पायथन और पायट्रैक के साथ EITC/AI/DLPP डीप लर्निंग PyTorch मशीन लर्निंग लाइब्रेरी के साथ पायथन में प्रोग्रामिंग प्रोग्रामिंग की बुनियादी बातों पर यूरोपीय आईटी प्रमाणन कार्यक्रम है।
पायथन और पायट्रैक के साथ EITC/AI/DLPP डीप लर्निंग का पाठ्यक्रम निम्नलिखित संरचना के भीतर आयोजित PyTorch पुस्तकालय के साथ गहन शिक्षण Python प्रोग्रामिंग में व्यावहारिक कौशल पर केंद्रित है, इस EITC प्रमाणन के लिए एक संदर्भ के रूप में व्यापक वीडियो उपदेशात्मक सामग्री शामिल है।
डीप लर्निंग (जिसे गहरी संरचित शिक्षा के रूप में भी जाना जाता है) प्रतिनिधित्व सीखने के साथ कृत्रिम तंत्रिका नेटवर्क पर आधारित मशीन सीखने के तरीकों के व्यापक परिवार का हिस्सा है। अधिगम की देखरेख, अर्ध-पर्यवेक्षण या अप्रस्तुत किया जा सकता है। डीप लर्निंग आर्किटेक्चर्स जैसे डीप न्यूरल नेटवर्क, डीप विश्वास नेटवर्क, रीक्रिएट न्यूरल नेटवर्क और कन्वेन्शनल न्यूरल नेटवर्क को कंप्यूटर विज़न, मशीन विजन, स्पीच रिकग्निशन, नेचुरल लैंग्वेज प्रोसेसिंग, ऑडियो रिकॉग्निशन, सोशल नेटवर्क फ़िल्टरिंग, मशीन ट्रांसलेशन, बायोइनफॉरमैटिक्स सहित फ़ील्ड्स पर लागू किया गया है , ड्रग डिज़ाइन, मेडिकल इमेज एनालिसिस, मटेरियल इंस्पेक्शन और बोर्ड गेम प्रोग्राम, जहाँ उन्होंने तुलनात्मक रूप से परिणाम प्रस्तुत किए हैं और कुछ मामलों में मानव विशेषज्ञ प्रदर्शन को पार कर गए हैं।
पायथन एक व्याख्यात्मक, उच्च-स्तरीय और सामान्य-प्रयोजन प्रोग्रामिंग भाषा है। पायथन का डिजाइन दर्शन महत्वपूर्ण व्हाट्सएप के उल्लेखनीय उपयोग के साथ कोड पठनीयता पर जोर देता है। इसकी भाषा निर्माण और वस्तु-उन्मुख दृष्टिकोण का उद्देश्य प्रोग्रामरों को छोटे और बड़े पैमाने पर परियोजनाओं के लिए स्पष्ट, तार्किक कोड लिखने में मदद करना है। पायथन को अक्सर इसकी व्यापक मानक लाइब्रेरी के कारण "बैटरी शामिल" भाषा के रूप में वर्णित किया जाता है। पाइथन का उपयोग आमतौर पर कृत्रिम बुद्धिमत्ता परियोजनाओं और मशीन लर्निंग प्रोजेक्ट्स में किया जाता है, जिसमें लैंसर्स की मदद से टेंसोरफ्लो, केरस, पाइटोरेक और स्किकिट-लर्न शामिल हैं।
पायथन गतिशील रूप से टाइप किया गया है (रनटाइम पर निष्पादित कई सामान्य प्रोग्रामिंग व्यवहार जो स्थैतिक प्रोग्रामिंग भाषाएं संकलन के दौरान प्रदर्शन करती हैं) और कचरा-एकत्र (स्वचालित मेमोरी प्रबंधन के साथ)। यह संरचित (विशेष रूप से, प्रक्रियात्मक), वस्तु-उन्मुख और कार्यात्मक प्रोग्रामिंग सहित कई प्रोग्रामिंग प्रतिमानों का समर्थन करता है। यह 1980 के दशक के अंत में बनाया गया था, और 1991 में एबीसी प्रोग्रामिंग भाषा के उत्तराधिकारी के रूप में गुइडो वैन रोसुम द्वारा पहली बार जारी किया गया था। 2.0 में रिलीज़ किया गया पायथन 2000, नई सुविधाओं को पेश किया, जैसे सूची समझ, और संदर्भ गिनती के साथ एक कचरा संग्रह प्रणाली, और 2.7 में संस्करण 2020 के साथ बंद कर दिया गया था। 3.0 में जारी पायथन 2008, भाषा का एक प्रमुख संशोधन था जो कि है पूरी तरह से पिछड़े-संगत नहीं और बहुत से पायथन 2 कोड पायथन 3 पर अनमॉडिफाइड नहीं चलते हैं। पायथन 2 के एंड-ऑफ-लाइफ (और 2021 में पाइप को सपोर्ट देने के साथ), केवल पायथन 3.6.x और बाद में पुराने संस्करणों के साथ अभी भी समर्थित है। विंडोज 7 का समर्थन करना (और पुराने इंस्टॉलर्स 64-बिट विंडोज तक सीमित नहीं हैं)।
पायथन दुभाषियों को मुख्यधारा के ऑपरेटिंग सिस्टम के लिए समर्थन दिया जाता है और कुछ और के लिए उपलब्ध है (और अतीत में कई और अधिक समर्थित हैं)। प्रोग्रामरों का एक वैश्विक समुदाय CPython को विकसित और बनाए रखता है, जो एक स्वतंत्र और मुक्त-स्रोत संदर्भ कार्यान्वयन है। एक गैर-लाभकारी संगठन, पायथन सॉफ्टवेयर फाउंडेशन, पायथन और सीपीथॉन विकास के लिए संसाधनों का प्रबंधन और निर्देशन करता है।
