EITC/AI/DLPTFK Deep Learning avec Python, TensorFlow et Keras est le programme européen de certification informatique sur les principes fondamentaux de la programmation du deep learning en Python avec les bibliothèques de machine learning TensorFlow et Keras.
Le programme du Deep Learning EITC/AI/DLPTFK avec Python, TensorFlow et Keras se concentre sur les compétences pratiques en apprentissage profond de la programmation Python avec les bibliothèques TensorFlow et Keras organisées dans la structure suivante, englobant un contenu didactique vidéo complet comme référence pour cette certification EITC.
L'apprentissage profond (également connu sous le nom d'apprentissage structuré profond) fait partie d'une famille plus large de méthodes d'apprentissage automatique basées sur des réseaux de neurones artificiels avec apprentissage par représentation. L'apprentissage peut être supervisé, semi-supervisé ou non supervisé. Des architectures d'apprentissage en profondeur telles que les réseaux de neurones profonds, les réseaux de croyances profondes, les réseaux de neurones récurrents et les réseaux de neurones convolutifs ont été appliquées à des domaines tels que la vision par ordinateur, la vision par ordinateur, la reconnaissance vocale, le traitement du langage naturel, la reconnaissance audio, le filtrage des réseaux sociaux, la traduction automatique, la bioinformatique , la conception de médicaments, l'analyse d'images médicales, l'inspection des matériaux et les programmes de jeux de société, où ils ont produit des résultats comparables et, dans certains cas, surpassant les performances des experts humains.
Python est un langage de programmation interprété, de haut niveau et polyvalent. La philosophie de conception de Python met l'accent sur la lisibilité du code avec son utilisation notable d'espaces blancs importants. Ses constructions de langage et son approche orientée objet visent à aider les programmeurs à écrire un code clair et logique pour les projets à petite et grande échelle. Python est souvent décrit comme un langage «batteries incluses» en raison de sa bibliothèque standard complète. Python est couramment utilisé dans les projets d'intelligence artificielle et les projets d'apprentissage automatique à l'aide de bibliothèques telles que TensorFlow, Keras, Pytorch et Scikit-learn.
Python est typé dynamiquement (exécutant au moment de l'exécution de nombreux comportements de programmation courants que les langages de programmation statiques exécutent lors de la compilation) et récupéré (avec gestion automatique de la mémoire). Il prend en charge plusieurs paradigmes de programmation, y compris la programmation structurée (en particulier, procédurale), orientée objet et fonctionnelle. Il a été créé à la fin des années 1980 et publié pour la première fois en 1991 par Guido van Rossum en tant que successeur du langage de programmation ABC. Python 2.0, sorti en 2000, a introduit de nouvelles fonctionnalités, telles que la compréhension de liste et un système de récupération de place avec comptage de références, et a été interrompu avec la version 2.7 en 2020. Python 3.0, publié en 2008, était une révision majeure du langage qui est pas complètement rétrocompatible et une grande partie du code Python 2 ne fonctionne pas sans modification sur Python 3. Avec la fin de vie de Python 2 (et pip ayant abandonné le support en 2021), seuls Python 3.6.x et les versions ultérieures sont pris en charge, avec les anciennes versions toujours prenant en charge par exemple Windows 7 (et les anciens installateurs non limités à Windows 64 bits).
Les interpréteurs Python sont pris en charge pour les systèmes d'exploitation traditionnels et disponibles pour quelques autres (et dans le passé pris en charge beaucoup plus). Une communauté mondiale de programmeurs développe et maintient CPython, une implémentation de référence gratuite et open source. Une organisation à but non lucratif, la Python Software Foundation, gère et dirige les ressources pour le développement Python et CPython.
En janvier 2021, Python se classe troisième dans l'index TIOBE des langages de programmation les plus populaires, derrière C et Java, après avoir remporté la deuxième place et leur prix pour le gain de popularité le plus élevé pour 2020. Il a été sélectionné Langage de programmation de l'année en 2007, 2010 et 2018.
Une étude empirique a révélé que les langages de script, tels que Python, sont plus productifs que les langages conventionnels, tels que C et Java, pour les problèmes de programmation impliquant la manipulation de chaînes et la recherche dans un dictionnaire, et a déterminé que la consommation de mémoire était souvent «meilleure que Java et non bien pire que C ou C ++ ». Les grandes organisations qui utilisent Python comprennent notamment Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Au-delà de ses applications d'intelligence artificielle, Python, en tant que langage de script avec une architecture modulaire, une syntaxe simple et des outils de traitement de texte riches, est souvent utilisé pour le traitement du langage naturel.
TensorFlow est une bibliothèque de logiciels gratuits et open source pour l'apprentissage automatique. Il peut être utilisé dans une gamme de tâches, mais se concentre particulièrement sur la formation et l'inférence de réseaux de neurones profonds. C'est une bibliothèque mathématique symbolique basée sur le flux de données et la programmation différentiable. Il est utilisé à la fois pour la recherche et la production chez Google.
À partir de 2011, Google Brain a développé DistBelief en tant que système d'apprentissage automatique propriétaire basé sur des réseaux neuronaux d'apprentissage en profondeur. Son utilisation s'est rapidement développée dans diverses sociétés d'Alphabet dans les applications de recherche et commerciales. Google a chargé plusieurs informaticiens, dont Jeff Dean, de simplifier et de refactoriser la base de code de DistBelief en une bibliothèque de niveau application plus rapide et plus robuste, qui est devenue TensorFlow. En 2009, l'équipe, dirigée par Geoffrey Hinton, avait mis en œuvre une rétropropagation généralisée et d'autres améliorations qui permettaient de générer des réseaux de neurones avec une précision nettement supérieure, par exemple une réduction de 25% des erreurs de reconnaissance vocale.
