A TensorFlow fejlesztői tanúsítvány vizsga letétele

Idén március 12-én a TensorFlow csapata bevezette a TensorFlow fejlesztői tanúsító vizsgát.

Június 13-ig vágok, és a TensorFlow fejlesztői tanúsítvánnyal rendelkezem. ✅

Mi történt tehát ebben a 3 hónapos szakadékban?

Miután teljesítettem minden üzleti és személyes elkötelezettségemet, sikerült egy hónapot levennem a vizsga előkészítésére. Miután tanulmányoztam a vizsga minden részletét, elkészítettem egy tanulási tervet, hogy 14 nap alatt felkészülhessek a vizsgára *.

Ez minden klassz - de mi a TensorFlow?

A lényeg: A TensorFlow egy végpontok közötti, nyílt forráskódú gépi tanulási platform. A könyvtárak, eszközök és közösségi erőforrások átfogó ökoszisztémájával rendelkezik, amely lehetővé teszi az ML / AI mérnökök, tudósok / elemzők számára, hogy ML alapú alkalmazásokat építsenek és telepítsenek.

A Google, az Airbnb, a DeepMind, az Intel, a Twitter és még sokan mások a TensorFlow segítségével működnek, és ez segít a problémák széles skálájának megoldásában.

Most nem vagyok tanúsító evangélista. De mivel már olyan szorosan használtam és követtem a TensorFlow-t mint Data Science Enthusiast, felkeltette a figyelmemet.

Csodálatos tanulási folyamat volt, és itt vagyok, hogy megosszam az összes apró részletet arról , hogy mi a program, hogyan csináltam, és hogyan tudod te is megcsinálni!

Miről szól ez a tanúsítványprogram ?

A tanúsítvány hivatalos érvényesítés, amely megerősíti a TensorFlow-val való jártasságát a mély tanulási és az ML-problémák megoldása tekintetében a mesterséges intelligencia által vezérelt munkaerőpiacon.

Ha valaki rendelkezik a mély neurális hálózatok fejlesztésével és a problémák megoldásával kapcsolatos képességekkel, akkor leteheti a vizsgát, hogy megkülönböztesse magát a tanúsítvánnyal.

Ajjaj! Nem egy másik tanúsító program ...?

Miért kellene vizsgáznod?

Először is, ez nem olyan, mint a tanúsítás, amikor néhány 2-3 perces videóelőadást néz meg, és egy feleletválasztós kérdésekből álló kvízt végez és igazolást szerez. Ehhez meg kell kódolnia és meg kell oldania egy sor problémát, amelyekre fel kell készülnie.

Másodszor, hányszor gondolt arra, hogy elsajátítson egy új könyvtárat vagy technikát, majd félúton felhagyott terveivel? Ha olyan vagy, mint én, akkor az esetek 99% -ában.

Számomra a képesítés a tanulási utam célpontja volt. Volt némi tapasztalatom a TensorFlow használatával, de ez kihívásként jelentkezett olyan problémák kezelésében, amelyeket valójában még nem oldottam meg magam.

Harmadszor, figyelemmel kell kísérnie legalább a saját területén lévő technológiai teret. Tehát itt van a StackOverflow trendje, amely megmutatja, hogy a TensorFlow-t milyen sok felhasználó használja, akik a platform minden 100 kérdéséből csaknem egyet jelentenek:

Végül úgy érzem, hogy a Google mindig értéket nyújt felhasználóinak / fejlesztőinek. Úgy gondolom, hogy a vizsga felépítésének módja miatt érdemes kipróbálni, mivel érvényesíti képességeit és súlyt ad a profiljának.

OKÉ! Eladtam, el tudnád mondani, mit kell tennem ezen a vizsgán?

Vizsga végigjátszás

A vizsga egy online teljesítményalapú teszt, ahol olyan kérdéseket kapsz, amelyeket megoldani kell a TensorFlow modellek felépítésével egy dedikált PyCharm környezetben.

Ezt a vizsgát olyan számítógépről teheti le, amely támogatja a PyCharm IDE követelményeket. Szüksége lesz megbízható internet-kapcsolatra, és bármikor leteheti a vizsgát, amikor Önnek megfelel (én éjfélkor kezdtem az enyémet).

A vizsga teszteli a képességét olyan problémák megoldására, mint a valós besorolású képek képosztályozása , a természetes nyelv feldolgozása és az idősor előrejelzése a Tensorflow 2.x használatával .

Legfeljebb 5 órát vehet igénybe a vizsgán. Ha túllépi a határidőt, a vizsga automatikusan beküldik, és csak azokra a kérdésekre osztályozhatja, amelyekre benyújtotta és tesztelte a modelljét.

