EITC/AI/TFF TensorFlow Fundamentals یک برنامه صدور گواهینامه IT اروپا در کتابخانه یادگیری ماشین Google TensorFlow است که امکان برنامه نویسی هوش مصنوعی را فراهم می کند.
برنامه درسی اصول EITC/AI/TFF TensorFlow بر جنبه های نظری و مهارت های عملی در استفاده از کتابخانه TensorFlow که در ساختار زیر سازمان یافته است ، متمرکز است ، شامل محتوای جامع تعلیمی ویدئویی به عنوان مرجع این گواهینامه EITC.
TensorFlow یک کتابخانه نرم افزاری رایگان و منبع باز برای یادگیری ماشین است. این می تواند در طیف وسیعی از کارها مورد استفاده قرار گیرد اما تمرکز ویژه ای بر آموزش و استنتاج شبکه های عصبی عمیق دارد. این یک کتابخانه ریاضی نمادین است که مبتنی بر گردش داده و برنامه نویسی قابل تغییر است. هم برای تحقیق و هم برای تولید در Google استفاده می شود.
از سال 2011 ، Google Brain DistBelief را به عنوان یک سیستم یادگیری ماشین اختصاصی مبتنی بر شبکه های عصبی یادگیری عمیق ایجاد کرد. استفاده از آن در شرکت های مختلف Alphabet در هر دو کاربرد تحقیقاتی و تجاری به سرعت رشد کرد. گوگل چندین دانشمند رایانه ای از جمله جف دین را به منظور ساده سازی و تبدیل مجدد پایگاه کد DistBelief به یک کتابخانه با کاربرد سریع تر و قوی تر ، که به TensorFlow تبدیل شد ، اختصاص داد. در سال 2009 ، تیم تحت هدایت جفری هینتون ، تبلیغات عقب مانده عمومی و سایر پیشرفت هایی را که امکان تولید شبکه های عصبی را با دقت بسیار بالاتری فراهم کرده بود ، به عنوان مثال 25٪ کاهش خطاها در تشخیص گفتار ، پیاده سازی کرده بودند.
TensorFlow سیستم نسل دوم Google Brain است. نسخه 1.0.0 در 11 فوریه 2017 منتشر شد. در حالی که پیاده سازی مرجع در دستگاه های منفرد اجرا می شود ، TensorFlow می تواند روی چندین CPU و GPU (با پسوندهای CUDA و SYCL اختیاری برای محاسبات منظوره عمومی در واحدهای پردازش گرافیک) اجرا شود. TensorFlow در سیستم عامل های 64 بیتی لینوکس ، macOS ، ویندوز و رایانه همراه از جمله Android و iOS در دسترس است. معماری انعطاف پذیر این امکان را برای شما فراهم می کند تا بتوانید محاسبات را در انواع مختلف سیستم عامل ها (CPU ها ، GPU ها ، TPU ها) و از دسک تاپ تا خوشه های سرورها گرفته تا دستگاه های تلفن همراه و لبه به راحتی انجام دهید. محاسبات TensorFlow به صورت نمودارهای گردش داده داده بیان می شوند. نام TensorFlow از عملیاتی که چنین شبکه های عصبی بر روی آرایه های داده های چند بعدی انجام می دهند ، گرفته می شود که از آنها به عنوان سنسور یاد می شود. در جریان کنفرانس I/O گوگل در ژوئن 2016 ، جف دین اظهار داشت که 1,500 مخزن در GitHub از TensorFlow نام بردند که فقط 5 مورد از آنها از Google بود. در دسامبر 2017 ، توسعه دهندگان گوگل ، سیسکو ، RedHat ، CoreOS و CaiCloud در یک کنفرانس Kubeflow را معرفی کردند. Kubeflow امکان استفاده و استقرار TensorFlow را روی Kubernetes فراهم می کند. در مارس 2018 ، گوگل TensorFlow.js نسخه 1.0 را برای یادگیری ماشین در JavaScript اعلام کرد. در ژانویه 2019 ، گوگل TensorFlow 2.0 را اعلام کرد. این در سپتامبر 2019 به طور رسمی در دسترس قرار گرفت. در ماه مه 2019 ، Google TensorFlow Graphics را برای یادگیری عمیق در گرافیک رایانه اعلام کرد.
برای آشنایی کامل با برنامه درسی گواهینامه می توانید جدول زیر را گسترش داده و تجزیه و تحلیل کنید.
برنامه درسی EITC/AI/TFF TensorFlow Fundamentals Certification به مواد آموزشی با دسترسی آزاد در فرم ویدیویی ارجاع می دهد. فرآیند یادگیری به یک ساختار گام به گام (برنامه ها -> درس ها -> موضوعات) تقسیم می شود که بخش های برنامه درسی مربوطه را پوشش می دهد. مشاوره نامحدود با کارشناسان حوزه نیز ارائه می شود.
برای جزئیات بیشتر در مورد روش صدور گواهینامه بررسی کنید چگونه کار می کند.
منابع مرجع برنامه درسی
Google TensorFlow
https://www.tensorflow.org/
منابع آموزشی Google TensorFlow
https://www.tensorflow.org/learn/
مستندات API TensorFlow
https://www.tensorflow.org/api_docs/
مدل ها و مجموعه داده های TensorFlow
https://www.tensorflow.org/resources/models-datasets/
انجمن TensorFlow
https://www.tensorflow.org/community/
آموزش بستر هوش مصنوعی Google Cloud با TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
دانلود کامل مطالب آماده سازی خودآموز آفلاین برای برنامه EITC/AI/TFF TensorFlow Fundamentals در یک فایل PDF