte. Es stimmt, ich hatte Angst, dass ich nicht genug Zeit dafür hatte. Tatsache ist, dass ich zur Arbeit gehen wollte und außerdem ungefähr zur gleichen Zeit mein Masterstudium begann. Außerdem weiß ich nichts über das Programmieren in Python. Kann ich mein Ziel erreichen?
In meinem Grundstudium habe ich angewandte Mathematik zur Lösung versicherungsmathematischer Probleme studiert. Dies bedeutet, dass ich mit höherer Mathematik und Statistik ziemlich vertraut bin und weiß, was Regression und Zeitreihen sind. Aber mein Wissen über Python war nahe Null. Die einzige Sprache, die ich damals kannte, war R. Obwohl ich finde, dass R eine sehr vielseitige Sprache ist, die die Anforderungen derjenigen erfüllt, die mit Daten arbeiten, war diese Sprache leider nicht für die Ablegung der Zertifizierungsprüfung geeignet.
Die Zertifizierung in TensorFlow wäre ein wichtiger Meilenstein auf meiner Reise als autodidaktischer Datenwissenschaftler und KI-Wissenschaftler. Vielleicht habe ich schon genug über mich erzählt. Es ist Zeit, über TensorFlow zu sprechen.
Was ist die TensorFlow-Plattform und warum sollte man sie lernen?
Kurz gesagt, TensorFlow ist eine weit verbreitete Plattform für maschinelles Lernen.
Wenn wir ausführlicher über TensorFlow sprechen, haben wir ein kostenloses Open-Source-Framework vor uns, das alle Anforderungen für die Erstellung von Projekten in den Bereichen maschinelles und tiefes Lernen abdeckt. Mit diesem Framework können Sie eine Vielzahl von Aufgaben lösen - von der Datenvorverarbeitung über Schulungen bis hin zur Modellbereitstellung. TensorFlow war ursprünglich für die internen Anforderungen von Google gedacht und wurde vom Google Brain-Team entwickelt. Jetzt wird dieses Framework buchstäblich überall verwendet.
Lassen Sie uns nun darüber sprechen, warum Sie TensorFlow lernen sollten. Tatsache ist, dass diese Plattform in der Lage ist, viele Probleme zu lösen, und dass sie viel häufiger auftritt, als Sie sich vorstellen können. Es ist sehr wahrscheinlich, dass Sie, ohne es zu wissen, Dienste verwenden, die mit TensorFlow erstellt wurden.
Google Mail Smart Reply-Demonstration ( Quelle )
Haben Sie jemals die Smart Reply-Funktion von Google Mail verwendet? Dieser Mechanismus basiert auf den Fähigkeiten der künstlichen Intelligenz. Es bietet dem Benutzer drei mögliche Antworten auf eine E-Mail basierend auf dem Inhalt der E-Mail. Die Smart Reply-Engine wurde mit TensorFlow erstellt.
Wissen Sie, was den Feed auf Ihrem Twitter-Konto antreibt? Worauf basiert der OCR-Mechanismus (Image to Text) in WPS Office? Wie empfiehlt VSCO IhnenBenutzerprofile bei der Analyse Ihrer Fotos? Dies sind alles Beispiele für die Verwendung von TensorFlow.
Zum Zeitpunkt der Erstellung dieses Artikels gab es TensorFlow erst seit etwa vier Jahren. Darüber hinaus wurde diese Plattform in einer Vielzahl von Projekten verwendet, die wir alle täglich nutzen. Während dieser Artikel über die COVID-19-Röntgenerkennung, den ich zuvor erwähnt habe, dies nicht ausdrücklich sagte, ist es wahrscheinlich, dass die Forscher, die ihn geschrieben haben, auch TensorFlow verwendeten.
In Zukunft können wir mit der Verbesserung der Technologien für tiefes Lernen und künstliche Intelligenz mehr Produkte, Dienstleistungen und wissenschaftliche Forschung erwarten, in denen TensorFlow als Subsystem verwendet wird, das Deep-Learning-Technologien implementiert.
