Python 및 PyTorch를 사용한 EITC/AI/DLPP 딥 러닝은 PyTorch 머신 러닝 라이브러리를 사용하여 Python에서 딥 러닝을 프로그래밍하는 기본 사항에 대한 유럽 IT 인증 프로그램입니다.
EITC/AI/DLPP Deep Learning with Python and PyTorch의 커리큘럼은 다음 구조로 구성된 PyTorch 라이브러리를 사용한 딥 러닝 Python 프로그래밍의 실용적인 기술에 중점을두고 있으며,이 EITC 인증에 대한 참조로 포괄적 인 비디오 교훈 내용을 포함합니다.
딥 러닝 (심층 구조화 된 학습이라고도 함)은 표현 학습을 사용하는 인공 신경망을 기반으로하는 광범위한 기계 학습 방법 제품군의 일부입니다. 학습은 감독, 반 감독 또는 감독되지 않을 수 있습니다. 컴퓨터 비전, 머신 비전, 음성 인식, 자연어 처리, 오디오 인식, 소셜 네트워크 필터링, 기계 번역, 생물 정보학 등의 분야에 심층 신경망, 심층 신념 네트워크, 순환 신경망 및 컨볼 루션 신경망과 같은 딥 러닝 아키텍처가 적용되었습니다. , 약물 설계, 의료 이미지 분석, 재료 검사 및 보드 게임 프로그램을 통해 인간의 전문가 성과에 필적하거나 능가하는 결과를 만들어 냈습니다.
Python은 해석 된 고수준 범용 프로그래밍 언어입니다. Python의 디자인 철학은 상당한 공백을 사용하여 코드 가독성을 강조합니다. 언어 구조와 객체 지향 접근 방식은 프로그래머가 소규모 및 대규모 프로젝트를위한 명확하고 논리적 인 코드를 작성하도록 돕는 것을 목표로합니다. Python은 포괄적 인 표준 라이브러리로 인해 "배터리 포함"언어로 종종 설명됩니다. Python은 TensorFlow, Keras, Pytorch 및 Scikit-learn과 같은 라이브러리의 도움을 받아 인공 지능 프로젝트 및 기계 학습 프로젝트에서 일반적으로 사용됩니다.
Python은 동적으로 형식화되고 (컴파일 중에 정적 프로그래밍 언어가 수행하는 많은 일반적인 프로그래밍 동작을 런타임에 실행) 가비지 수집 (자동 메모리 관리 사용)합니다. 구조적 (특히 절차 적), 객체 지향 및 기능적 프로그래밍을 포함한 여러 프로그래밍 패러다임을 지원합니다. 1980 년대 후반에 만들어졌고 1991 년에 처음으로 Guido van Rossum이 ABC 프로그래밍 언어의 후계자로 출시했습니다. 2.0 년에 출시 된 Python 2000은 목록 이해 및 참조 카운팅 기능이있는 가비지 수집 시스템과 같은 새로운 기능을 도입했으며 2.7 년 버전 2020에서 중단되었습니다. 3.0 년에 출시 된 Python 2008은 다음과 같은 언어의 주요 개정판이었습니다. 완전히 이전 버전과 호환되지 않으며 많은 Python 2 코드가 Python 3에서 수정되지 않은 상태로 실행되지 않습니다. Python 2의 수명이 종료되고 2021 년에 지원이 중단 된 pip로 인해 Python 3.6.x 이상 만 지원되며 이전 버전은 계속 지원됩니다. 예를 들어 Windows 7 지원 (및 64 비트 Windows로 제한되지 않은 이전 설치 프로그램).
Python 인터프리터는 주류 운영 체제에서 지원되며 몇 가지 더 사용할 수 있습니다 (과거에는 더 많이 지원됨). 글로벌 프로그래머 커뮤니티는 무료 오픈 소스 참조 구현 인 CPython을 개발하고 유지합니다. 비영리 조직인 Python Software Foundation은 Python 및 CPython 개발을위한 리소스를 관리하고 지휘합니다.
2021 년 2020 월 현재 Python은 TIOBE의 가장 인기있는 프로그래밍 언어 색인에서 C 및 Java에 이어 2007 위를 차지했으며 이전에는 2010 년 가장 인기있는 2018 위 및 상을 받았습니다. XNUMX 년, XNUMX 년 올해의 프로그래밍 언어로 선정되었습니다. , 및 XNUMX.