TensorFlow est le système de deuxième génération de Google Brain. La version 1.0.0 a été publiée le 11 février 2017. Alors que l'implémentation de référence s'exécute sur des appareils uniques, TensorFlow peut s'exécuter sur plusieurs processeurs et GPU (avec des extensions CUDA et SYCL facultatives pour le calcul général sur les unités de traitement graphique). TensorFlow est disponible sur les plates-formes informatiques 64 bits Linux, macOS, Windows et mobiles, y compris Android et iOS. Son architecture flexible permet le déploiement facile du calcul sur une variété de plates-formes (CPU, GPU, TPU), et des ordinateurs de bureau aux clusters de serveurs en passant par les périphériques mobiles et périphériques. Les calculs TensorFlow sont exprimés sous forme de graphiques de flux de données avec état. Le nom TensorFlow dérive des opérations que ces réseaux de neurones exécutent sur des tableaux de données multidimensionnels, appelés tenseurs. Lors de la conférence Google I/O de juin 2016, Jeff Dean a déclaré que 1,500 référentiels sur GitHub mentionnaient TensorFlow, dont seulement 5 provenaient de Google. En décembre 2017, des développeurs de Google, Cisco, RedHat, CoreOS et CaiCloud ont présenté Kubeflow lors d'une conférence. Kubeflow permet le fonctionnement et le déploiement de TensorFlow sur Kubernetes. En mars 2018, Google a annoncé la version 1.0 de TensorFlow.js pour l'apprentissage automatique en JavaScript. En janvier 2019, Google a annoncé TensorFlow 2.0. Il est devenu officiellement disponible en septembre 2019. En mai 2019, Google a annoncé TensorFlow Graphics pour l'apprentissage en profondeur de l'infographie.
Keras est une bibliothèque de logiciels open source qui fournit une interface Python pour les réseaux de neurones artificiels. Keras agit comme une interface pour la bibliothèque TensorFlow.
Keras contient de nombreuses implémentations de blocs de construction de réseau neuronal couramment utilisés tels que des couches, des objectifs, des fonctions d'activation, des optimiseurs et une multitude d'outils pour faciliter le travail avec des données image et texte afin de simplifier le codage nécessaire à l'écriture de code de réseau neuronal profond. Le code est hébergé sur GitHub et les forums d'assistance de la communauté incluent la page des problèmes GitHub et un canal Slack.
En plus des réseaux de neurones standard, Keras prend en charge les réseaux de neurones convolutifs et récurrents. Il prend en charge d'autres couches utilitaires courantes telles que l'abandon, la normalisation par lots et la mise en commun. Keras permet aux utilisateurs de produire des modèles profonds sur des smartphones (iOS et Android), sur le Web ou sur la machine virtuelle Java. Il permet également l'utilisation de la formation distribuée de modèles d'apprentissage en profondeur sur des clusters d'unités de traitement graphique (GPU) et d'unités de traitement de tenseur (TPU). Keras a été adopté pour une utilisation dans la recherche scientifique en raison de Python (langage de programmation) et de sa propre facilité d'utilisation et d'installation. Keras était le 10e outil le plus cité dans le sondage sur les logiciels KDnuggets 2018 et a enregistré une utilisation de 22%.
Pour vous familiariser en détail avec le programme de certification, vous pouvez développer et analyser le tableau ci-dessous.
Le programme de certification EITC/AI/DLPTFK Deep Learning with Python, TensorFlow et Keras fait référence à des supports didactiques en libre accès sous forme de vidéo par Harrison Kinsley. Le processus d'apprentissage est divisé en une structure étape par étape (programmes -> leçons -> sujets) couvrant les parties pertinentes du programme.
Des conseils illimités avec des experts du domaine sont également fournis.
Pour plus de détails sur la procédure de certification, consultez Comment cela fonctionne.
Ressources de référence sur le curriculum
Google TensorFlow
https://www.tensorflow.org/
Ressources d'apprentissage Google TensorFlow
https://www.tensorflow.org/learn/
Documentation de l'API TensorFlow
https://www.tensorflow.org/api_docs/
Modèles et ensembles de données TensorFlow
https://www.tensorflow.org/resources/models-datasets/
Communauté TensorFlow
https://www.tensorflow.org/community/
Formation Google Cloud AI Platform avec TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Documentation Python
https://www.python.org/doc/
Python publie des téléchargements
https://www.python.org/downloads/
Guide Python pour les débutants
https://www.python.org/about/gettingstarted/
Guide du débutant du wiki Python
https://wiki.python.org/moin/BeginnersGuide
Tutoriel d'apprentissage machine Python W3Schools
https://www.w3schools.com/python/python_ml_getting_started.asp
Téléchargez le matériel préparatoire complet d'auto-apprentissage hors ligne pour le programme EITC/AI/DLPTFK Deep Learning avec Python, TensorFlow et Keras dans un fichier PDF.
Matériel préparatoire EITC/AI/DLPTFK – version standard
Documents préparatoires EITC/AI/DLPTFK – version étendue avec questions de révision