Praktiker des maschinellen Lernens und der Datenwissenschaft profitieren von der Vertrautheit mit dieser Plattform. Aus diesem Grund heraus interessierte ich mich dafür, selbst zertifizierter TensorFlow-Entwickler zu werden. Sie haben vielleicht schon einmal ähnliche Gedanken gehabt. Vielleicht denken Sie darüber nach, während Sie diesen Artikel lesen. Möglicherweise haben Sie Ihre eigenen Gründe, TensorFlow zu lernen. Wenn Sie sich auf die Zertifizierung vorbereiten möchten, finden Sie im nächsten Abschnitt einige Details dazu.
Details zur Zertifizierung
TensorFlow Digital Badge ( Quelle )
Die TensorFlow-Zertifizierungsprüfung wird mit Python durchgeführt. Diese Prüfung verwendet die TensorFlow Python-Bibliothek und verwandte APIs. Ein Versuch kostet 100 Dollar. Wenn der erste Versuch fehlschlägt, können Sie den gleichen Betrag bezahlen und die zweite Prüfung in 2 Wochen bestehen. Details zu Prüfungsgebühren und ähnlichen Dingen finden Sie hier .
Die Prüfung besteht aus vier Hauptteilen: Erstellen und Trainieren eines neuronalen Netzwerks mit TensorFlow, Bilderkennung, Verarbeitung natürlicher Sprache und Arbeiten mit Zeitreihen. Wenn Sie die Prüfung bestehen, müssen Sie die PyCharm-IDE verwenden.
Nachdem ich mir das Prüfungshandbuch angesehen hatte, begann ich mein Studium zu planen. Zuerst musste ich die Python-Programmierung verstehen und dann TensofFlow beherrschen.
Erster Studienmonat
Vielleicht haben Sie bisher gelesen, ohne etwas zu verpassen, vielleicht sind Sie einfach hierher gesprungen. Erlauben Sie mir auf jeden Fall, Sie daran zu erinnern, wo ich angefangen habe. Ich war ein durchschnittlicher Student der angewandten Mathematik, hatte nichts, was mich beschäftigte, und hatte keine Erfahrung mit Python-Programmierung. Dieser Student war plötzlich bestrebt, in zwei Monaten zertifizierter TensorFlow-Entwickler zu werden.
Hier beginne ich eine Geschichte darüber, wie und was ich in diesen zwei Monaten studiert habe.
Im ersten Monat lernte ich Python. Wie habe ich es geschafft, so schnell zu lernen, in dieser Sprache zu programmieren? Ich bin als erstes zu HackerRank gegangenund begann Probleme in Python zu lösen. Viele Aufgaben. Immer wenn ich auf etwas stieß, das ich alleine nicht bewältigen konnte, suchte ich sofort nach Lösungen anderer Leute. Wenn ein kurzer Blick auf die Lösung es mir nicht ermöglichte, das Problem zu lösen, fuhr ich mit einer gründlichen Analyse der Ideen anderer fort und versuchte, das Wesentliche der Lösung zu verstehen und hervorzuheben, was für mich nützlich wäre.
Ich mache das seit zwei Wochen. Danach konnte ich die meisten Probleme lösen, auch die schwierigen, ohne irgendwo hinzuschauen.
Was habe ich für die restlichen zwei Wochen gemacht? Kostenlose Python-Tutorials auf YouTube gesehen. Ja, genau so. Frei. Lektionen. Auf Youtube.
Wenn Sie die Möglichkeit haben, sich für einen echten Python-Kurs anzumelden, in dem das Material gut strukturiert ist, sollten Sie dies natürlich tun. Die drei Videokurse, auf die ich unten verlinken werde, habe ich selbst ausgewählt, um Python schneller zu lernen.
Diese Videos sind nicht besonders beliebt, da sie "kostenlos" sind und jeder, der sie ansieht, kein Schulungszertifikat erhält. In der Tat sind hier die Schulungen, die ich für sehr würdig halte:
- Python for Beginners. Python. , , (, , ), . , . , Python .
- Python for Data Science Full Course. Python- -. . Keras TensorFlow. , , , .
- Datenanalyse mit Python . Bevor Sie Modelle erstellen und trainieren, müssen Sie die Daten vorbereiten und einer Vorverarbeitung unterziehen. Aus irgendeinem Grund wird dies oft vergessen. Dieser Kurs widmet sich hauptsächlich Themen wie Datenerfassung, Laden in ein Programm, Bereinigen, Visualisieren. Eine solche Arbeit mit Daten ermöglicht es Ihnen, sie besser zu verstehen. Dies ist für alle weiteren Arbeiten mit ihnen von Vorteil.