Bármilyen tanulási forrást használhat, amelyet normálisan használna az ML fejlesztési munkája során.

Vizsga költsége: Minden kísérlet 100 USD-ba kerül.

Ah- hah ! akkor hogyan készült fel erre az ijesztő hosszú vizsgára?

Hogyan kezdtem a vizsgára való felkészülést

Először jó időt töltöttem azzal, hogy tanulmányoztam a vizsgát. A TensorFlow csapata biztosítja ezt az átfogó kézikönyvetamely minden részletet elmond a vizsgáról és arról, hogy milyen készségeket kell elsajátítania a vizsga előtt:

A vizsga tanulmányozása után egy olyan tananyagot készítettem magamnak, amely minden olyan készséget lefed, amelyről e kézikönyv említést tesz.

Ezután beállítottam magamnak egy ütemtervet , hogy a munkával kapcsolatos feladataim ne toljanak el a pályáról, és a tanulást prioritásként kezeltem arra a ~ 20 napra.

És ennyi - kezdtem a vizsgára való felkészülést az alábbi ajánlott és hasznos forrásokból álló tananyag használatával:

[Imp]: Tanulási tanterv - A vizsga letételéhez felhasznált összes erőforrás áttekintése

A Tensorflow vagy a Machine learning előtt új ember számára a kézikönyv félelmetes képet mutat. De ha van egy terved és összeállítasz egy ütemtervet, akkor átjutsz rajta. Itt van a tanterv, amely felkészíti a vizsgára.

A Tensorflow csapata ismét elképesztő munkát végzett, és javaslatot tett az erőforrásokra a gépi tanulás ismeretei alapján. Ráadásul követtem néhány könyvet és lejátszási listát, amelyek nagyon sokat segítettek az agyam alapjainak megerősítésében, és segítettek túllépni magukon a vizsgakövetelményeken.

Azt is vizsgálta ezeket a forrásokat, hogy szoktam egy pontozási skálán 5 , alapján le a következő tulajdonságokkal rendelkezik:

  • Hasznosság - a vizsga letétele
  • Tanulási érték - lehet, hogy nincs közvetlen hatással a vizsga eredményeire, de segít erős alapot építeni és összetettebb problémákkal foglalkozni.

Az alábbiakban felsoroljuk az erőforrások listáját, az idővel és költségekkel együtt, amelyek mindegyiknek felmerül:

1. Coursera TensorFlow gyakorlati specializációja

Hasznosság: 5/5 - Erre feltétlenül szükség van a vizsga sikeres (vagy akár sikeres) megszerzéséhez. Ez segít minden olyan készség áttekintésében, amely szerepel a Kézikönyv készség-ellenőrzőlistáján. Ez az ajánlott tanfolyam a tanúsítás honlapján.

Ha alaposan tanulmányozza a készségek ellenőrzőlistáját, majd összehasonlítja a kurzus vázlatával, akkor képes lesz kitalálni az egyes készségek közvetlen feltérképezését. Úgy tűnik, hogy vagy a tanfolyamot a tanúsító vizsga szem előtt tartásával hozták létre, vagy fordítva.

A teljes specializáció 4 tanfolyamot tartalmaz:

  • Bevezetés a gépi tanulásba és a mély tanulásba.
  • Konvolúciós neurális hálózatok a TensorFlow-ban
  • Természetes nyelvfeldolgozás a TensorFlow-ban
  • Szekvencia, idősorok és előrejelzés

Tanulási érték: 4/5 - Maga a tanfolyam más forrásoktól függ, amelyek segítenek megérteni az általa használt alapvető fogalmakat és témákat. Ez inkább gyakorlati tanfolyam.

Idő: 4–8 hétnek kell eltelnie, a dedikált idő függvényében. Korábbi tapasztalataim voltak a képosztályozási problémákkal kapcsolatban, és 14 napba telt, mire végignéztem a teljes specializációs sorozatot, és gyakoroltam az összes általuk nyújtott gyakorlatot.

Költség: Ennek költsége havi 59 dollár, egy 7 napos ingyenes próbaidőszak után. Teljesen megéri, ha fizetnie kell. A többi forrás ingyenes alternatívát kínál.

2. YouTube lejátszási listák a Machine Learning Alapítványról, Laurence Moroney

Hasznosság: 4/5 - Ez egy alternatíva a TensorFlow szakterületen induló 2 tanfolyam indításához a Google Developers YouTube csatornán.

