EITC/AI/DLTF Deep Learning con TensorFlow es el programa europeo de certificación de TI sobre los fundamentos de la programación de deep learning en Python con la biblioteca de aprendizaje automático de Google TensorFlow.
El plan de estudios del aprendizaje profundo de EITC/AI/DLTF con TensorFlow se centra en las habilidades prácticas en la programación de Python de aprendizaje profundo con la biblioteca Google TensorFlow organizada dentro de la siguiente estructura, que abarca un contenido didáctico de video integral como referencia para esta certificación EITC.
El aprendizaje profundo (también conocido como aprendizaje estructurado profundo) es parte de una familia más amplia de métodos de aprendizaje automático basados en redes neuronales artificiales con aprendizaje de representación. El aprendizaje puede ser supervisado, semi-supervisado o no supervisado. Las arquitecturas de aprendizaje profundo como las redes neuronales profundas, las redes de creencias profundas, las redes neuronales recurrentes y las redes neuronales convolucionales se han aplicado a campos que incluyen la visión por computadora, visión artificial, reconocimiento de voz, procesamiento del lenguaje natural, reconocimiento de audio, filtrado de redes sociales, traducción automática, bioinformática , diseño de fármacos, análisis de imágenes médicas, inspección de materiales y programas de juegos de mesa, donde han producido resultados comparables y, en algunos casos, superiores al desempeño de los expertos humanos.
Python es un lenguaje de programación interpretado, de alto nivel y de propósito general. La filosofía de diseño de Python enfatiza la legibilidad del código con su notable uso de espacios en blanco significativos. Sus construcciones de lenguaje y su enfoque orientado a objetos tienen como objetivo ayudar a los programadores a escribir código claro y lógico para proyectos a pequeña y gran escala. Python se describe a menudo como un lenguaje con "baterías incluidas" debido a su amplia biblioteca estándar. Python se usa comúnmente en proyectos de inteligencia artificial y proyectos de aprendizaje automático con la ayuda de bibliotecas como TensorFlow, Keras, Pytorch y Scikit-learn.
Python se escribe dinámicamente (ejecuta en tiempo de ejecución muchos comportamientos de programación comunes que los lenguajes de programación estáticos realizan durante la compilación) y se recolecta basura (con administración automática de memoria). Admite múltiples paradigmas de programación, incluida la programación estructurada (en particular, procedimental), orientada a objetos y funcional. Fue creado a fines de la década de 1980 y lanzado por primera vez en 1991 por Guido van Rossum como sucesor del lenguaje de programación ABC. Python 2.0, lanzado en 2000, introdujo nuevas características, como listas por comprensión y un sistema de recolección de basura con recuento de referencias, y se suspendió con la versión 2.7 en 2020. Python 3.0, lanzado en 2008, fue una revisión importante del lenguaje que se no es completamente compatible con versiones anteriores y gran parte del código de Python 2 no se ejecuta sin modificar en Python 3. Con el final de la vida útil de Python 2 (y pip que dejó de ser compatible en 2021), solo se admiten Python 3.6.xy posteriores, con versiones anteriores aún compatible, por ejemplo, con Windows 7 (y con instaladores antiguos no restringidos a Windows de 64 bits).
Los intérpretes de Python son compatibles con los sistemas operativos convencionales y están disponibles para algunos más (y en el pasado eran compatibles con muchos más). Una comunidad global de programadores desarrolla y mantiene CPython, una implementación de referencia gratuita y de código abierto. Una organización sin fines de lucro, Python Software Foundation, administra y dirige recursos para el desarrollo de Python y CPython.
A partir de enero de 2021, Python ocupa el tercer lugar en el índice de TIOBE de lenguajes de programación más populares, detrás de C y Java, habiendo obtenido previamente el segundo lugar y su premio a la mayor ganancia de popularidad para 2020. Fue seleccionado Lenguaje de programación del año en 2007, 2010 y 2018.
Un estudio empírico descubrió que los lenguajes de secuencias de comandos, como Python, son más productivos que los lenguajes convencionales, como C y Java, para problemas de programación que implican la manipulación de cadenas y la búsqueda en un diccionario, y determinó que el consumo de memoria a menudo era "mejor que Java y no mucho peor que C o C ++ ”. Las grandes organizaciones que utilizan Python incluyen, por ejemplo, Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Más allá de sus aplicaciones de inteligencia artificial, Python, como lenguaje de scripting con arquitectura modular, sintaxis simple y herramientas de procesamiento de texto enriquecido, se usa a menudo para el procesamiento del lenguaje natural.