Obwohl ich vorhabe, mich für einen regulären Python-Kurs anzumelden, gaben mir diese drei Videos alles, was ich brauchte. Wenn Sie sich solche Kurse auch ansehen, machen Sie sich Notizen, schreiben Sie den Code selbst und versuchen Sie, was sie Ihnen erzählen.
Zweiter Studienmonat
Ich habe meinen zweiten Studienmonat mit dem DeepLearning.AI TensorFlow Developer Professional-Zertifikat verbracht , das auf Coursera zu finden ist. Kurse in dieser Spezialisierung werden von Lawrence Maroney, künstliche Intelligenz bei Google, und Andrew Ng, Gründer von deeplearning.ai, unterrichtet .
Die Spezialisierung umfasst vier Kurse. Jeder von ihnen entspricht einem der oben genannten Prüfungsthemen. Ein Kurs dauert vier Wochen, aber ich habe die wöchentlichen Materialien an einem Tag studiert, da dies zu dieser Zeit mein wichtigster Beruf war.
Nach Abschluss jedes Kurses nahm ich mir einen Tag frei. An diesem Tag experimentierte ich mit dem Code und erkundete langsam Ideen im Zusammenhang mit dem Kurs.
Am Ende habe ich fünf Tage gebraucht, um jeden Kurs abzuschließen. Es dauerte vier Tage, um die Kursmaterialien zu überprüfen, und einen weiteren Tag verbrachte ich damit, mich auszuruhen und zu überprüfen, was ich gelernt hatte. Dadurch konnte ich die gesamte Spezialisierung in 20 Tagen abschließen.
Jeder Kurs beinhaltete Programmieraufgaben. Ich habe diese Aufgaben ernst genommen. Zum Beispiel habe ich oft viele Stunden damit verbracht, mit den Hyperparametern eines neuronalen Netzwerks zu experimentieren (wenn Sie anfangen zu lernen, werden Sie wissen, was es ist), um die besten Ergebnisse daraus zu erzielen. Auf diese Weise können Sie eine Art instinktives Verständnis dafür erlangen, wie durch Versuch und Irrtum neuronale Netzwerkmodelle erstellt werden können.
Manchmal gab es in den Unterrichtsmaterialien Links zu Datensätzen, Artikeln und anderen zusätzlichen Materialien. Während Sie dies alles nicht lernen mussten, um den Kurs abzuschließen, habe ich aus Neugier viele dieser Ressourcen durchgearbeitet. Der Kurs konzentrierte sich hauptsächlich auf die Praxis. Normalerweise erhielten sie jedoch Links zu Andrew Euns Videos, in denen er mit einer Erklärung der Theorie einige Dinge deutlicher enthüllte.
Alternative Materialien
Sie müssen nicht so studieren, wie ich es getan habe, um mich zertifizieren zu lassen. Anstatt eine kostenpflichtige Spezialisierung auf Coursera abzuschließen, können Sie beispielsweise auf andere Materialien zurückgreifen:
- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. , , , . 10-16 , .
- YouTube, TensorFlow. , . , , . Coursera, , . , , , . Keras TensorFlow.
Nachdem ich alle Kurse abgeschlossen hatte, die ich auf Coursera ausgewählt hatte, gab ich mir vier Tage Zeit, um das Gelernte zu überprüfen und das Prüfungshandbuch erneut zu lesen. Ich habe am 25. Tag des zweiten Vorbereitungsmonats mit der Prüfung begonnen.
Der entscheidende Tag ist gekommen. Übrigens, hier ist ein Spickzettel mit Antworten auf die ersten Fragen (wenn jemand nicht versteht, mache ich nur Spaß). Aus offensichtlichen Gründen kann ich nicht auf Details zur Prüfung eingehen, aber im Folgenden habe ich einige meiner Beobachtungen und Tipps zur Prüfungsvorbereitung und zum Bestehen gegeben.
- , — IDE. , IDE PyCharm. IDE, , , , . PyCharm, , .
- . , ( , ). , , . .
- . . , . , , ( , , IDE ).
- . , , . , . — , .
- Modelle können mithilfe von Ressourcen externer Plattformen wie Google Colab und AWS trainiert werden. Bevor Sie mit der Prüfung beginnen, lernen Sie, wie Sie Modelle, an denen Sie auf externen Plattformen gearbeitet haben, speichern und in PyCharm laden. Modelle müssen im .h5-Format gespeichert werden.