Van egy dedikált NLP zero to hero lejátszási lista, ugyanazon szerző - Laurence Moroney.

Tanulási érték: 3/5 - Ugyanolyan, mint fent, de más videókra és forrásokra támaszkodik, ha Ön kezdő a gépi tanulásban.

Idő: lejátszási listánként 1-2 hét, ha napi 3–4 órát szán a felkészülésre.

Költség: Ingyenes

3. Gyakorlati gépi tanulás a Scikit-Learn, a Keras és a TensorFlow, 2. kiadás segítségével

Hasznos: 3/5 - A pontszám a vizsga szempontjából releváns . A kezdők számára ez egy alapforrás a gépi tanulás megértéséhez, majd fokozatos elmélyüléséhez a mély tanulás, a TensorFlow, a Computer Vision, a CNN, az RNN és ​​még sok más mélyén.

Az alábbiakban olvasható a könyv leghasznosabb fejezete:

  • 10. fejezet - Bevezetés a mesterséges ideghálózatokba Kerassal
  • 11. fejezet - A mély neurális hálózatok képzése
  • 12. fejezet - Egyedi modellek és edzés a TensorFlow segítségével
  • 13. fejezet - Adatok betöltése és előfeldolgozása a TensorFlow segítségével
  • 14. fejezet - Mély számítógéplátás konvolúciós neurális hálózatok használatával
  • 15. fejezet - Szekvenciák feldolgozása RNN és ​​CNN használatával
  • 16. fejezet - Természetes nyelv feldolgozása RNN-ekkel és figyelem

A vizsga előtt olvastam ezt a könyvet, a szerző Aurelion pedig létrehozott egy gyöngyszemét egy könyvnek, amellyel a pályakezdő adatkutatók, az ML / AI mérnökei dolgoznak.

Kideríti az alapfogalmakat, elmagyarázza az egyes algoritmusok mögötti matematikát, majd elmagyarázza a gyakorlati kódot a problémák megoldására, a legjobb gyakorlatokkal együtt, mindenre kiterjedően. KÖTELEZŐ olvasmány minden gépi tanulásra pályázó számára.

Tanulási érték: 5/5 - Ez messze a legjobb könyv a gépi tanulás megkezdéséhez.

Idő: 3-4 hónap - azt javaslom, hogy olvassa el lassan az egyes fejezeteket, majd gyakorolja az egyes fejezetek végén megadott gyakorlatot.

Költség: Ha megengedheti magának, ajánlom egy O'Reilly Media előfizetés megszerzését havi 50 dollárért, ahol nemcsak ezt a könyvet kapja meg, hanem az összes kiadványt és videó / élő előadást. Alternatív megoldásként megvásárolhatja a papírkötést az Amazon-on az Ön régiójában elérhető áron (kb. 60 USD).

O'Reilly oktató vagyok, így a portálomon rendelkezésre állnak az erőforrások.

4. Egyéb hasznos YouTube lejátszási listák

Ez néhány lejátszási lista, amin átmentem, hogy jól átfogjam a szükséges fogalmakat:

  • MIT 6.S191: Bevezetés a mély tanulásba:

    Hasznosság 3/5 - Segít megismerkedni a TensorFlow segítségével az ideghálózatok mély tanulásában és fejlesztésében. A lejátszási listának az első 3 videót át kell fednie - Bevezetés a DL-be, a visszatérő neurális hálózat és a konvolúciós neurális hálózatok.

    Tanulási érték 4/5 - Jó frissítést ad az alapokról, és jó videóként használtam megnézéshez, amikor éppen kedvem volt nézni, és valójában nem sok gyakorlati munkát végeztem.

    Költség: Ingyenes

    Idő: 3 óra

  • Konvolúciós neurális hálózatok, Andrew NG

    Csakúgy, mint a fenti lejátszási lista, de Andrew NG módszerével elmagyarázza a mély tanulást. Tavaly néztem meg ezt a sorozatot, nagyon hasznos.

    Megnéztem azokat a videókat, amelyeket Laurence tanfolyamán ajánlott.

    Hasznosság: 3/5 - További információk az alapokról.

    Tanulási érték: 4/5

    Idő: 8–10 óra az egyes videók fogalmainak megértéséhez.

  • Andrew NG szekvenciamodelljei

    Hasznosság: 3/5 - További információk az alapokról.

    Tanulási érték: 4/5

    Idő: 8–10 óra az egyes videók fogalmainak megértéséhez.

5. A PyCharm oktatósorozat és a környezet Állítson be irányelveket

Abban az esetben, ha még soha nem dolgozott IDE-ben, nagyon ajánlott megismerkedni a vizsga környezetével.