TensorFlow es una biblioteca de software gratuita y de código abierto para el aprendizaje automático. Se puede utilizar en una variedad de tareas, pero tiene un enfoque particular en el entrenamiento y la inferencia de redes neuronales profundas. Es una biblioteca matemática simbólica basada en flujo de datos y programación diferenciable. Se utiliza tanto para investigación como para producción en Google.
A partir de 2011, Google Brain creó DistBelief como un sistema de aprendizaje automático patentado basado en redes neuronales de aprendizaje profundo. Su uso creció rápidamente en diversas empresas de Alphabet, tanto en investigación como en aplicaciones comerciales. Google asignó a varios científicos informáticos, incluido Jeff Dean, para simplificar y refactorizar el código base de DistBelief en una biblioteca de grado de aplicación más rápida y robusta, que se convirtió en TensorFlow. En 2009, el equipo, dirigido por Geoffrey Hinton, implementó la retropropagación generalizada y otras mejoras que permitieron la generación de redes neuronales con una precisión sustancialmente mayor, por ejemplo, una reducción del 25% en los errores en el reconocimiento de voz.
TensorFlow es el sistema de segunda generación de Google Brain. La versión 1.0.0 se lanzó el 11 de febrero de 2017. Si bien la implementación de referencia se ejecuta en dispositivos únicos, TensorFlow puede ejecutarse en varias CPU y GPU (con extensiones opcionales CUDA y SYCL para computación de propósito general en unidades de procesamiento de gráficos). TensorFlow está disponible en Linux de 64 bits, macOS, Windows y plataformas informáticas móviles, incluidas Android e iOS. Su arquitectura flexible permite la fácil implementación de la computación en una variedad de plataformas (CPU, GPU, TPU) y desde computadoras de escritorio hasta grupos de servidores y dispositivos móviles y de borde. Los cálculos de TensorFlow se expresan como gráficos de flujo de datos con estado. El nombre TensorFlow se deriva de las operaciones que realizan estas redes neuronales en matrices de datos multidimensionales, que se denominan tensores. Durante la Conferencia de E/S de Google en junio de 2016, Jeff Dean declaró que 1,500 repositorios en GitHub mencionaron TensorFlow, de los cuales solo 5 eran de Google. En diciembre de 2017, los desarrolladores de Google, Cisco, RedHat, CoreOS y CaiCloud presentaron Kubeflow en una conferencia. Kubeflow permite el funcionamiento y la implementación de TensorFlow en Kubernetes. En marzo de 2018, Google anunció la versión 1.0 de TensorFlow.js para aprendizaje automático en JavaScript. En enero de 2019, Google anunció TensorFlow 2.0. Estuvo disponible oficialmente en septiembre de 2019. En mayo de 2019, Google anunció TensorFlow Graphics para el aprendizaje profundo en gráficos por computadora.
Para familiarizarse en detalle con el plan de estudios de certificación, puede ampliar y analizar la tabla a continuación.
El plan de estudios de certificación de aprendizaje profundo EITC/AI/DLTF con TensorFlow hace referencia a materiales didácticos de acceso abierto en forma de video de Harrison Kinsley. El proceso de aprendizaje se divide en una estructura paso a paso (programas -> lecciones -> temas) que cubre partes relevantes del plan de estudios. También se proporciona consultoría ilimitada con expertos en dominios.
Para obtener más información sobre el procedimiento de certificación, consulte ¿Cómo funciona?.
Recursos de referencia del plan de estudios
TensorFlow de Google
https://www.tensorflow.org/
Recursos de aprendizaje de Google TensorFlow
https://www.tensorflow.org/learn/
Documentación de la API de TensorFlow
https://www.tensorflow.org/api_docs/
Modelos y conjuntos de datos de TensorFlow
https://www.tensorflow.org/resources/models-datasets/
Comunidad de TensorFlow
https://www.tensorflow.org/community/
Capacitación de Google Cloud AI Platform con TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Descargue los materiales preparatorios completos de autoaprendizaje fuera de línea para el programa EITC/AI/DLTF Deep Learning con TensorFlow en un archivo PDF
Materiales preparatorios del EITC/AI/DLTF – versión estándar
Materiales preparatorios del EITC/AI/DLTF – versión ampliada con preguntas de revisión