Python, TensorFlow 및 Keras를 사용한 EITC/AI/DLPTFK Deep Learning은 TensorFlow 및 Keras 기계 학습 라이브러리를 사용하여 Python에서 딥 러닝을 프로그래밍하는 기본 사항에 대한 유럽 IT 인증 프로그램입니다.
EITC/AI/DLPTFK Deep Learning with Python, TensorFlow 및 Keras의 커리큘럼은 다음 구조로 구성된 TensorFlow 및 Keras 라이브러리를 사용한 딥 러닝 Python 프로그래밍의 실용적인 기술에 중점을두고 있으며,이 EITC 인증에 대한 참조로 포괄적 인 비디오 교훈 콘텐츠를 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.
TensorFlow는 기계 학습을위한 무료 오픈 소스 소프트웨어 라이브러리입니다. 다양한 작업에서 사용할 수 있지만 심층 신경망의 훈련 및 추론에 특히 중점을 둡니다. 데이터 흐름과 차별화 가능한 프로그래밍을 기반으로하는 기호 수학 라이브러리입니다. Google에서 연구 및 제작에 모두 사용됩니다.
2011 년부터 Google Brain은 DistBelief를 딥 러닝 신경망을 기반으로하는 독점 기계 학습 시스템으로 구축했습니다. 연구 및 상업 응용 프로그램 모두에서 다양한 Alphabet 회사에서 사용이 빠르게 증가했습니다. Google은 Jeff Dean을 비롯한 여러 컴퓨터 과학자를 지정하여 DistBelief의 코드베이스를 더 빠르고 강력한 애플리케이션 등급 라이브러리로 단순화하고 리팩토링하여 TensorFlow가되었습니다. 2009 년에 Geoffrey Hinton이 이끄는 팀은 일반화 된 역 전파 및 기타 개선 사항을 구현하여 훨씬 더 높은 정확도로 신경망을 생성 할 수있었습니다 (예 : 음성 인식 오류 25 % 감소).
TensorFlow는 Google Brain의 1.0.0 세대 시스템입니다. 버전 11은 2017 년 64 월 2016 일에 출시되었습니다. 참조 구현은 단일 기기에서 실행되지만 TensorFlow는 여러 CPU 및 GPU에서 실행될 수 있습니다 (그래픽 처리 장치의 범용 컴퓨팅을위한 CUDA 및 SYCL 확장 옵션 포함). TensorFlow는 1,500 비트 Linux, macOS, Windows 및 Android 및 iOS를 포함한 모바일 컴퓨팅 플랫폼에서 사용할 수 있습니다. 유연한 아키텍처를 통해 다양한 플랫폼 (CPU, GPU, TPU), 데스크톱에서 서버 클러스터, 모바일 및 에지 장치에 이르기까지 계산을 쉽게 배포 할 수 있습니다. TensorFlow 계산은 상태 저장 데이터 흐름 그래프로 표현됩니다. TensorFlow라는 이름은 이러한 신경망이 텐서라고하는 다차원 데이터 배열에서 수행하는 작업에서 파생됩니다. 5 년 2017 월 Google I/O 컨퍼런스에서 Jeff Dean은 GitHub의 2018 개 저장소에서 TensorFlow를 언급했으며 그중 1.0 개만 Google에서 가져온 것이라고 말했습니다. 2019 년 2.0 월, Google, Cisco, RedHat, CoreOS 및 CaiCloud의 개발자가 컨퍼런스에서 Kubeflow를 소개했습니다. Kubeflow를 사용하면 Kubernetes에서 TensorFlow를 운영하고 배포 할 수 있습니다. 2019 년 2019 월, Google은 JavaScript의 기계 학습을위한 TensorFlow.js 버전 XNUMX을 발표했습니다. XNUMX 년 XNUMX 월 Google은 TensorFlow XNUMX을 발표했습니다. XNUMX 년 XNUMX 월에 공식적으로 사용할 수있게되었습니다. XNUMX 년 XNUMX 월 Google은 컴퓨터 그래픽의 딥 러닝을위한 TensorFlow Graphics를 발표했습니다.
Keras는 인공 신경망을위한 Python 인터페이스를 제공하는 오픈 소스 소프트웨어 라이브러리입니다. Keras는 TensorFlow 라이브러리의 인터페이스 역할을합니다.
Keras에는 레이어, 목표, 활성화 함수, 최적화 도구, 이미지 및 텍스트 데이터 작업을보다 쉽게하여 심층 신경망 코드를 작성하는 데 필요한 코딩을 단순화하기 위해 일반적으로 사용되는 신경망 구성 요소의 수많은 구현이 포함되어 있습니다. 코드는 GitHub에서 호스팅되며 커뮤니티 지원 포럼에는 GitHub 문제 페이지와 Slack 채널이 포함됩니다.
표준 신경망 외에도 Keras는 컨볼 루션 및 반복 신경망을 지원합니다. 드롭 아웃, 배치 정규화 및 풀링과 같은 다른 공통 유틸리티 계층을 지원합니다. Keras를 사용하면 스마트 폰 (iOS 및 Android), 웹 또는 Java Virtual Machine에서 심층 모델을 생산할 수 있습니다. 또한 그래픽 처리 장치 (GPU) 및 텐서 처리 장치 (TPU) 클러스터에서 딥 러닝 모델의 분산 학습을 사용할 수 있습니다. Keras는 Python (프로그래밍 언어)과 자체 사용 및 설치 용이성으로 인해 과학 연구에 사용하기 위해 채택되었습니다. Keras는 KDnuggets 10 소프트웨어 설문 조사에서 2018 번째로 가장 많이 인용 된 도구로 22 % 사용률을 기록했습니다.
인증 커리큘럼에 대해 자세히 알아보기 위해 아래 표를 확장하고 분석할 수 있습니다.
Python, TensorFlow 및 Keras 인증 커리큘럼을 사용한 EITC/AI/DLPTFK 딥 러닝은 Harrison Kinsley의 비디오 형식으로 된 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?.
커리큘럼 참조 리소스
구글 텐서플로우
https://www.tensorflow.org/
Google TensorFlow 학습 리소스
https://www.tensorflow.org/learn/
TensorFlow API 문서
https://www.tensorflow.org/api_docs/
TensorFlow 모델 및 데이터세트
https://www.tensorflow.org/resources/models-datasets/
텐서플로우 커뮤니티
https://www.tensorflow.org/community/
TensorFlow를 사용한 Google Cloud AI Platform 교육
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Python 문서
https://www.python.org/doc/
Python 릴리스 다운로드
https://www.python.org/downloads/
초보자를위한 Python 가이드
https://www.python.org/about/gettingstarted/
Python Wiki 초보자 가이드
https://wiki.python.org/moin/BeginnersGuide
W3Schools Python 기계 학습 자습서
https://www.w3schools.com/python/python_ml_getting_started.asp
Python, TensorFlow 및 Keras 프로그램을 사용한 EITC/AI/DLPTFK 딥 러닝에 대한 전체 오프라인 자가 학습 준비 자료를 PDF 파일로 다운로드하세요.