Hasznosság: 5/5 (kötelező) - Ez egy kezdő sorozat a PyCharm kezdők számára, amely segít felgyorsulni a PyCharm hatékony használatával kapcsolatban.

Tanulási érték: NA

Feltétlenül olvassa el a TensorFlow Developer Certificate vizsga letételéhez szükséges környezetvédelmi irányelveket.

Kövesse a PDF-ben említett utasításokat, mert a tanúsító csoport nem tehető felelőssé gondatlanságáért.

Hú! Ez az erőforrások hosszú listája, hogyan sikerült tanulmányozni?

Előkészítési ütemtervem

Április végéig biztosan bejelöltem ezt a listámból. Ugyanúgy felvenném, mint bármely más projektet, és elhatároztam, hogy átlátom.

Tehát minden este megterveztem, hogy mit fogok csinálni másnap reggel. A rózsaszínű időrések blokkolva vannak a tanfolyamon való tanuláshoz. Ez a 3–4 óra volt a legeredményesebb, ahol a legjobban meg tudtam fogni.

Meglehetősen következetes rutinom volt a 2 hét alatt, és emeltem az intenzitást, amikor a vizsga napjához közeledtem, és minden nap több mint 5-6 órás gyakorlattal rendelkeztem.

Ok, szóval a tanulásod volt a folyamatod?

Hogyan tanultam

Először minden héten megnéztem a leckéket, majd a videó leckéket követően gyakoroltam a kódot az oszlopban.

Minden hét végén elvégzem a Laurence által a tanfolyamán tervezett feladatot.

MEGJEGYZÉS: Én magam írtam a teljes kódot, nem csak a helyőrző kódot töltöttem ki.

A Hands-on ML könyv fejezeteit késõbb éjjel alvás elõtt vagy az idõszak végén is átnézném, hogy minden kristálytiszta legyen. Aztán megismerkedtem a következő lépésekkel, amelyek túlmutattak a vizsga tantervén.

TL; DR: NÉZÉS. KÓD. GYAKORLAT. OLVAS. ISMÉTLÉS.

Minden felkészült a vizsga letételére - mi következik?

Ha úgy gondolja, hogy áttekintette a Kézikönyvben említett összes készséget, és úgy érzi, készen áll a vizsga letételére, az nagyszerű.

Most már készen áll a vizsga megvásárlására. A szolgáltatást egy TrueAbility nevű harmadik fél platformja szolgálja. Be kell nyújtania a hatóság által kiállított személyi igazolványt (az útlevél működne) hitelesítés céljából.

Fizessen 100 dollárt a vizsgáért. Most már jól megy, elkezdheti a vizsgát, amikor és amikor készen áll.

Részletes útmutatást adnak arról, hogyan állítsa be a PyCharm-ot a vizsgára. A következőket javaslom tenni a vizsga megkezdése előtt:

  • Győződjön meg arról, hogy jó megbízható internetkapcsolattal rendelkezik.
  • Győződjön meg róla, hogy átesett a PyCharm kezdő oktatóprogramján, ha még nem ismeri az IDE-t.
  • Néhány TensorFlow oktatóanyag futtatásával teszteltem a PyCharm-ot. Remekül működtek, és a kezdéshez készen álltam a vizsga plugin telepítésére.
  • Alaposan elolvastam a vizsga utasításait, mielőtt megnyomtam a vizsga indítás gombját. A vizsgára való feliratkozás után megkapjuk.

HIT a vizsga indítása gombra!

A vizsga alatt

Létrehozza a vizsgakörnyezetét, és azokra a kérdésekre irányul, amelyeket meg kell oldania. Nem osztom meg a vizsga részleteit, mivel ez etikátlan lenne.

Tapasztalatom szerint mindez zökkenőmentesen zajlott, és meglehetősen bíztam benne, hogy a kérdések megvizsgálása után elvégzem a vizsgát. És bizony 3 órán belül elvégeztem a vizsgát .

Tippek és trükkök

  • Győződjön meg róla, hogy a vizsga előtt 1-2 nappal gyakoroljon néhány gyakorlatot a PyCharm-on, ahelyett, hogy csak Colab-füzeteken dolgozna.
  • A helyi gépemen időt igénylő modellek esetében kiképeztem őket a Google Colab-on, majd feltöltöttem a betanított modellt a projekt mappába.
  • Folyamatosan dolgozzon más kérdéseken, amíg a modell edz; 3 modellem volt edzés alatt - 1 a gépemen és 2 a Google colabon, és a 4-en dolgoztam, miközben a hiperparamétereket próbáltam hangolni.
  • Ha elegendő ideje van, próbálja meg továbbra is a legjobb eredményeket elérni az egyes modelleknél.

