EITC/AI/DLPTFK Deep Learning karo Python, TensorFlow lan Keras minangka program Sertifikasi TI Eropa babagan dhasar-dhasar pamrograman jero ing Python kanthi perpustakaan pembelajaran mesin TensorFlow lan Keras.
Kurikulum EITC/AI/DLPTFK Deep Learning karo Python, TensorFlow lan Keras fokus ing katrampilan praktis ing pamrograman Python kanthi jero sinau karo perpustakaan TensorFlow lan Keras sing diatur ing struktur ing ngisor iki, kalebu konten didaktis video lengkap minangka referensi Sertifikasi EITC iki.
Sinau jero (uga dikenal minangka pembelajaran struktural sing jero) minangka bagean saka kulawarga metode pembelajaran mesin sing luwih jembar adhedhasar jaringan saraf buatan kanthi pembelajaran representasi. Sinau bisa diawasi, semi-ngawasi utawa ora diawasi. Arsitektur pembelajaran jero kayata jaringan saraf jero, jaringan kapercayan jero, jaringan saraf berulang lan jaringan saraf convolutional wis diterapake ing lapangan kalebu visi komputer, visi mesin, pangenalan ucapan, pamrosesan basa alam, pangenalan audio, penyaringan jaringan sosial, terjemahan mesin, bioinformatika , desain obat, analisis gambar medis, pamriksan materi lan program game papan, ing ngendi asil kasebut ngasilake asil sing sebanding lan ing sawetara kasus ngluwihi kinerja ahli manungsa.
Python minangka basa pamrograman sing wis ditafsirake, tingkat dhuwur lan tujuan umum. Filsafat desain Python negesake gampang maca kode kanthi panggunaan ruang putih sing signifikan. Konstruksi basa lan pendekatan berorientasi obyek tujuane mbantu para programer nulis kode sing jelas lan logis kanggo proyek skala cilik lan gedhe. Python asring diterangake minangka basa "kalebu batere" amarga perpustakaan standar sing komprehensif. Python umume digunakake ing proyek intelijen buatan lan proyek pembelajaran mesin kanthi bantuan perpustakaan kaya TensorFlow, Keras, Pytorch lan Scikit-learn.
Python diketik kanthi dinamis (nglakokake nalika runtime akeh prilaku pemrograman umum sing ditindakake basa pamrograman statis sajrone kompilasi) lan dikumpulake sampah (kanthi manajemen memori otomatis). Ndhukung macem-macem paradigma pemrograman, kalebu program sing wis kabentuk (utamane prosedural), orientasi obyek lan fungsional. Iki digawe ing pungkasan taun 1980an, lan pisanan dirilis ing taun 1991, dening Guido van Rossum minangka penerus basa pamrograman ABC. Python 2.0, sing diluncurake ing taun 2000, ngenalake fitur-fitur anyar, kayata pemahaman dhaptar, lan sistem pengumpulan sampah kanthi petungan referensi, lan ora diterusake karo versi 2.7 ing taun 2020. Python 3.0, dirilis ing 2008, minangka revisi utama basa yaiku kode Python 2 sing kompatibel ora mundur total lan akeh sing ora dimodifikasi ing Python 3. Kanthi pungkasan urip Python 2 (lan pip wis mudhun dhukungan ing taun 2021), mung Python 3.6.x lan mengko didhukung, isih isih ana versi lawas ndhukung kayata Windows 7 (lan installer lawas ora diwatesi kanggo Windows 64-bit).
Penerjemah Python didhukung kanggo sistem operasi mainstream lan kasedhiya sawetara liyane (lan sadurunge ndhukung akeh liyane). Komunitas programmer global nggawe lan njaga CPython, implementasi referensi sumber terbuka lan gratis. Organisasi nirlaba, Python Software Foundation, ngatur lan ngarahake sumber daya kanggo pangembangan Python lan CPython.
Ing wulan Januari 2021, Python rangking nomer telu ing indeks pamrograman TIOBE sing paling populer, ing mburine C lan Java, sadurunge entuk posisi nomer loro lan penghargaan kanggo entuk popularitas paling akeh kanggo taun 2020. Dipilih ing Programming Language of the Year ing taun 2007, 2010 , lan 2018.
Panaliten empiris nemokake manawa basa skrip, kayata Python, luwih produktif tinimbang basa konvensional, kayata C lan Java, kanggo masalah pemrograman sing kalebu manipulasi string lan telusuran ing kamus, lan nemtokake manawa konsumsi memori asring "luwih apik tinimbang basa Jawa lan dudu luwih ala tinimbang C utawa C ++ ”. Organisasi gedhe sing nggunakake Python kalebu Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram.
Ngluwihi aplikasi intelijen buatan, Python, minangka basa skrip kanthi arsitektur modular, sintaks sederhana lan alat pamroses teks sing sugih, asring digunakake kanggo ngolah basa alami.
TensorFlow minangka perpustakaan piranti lunak sumber terbuka lan gratis kanggo sinau mesin. Bisa digunakake ing macem-macem tugas, nanging fokus ing latihan lan inferensi jaringan saraf sing jero. Iki minangka perpustakaan matematika simbolis adhedhasar alur data lan program sing bisa dibedakake. Iki digunakake kanggo riset lan produksi ing Google.