경험적 연구에 따르면 Python과 같은 스크립팅 언어는 문자열 조작 및 사전 검색과 관련된 프로그래밍 문제에 대해 C 및 Java와 같은 기존 언어보다 생산성이 더 높으며 메모리 소비가 종종 "Java보다 낫지 C 또는 C ++보다 훨씬 나쁩니다.” Python을 사용하는 대규모 조직에는 ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram이 있습니다.
인공 지능 응용 프로그램 외에도 모듈 식 아키텍처, 간단한 구문 및 서식있는 텍스트 처리 도구를 갖춘 스크립팅 언어 인 Python은 자연어 처리에 자주 사용됩니다.
PyTorch는 주로 Facebook의 AI Research Lab (FAIR)에서 개발 한 컴퓨터 비전 및 자연어 처리와 같은 애플리케이션에 사용되는 Torch 라이브러리를 기반으로하는 오픈 소스 기계 학습 라이브러리입니다. 수정 된 BSD 라이선스에 따라 출시 된 무료 오픈 소스 소프트웨어입니다. Python 인터페이스가 더 세련되고 개발의 주요 초점이지만 PyTorch에는 C ++ 인터페이스도 있습니다. Tesla Autopilot, Uber의 Pyro, HuggingFace의 Transformers, PyTorch Lightning 및 Catalyst를 포함한 여러 딥 러닝 소프트웨어가 PyTorch 위에 구축됩니다.
- GPU (그래픽 처리 장치)를 통해 강력한 가속을 제공하는 Tensor 컴퓨팅 (예 : NumPy)
- 테이프 기반 자동 (계산) 차별화 시스템에 구축 된 심층 신경망
Facebook은 Fast Feature Embedding (Caffe2)을 위해 PyTorch와 Convolutional Architecture를 모두 운영하지만 두 프레임 워크로 정의 된 모델은 서로 호환되지 않습니다. ONNX (Open Neural Network Exchange) 프로젝트는 프레임 워크 간 모델 변환을 위해 2017 년 2 월 Facebook과 Microsoft에서 만들었습니다. Caffe2018는 XNUMX 년 XNUMX 월 말에 PyTorch에 병합되었습니다.
PyTorch는 Tensor (torch.Tensor)라는 클래스를 정의하여 동종 다차원 숫자 배열을 저장하고 작동합니다. PyTorch Tensor는 NumPy Arrays와 유사하지만 CUDA 지원 Nvidia GPU에서도 작동 할 수 있습니다. PyTorch는 Tensor의 다양한 하위 유형을 지원합니다.
Pytorch에는 몇 가지 중요한 모듈이 있습니다. 여기에는 다음이 포함됩니다.
- Autograd 모듈 : PyTorch는 자동 미분이라는 방법을 사용합니다. 레코더는 수행 한 작업을 기록한 다음 역방향으로 재생하여 그래디언트를 계산합니다. 이 방법은 순방향 패스에서 매개 변수의 미분을 계산하여 한 시대에 시간을 절약하기 위해 신경망을 구축 할 때 특히 강력합니다.
- Optim 모듈 : torch.optim은 신경망 구축에 사용되는 다양한 최적화 알고리즘을 구현하는 모듈입니다. 일반적으로 사용되는 대부분의 메서드는 이미 지원되므로 처음부터 빌드 할 필요가 없습니다.
- nn 모듈 : PyTorch autograd를 사용하면 계산 그래프를 쉽게 정의하고 기울기를 얻을 수 있지만 원시 autograd는 복잡한 신경망을 정의하기에는 너무 낮은 수준 일 수 있습니다. 여기에서 nn 모듈이 도움이 될 수 있습니다.
인증 커리큘럼에 대해 자세히 알아보기 위해 아래 표를 확장하고 분석할 수 있습니다.
Python 및 PyTorch 인증 커리큘럼을 통한 EITC/AI/DLPP 딥 러닝은 Harrison Kinsley의 비디오 형식으로 공개 액세스 교육 자료를 참조합니다. 학습 과정은 관련 커리큘럼 부분을 다루는 단계별 구조(프로그램 -> 수업 -> 주제)로 나뉩니다. 도메인 전문가와의 무제한 컨설팅도 제공됩니다.
인증 절차 확인에 대한 자세한 내용은 어떻게 시작하나요?.
Python 및 PyTorch 프로그램을 사용한 EITC/AI/DLPP 딥 러닝에 대한 전체 오프라인 자가 학습 준비 자료를 PDF 파일로 다운로드하세요.