Vizsga utáni rituálék

Ha végzett, nyomja meg a Küldés és a vizsga befejezése gombot. Amikor végeztem, kaptam egy e-mailt a TrueAbility-től, amelyben gratuláltam a vizsga letételéhez:

Nincs részletes elemzés vagy jelentés arról, hogyan teljesített a vizsgán. Egyszerűen megemlítik, hogy letette-e a vizsgát.

A vizsga letétele után csatlakoznia kell a TensorFlow tanúsítványhálózathoz, amely megmondja a különböző régiók tanúsítványtulajdonosait:

Hol van a tanúsítvány?

Körülbelül egy hétbe telik, hogy a kezébe kerüljön a tanúsítvány. 3 nappal a vizsga után megkaptam az enyémet.

Miután megkapta a tanúsítványt, felvillanthatja ezt a jelvényt a közösségi média profiljaiban, és eredményként jelölheti meg önéletrajzában.

Vizsga GYIK

Tényleg olyan fontos a vizsga letétele, nem dolgozhatok-e csak egy egyenértékű projekten az egyes szakaszok alapján?

Azt mondanám, hogy ezt mindenképpen megteheti, sőt, valószínűleg ez a jobb megközelítés, amikor új készséget fejleszt.

De a vizsga segít felismerni, és mivel a Google-tól származik, nagyon jó. Ez nem egy mindenre kiterjedő megoldás a mély tanulás vagy a TensorFlow elsajátításához.

A semmiből szeretném kezdeni, milyen erőforrásokat kell néznem?

Tanulj dolgokkal. Sok blog beszél a mély matematika elsajátításáról, de hamarosan elveszíti érdeklődését ezzel a megközelítéssel.

Kezdje azzal, hogy megtanulja a programozást (Python vagy bármely más nyelv), majd fokozatosan merüljön el a Gépi Tanulásban. Andrew NG ezt a tanfolyamot is megtekintheti.

Mindig szükségem van egy mentorra vagy valakire, aki arra késztet, hogy tegyek dolgokat és oldjam meg a kétségeimet és problémáimat. Tudna-e megoldást javasolni?

A mentor valóban sok esetben segít. Ha valaki azt akarja, hogy ezeken az erőforrásokon kívül valaki segítsen a tézisek részleteiben, megnézheti a Codementort, ahol ML és AI szakértőket talál, akik segítenek minden kérdésének megoldásában.

Ez egy kicsit drága számomra, van-e ingyenes vagy olcsóbb megközelítés?

Igen, a Tensorflow csapata felajánl néhány ösztöndíjat azoknak az embereknek, akiknek nehézségei lehetnek a vizsga megszerzésében. További részletekért látogassa meg ezt a linket.

Ha a kérdésével itt nem foglalkozunk, nyugodtan válaszoljon erre a bejegyzésre, és visszajövök. :)

Mi a következő lépés?

Csakúgy, mint bármely más készségnél, kezdjen dolgokat felépíteni és valós projekteken dolgozni. Kezdje el vizsgálni az olyan nyílt forráskódú projekteket, mint a TensorFlow. Jelentkezzen állásokra ezzel a kitűzővel, és ossza meg történeteit másokkal.

Egy komplett Deep Learning Foundation sorozaton dolgozom, amely hasznos lesz az ML / DL aspiránsok számára. Nézheted, ahogy közben a Youtube-csatornámon tanítok.

Itt van egy videó ezen a blogon, ahol megnézheted, hogyan osztom meg az utamat:

Hamarosan egy teljes sorozatot fogok bemutatni a TensorFlow-n. Iratkozzon fel a csatornámra érdekes adattudományi tartalmakért.

Adattudomány Harshit-szal

Ezzel a csatornával tervezek pár sorozatot lefuttatni, amely lefedi az egész adattudományi teret. Ezért érdemes feliratkoznia a csatornára:

  • Ezek a sorok az összes előírt / megkövetelt minőségi oktatóanyagot lefedik az egyes témákban és altémákban, például a Python alapjai az adattudomány számára.
  • Elmagyarázta a matematikát és annak levezetését, hogy miért tesszük azt, amit az ML-ben és a mély tanulásban.
  • Podcastok a Google, a Microsoft, az Amazon stb. Adatkutatóival és mérnökeivel, valamint nagy adatközpontú vállalatok vezérigazgatóival.
  • Projektek és utasítások az eddig tanult témák megvalósításához.