Wiwit taun 2011, Google Brain nggawe DistBelief minangka sistem pembelajaran mesin kepemilikan adhedhasar jaringan saraf sinau sing jero. Panggunaane tuwuh kanthi cepet ing macem-macem perusahaan Abjad ing aplikasi riset lan komersial. Google milih sawetara ilmuwan komputer, kalebu Jeff Dean, kanggo nyederhanakake lan refactor codebase DistBelief dadi perpustakaan kelas aplikasi sing luwih cepet lan kuat, sing dadi TensorFlow. Ing taun 2009, tim kasebut, dipimpin dening Geoffrey Hinton, wis ngetrapake backpropagation umum lan perbaikan liyane sing ngidini nggawe jaringan saraf kanthi akurasi sing luwih dhuwur, kayata 25% kesalahan ing pangenalan ucapan.
TensorFlow minangka sistem generasi kaping loro Google Brain. Versi 1.0.0 dirilis tanggal 11 Februari 2017. Nalika implementasi referensi mlaku ing piranti siji, TensorFlow bisa mbukak pirang-pirang CPU lan GPU (kanthi ekstensi CUDA lan SYCL opsional kanggo komputasi tujuan umum ing unit pamroses grafis). TensorFlow kasedhiya ing platform 64-bit Linux, macOS, Windows, lan komputasi seluler kalebu Android lan iOS. Arsitektur sing fleksibel ngidini panggunaan komputasi kanthi gampang ing macem-macem platform (CPU, GPU, TPU), lan saka desktop menyang klompok server menyang piranti seluler lan pinggiran. Komputasi TensorFlow ditulis minangka grafik aliran data sing stateful. Jeneng TensorFlow asale saka operasi sing ditindakake jaringan saraf kasebut ing susunan data multidimensi, sing diarani tegangan. Sajrone Konferensi Google I/O ing wulan Juni 2016, Jeff Dean negesake manawa 1,500 repositori ing GitHub nyebutake TensorFlow, sing mung 5 saka Google. Ing Desember 2017, pangembang saka Google, Cisco, RedHat, CoreOS, lan CaiCloud ngenalake Kubeflow ing sawijining konferensi. Kubeflow ngidini operasi lan penyebaran TensorFlow ing Kubernetes. Ing wulan Maret 2018, Google ngumumake versi 1.0 TensorFlow.js kanggo pembelajaran mesin ing JavaScript. Ing Januari 2019, Google ngumumake TensorFlow 2.0. Kasedhiya resmi ing Sep 2019. Ing Mei 2019, Google ngumumake TensorFlow Graphics kanggo sinau jero grafis komputer.
Keras minangka perpustakaan piranti lunak sumber terbuka sing nyedhiyakake antarmuka Python kanggo jaringan saraf buatan. Keras minangka antarmuka kanggo perpustakaan TensorFlow.
Keras ngemot pirang-pirang implementasi blok bangunan jaringan saraf sing umum digunakake kayata lapisan, tujuan, fungsi aktivasi, pangoptimal, lan macem-macem alat kanggo nggarap data gambar lan teks supaya luwih gampang nyederhanakake kodhe sing dibutuhake kanggo nulis kode jaringan saraf utama. Kode kasebut dianakake ing GitHub, lan forum dhukungan komunitas kalebu kaca masalah GitHub, lan saluran Slack.
Saliyane jaringan saraf standar, Keras duwe dhukungan kanggo jaringan saraf konvolusi lan bola-bali. Ndhukung lapisan utilitas umum liyane kayata dropout, normalisasi batch, lan pooling. Keras ngidini pangguna ngasilake model jero ing smartphone (iOS lan Android), ing web, utawa ing Java Virtual Machine. Uga ngidini panggunaan pelatihan distribusi model pembelajaran jero ing klompok unit pemrosesan Grafis (GPU) lan unit pemrosesan tarik (TPU). Keras wis digunakake kanggo digunakake ing riset ilmiah amarga Python (basa pamrograman) lan gampang digunakake lan dipasang dhewe. Keras minangka alat kaping 10 sing paling akeh disebutake ing polling perangkat lunak KDnuggets 2018 lan panggunaan 22% panggunaan.
Kanggo ngerteni kanthi rinci babagan kurikulum sertifikasi, sampeyan bisa nggedhekake lan nganalisa tabel ing ngisor iki.
EITC/AI/DLPTFK Deep Learning karo Python, TensorFlow lan Kurikulum Sertifikasi Keras referensi bahan didaktik akses mbukak ing wangun video dening Harrison Kinsley. Proses sinau dipérang dadi struktur langkah-langkah (program -> pelajaran -> topik) sing nyakup bagean kurikulum sing cocog.
Konsultasi tanpa wates karo ahli domain uga kasedhiya.
Kanggo rincian mriksa prosedur Sertifikasi Cara kerjane.
Sumber Referensi Kurikulum
Google TensorFlow
https://www.tensorflow.org/
Sumber Sinau Google TensorFlow
https://www.tensorflow.org/learn/
Dokumentasi API TensorFlow
https://www.tensorflow.org/api_docs/
Model lan Datasets TensorFlow
https://www.tensorflow.org/resources/models-datasets/
Komunitas TensorFlow
https://www.tensorflow.org/community/
Pelatihan Platform Google Cloud AI karo TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Dokumentasi Python
https://www.python.org/doc/
Python ngeculake download
https://www.python.org/downloads/
Python kanggo Pandhuan Wiwitan
https://www.python.org/about/gettingstarted/
Pandhuan Wiwitan Wiki Python
https://wiki.python.org/moin/BeginnersGuide
Tutorial Sinau Mesin Python W3Schools
https://www.w3schools.com/python/python_ml_getting_started.asp
Unduh materi persiapan sinau mandiri offline lengkap kanggo EITC/AI/DLPTFK Deep Learning karo program Python, TensorFlow lan Keras ing file PDF
Bahan persiapan EITC/AI/DLPTFK - versi standar
Bahan persiapan EITC/AI/DLPTFK - versi lengkap kanthi pitakonan review