Wenn Sie bei der Vorbereitung auf die Prüfung gute Arbeit geleistet haben und alles beherrschen, was im Prüfungsplan enthalten ist, sollten Sie diese erfolgreich bestehen. Ich kann mit Zuversicht sagen, dass das Handbuch sinnvolle Empfehlungen enthält. Sie können Ihre Prüfungsbereitschaft testen, indem Sie Ihr Wissen über die darin genannten Themen bewerten.
Ich habe die Prüfung mit meinem Laptop abgelegt, der von einem AMD-Prozessor angetrieben wird und keine separate Grafikkarte besitzt. Gleichzeitig musste ich nur einmal auf die Leistung von Google Colab zurückgreifen, um ein Problem zu lösen, bei dem ein großer Datensatz verwendet wurde. Um zu verstehen, ob Ihr Computer für die Prüfung geeignet ist, können Sie verschiedene praktische Probleme lösen. Ich glaube, Sie sollten sich nicht mehr um den Computer kümmern, sondern um die Geschwindigkeit und Stabilität der Internetverbindung, da Sie die Modelle entladen müssen, um die Prüfung zu bestehen.
Prüfungsergebnisse
Nachdem ich die Prüfung abgeschlossen hatte, erhielt ich sofort eine E-Mail, in der ich darüber informiert wurde, dass ich die Prüfung bestanden hatte. Ein offizielles digitales Zertifikat , das das erfolgreiche Bestehen der Prüfung bestätigt, wird innerhalb von 2 Wochen gesendet. Es kann an Ihr LinkedIn-Profil angehängt werden.
Das Zertifikat ist nur drei Jahre gültig. Dies bedeutet, dass ich 2023 die Prüfung erneut ablegen muss. Ich kann nur raten, wie sich TensorFlow und die gesamte Deep-Learning-Branche bis dahin entwickeln werden. Und ich hoffe, dass es mir dann leichter fällt, die Prüfung zu bestehen als jetzt.
Ergebnisse und Pläne für die Zukunft
Dies ist natürlich nicht das Ende. Dies ist nur der Anfang. Mein erster Meilenstein beim Erlernen der KI-Technologie war meine TensorFlow-Zertifizierung, die mich sehr inspirierte. Dieses Zertifikat ist meine Tür in die Welt der Datenwissenschaft geworden. Dies ist etwas seltsam, da Deep Learning für angehende Datenwissenschaftler normalerweise wie das i-Tüpfelchen ist.
Ich bin froh, dass ich ein Zertifikat erhalten habe und diesen Artikel nur wenige Tage vor Arbeitsbeginn und Studium schreiben konnte. Während der zweimonatigen Vorbereitung widmete ich mich ganz meinem neuen Hobby. Künstliche Intelligenz-Technologien bieten uns scheinbar endlose Möglichkeiten zur Lösung realer Probleme.
Ich möchte darauf hinweisen, dass ich meinen Ansatz zum Selbststudium nicht für den besten halte. Sie können immer noch daran arbeiten. Für diejenigen, die nicht zeitlich begrenzt sind, lohnt es sich vielleicht nicht, so schnell wie ich zu hetzen. Und während des Studiums wäre es gut für sie, ihre eigenen Projekte zu erstellen. Ich denke, dieser Lernansatz ist besser als meiner. Obwohl ich ein zertifizierter TensorFlow-Entwickler bin, muss ich jetzt mein eigenes Projekt erstellen und es auf GitHub stellen. Dies werde ich tun, nachdem ich diesen Artikel veröffentlicht habe. Dadurch kann ich meine Kenntnisse und Fähigkeiten verbessern.
Ich bin zuversichtlich, dass die Welt der künstlichen Intelligenz und alles, was damit verbunden ist, ein schnell wachsendes Phänomen ist, voller Innovationen, Entdeckungen und wissenschaftlicher Durchbrüche. Dies ist der neueste Stand der modernen Technologie. Hier gibt es viel zu lernen und zu erforschen. Wenn Sie möchten, können Sie auch ein Teil dieser Welt werden. Ich wollte. Und gelangweilt während der Quarantäne begann er seine Reise.
Planen Sie, zertifizierter TensorFlow-Entwickler zu werden?