जनवरी 2021 तक, पायथन TIOBE में सबसे लोकप्रिय प्रोग्रामिंग भाषाओं के सूचकांक में तीसरे स्थान पर है, सी और जावा के पीछे, पहले स्थान पर दूसरा स्थान प्राप्त किया और 2020 के लिए सबसे अधिक लोकप्रियता हासिल करने के लिए उनका पुरस्कार। इसे 2007, 2010 में वर्ष की प्रोग्रामिंग भाषा चुना गया था। , और 2018।
एक अनुभवजन्य अध्ययन में पाया गया कि स्ट्रिंग हेरफेर से जुड़े प्रोग्रामिंग समस्याओं और डिक्शनरी में खोज के लिए पायथन जैसे स्क्रिप्टिंग लैंग्वेज, पारंपरिक भाषाओं की तुलना में अधिक उत्पादक हैं, जैसे सी और जावा, और यह निर्धारित किया कि मेमोरी की खपत अक्सर जावा से बेहतर होती थी, न कि C या C ++ से बहुत बदतर ”। पायथन का उपयोग करने वाले बड़े संगठनों में ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram शामिल हैं।
अपने कृत्रिम बुद्धिमत्ता अनुप्रयोगों से परे, पायदान, मॉड्यूलर वास्तुकला, सरल वाक्यविन्यास और समृद्ध पाठ प्रसंस्करण उपकरणों के साथ एक पटकथा भाषा के रूप में, अक्सर प्राकृतिक भाषा प्रसंस्करण के लिए उपयोग किया जाता है।
PyTorch मशाल पुस्तकालय पर आधारित एक ओपन सोर्स मशीन लर्निंग लाइब्रेरी है, जिसका उपयोग कंप्यूटर विज़न और प्राकृतिक भाषा प्रसंस्करण जैसे अनुप्रयोगों के लिए किया जाता है, जो मुख्य रूप से Facebook की AI रिसर्च लैब (FAIR) द्वारा विकसित किया गया है। यह संशोधित बीएसडी लाइसेंस के तहत मुक्त और ओपन-सोर्स सॉफ्टवेयर है। हालांकि पायथन इंटरफ़ेस अधिक पॉलिश है और विकास का प्राथमिक फोकस, PyTorch में C ++ इंटरफ़ेस भी है। डीप लर्निंग सॉफ्टवेयर के कई टुकड़े PyTorch के ऊपर बनाए गए हैं, जिनमें Tesla Autopilot, Uber's Pyro, HuggingFace's Transformers, PyTorch Lightning, और उत्प्रेरक शामिल हैं।
- ग्राफिक्स प्रोसेसिंग यूनिट (GPU) के माध्यम से मजबूत त्वरण के साथ Tensor कंप्यूटिंग (NumPy की तरह)
- डीप न्यूरल नेटवर्क एक टेप-आधारित स्वचालित (कम्प्यूटेशनल) भेदभाव प्रणाली पर निर्मित होता है
फेसबुक फास्ट फीचर एंबेडिंग (Caffe2) के लिए PyTorch और Convolutional Architecture दोनों को संचालित करता है, लेकिन दो फ्रेमवर्क द्वारा परिभाषित मॉडल परस्पर असंगत थे। ओपन न्यूरल नेटवर्क एक्सचेंज (ONNX) परियोजना सितंबर 2017 में फेसबुक और माइक्रोसॉफ्ट द्वारा फ्रेमवर्क के बीच मॉडल परिवर्तित करने के लिए बनाई गई थी। Caffe2 को मार्च 2018 के अंत में PyTorch में मिला दिया गया था।
PyTorch संख्याओं के सजातीय बहुआयामी आयताकार सरणियों पर स्टोर करने और संचालित करने के लिए Tensor (torch.Tensor) नामक एक वर्ग को परिभाषित करता है। PyTorch Tensors NumPy Arrays के समान हैं, लेकिन CUDA- सक्षम Nvidia GPU पर भी इसे संचालित किया जा सकता है। PyTorch विभिन्न प्रकार के Tensors का समर्थन करता है।
Pytorch के लिए कुछ महत्वपूर्ण मॉड्यूल हैं। इसमे शामिल है:
- ऑटोग्रैड मॉड्यूल: PyTorch एक विधि का उपयोग करता है जिसे स्वचालित भेदभाव कहा जाता है। एक रिकॉर्डर रिकॉर्ड करता है कि ऑपरेशन ने क्या प्रदर्शन किया है, और फिर यह ग्रेडिएंट्स की गणना करने के लिए इसे पीछे की ओर दोहराता है। यह विधि विशेष रूप से शक्तिशाली होती है जब फॉरवर्ड पास पर मापदंडों के विभेदीकरण की गणना करके एक युग पर समय बचाने के लिए तंत्रिका नेटवर्क का निर्माण किया जाता है।
- अनुकूलन मॉड्यूल: torch.optim एक ऐसा मॉड्यूल है जो तंत्रिका नेटवर्क के निर्माण के लिए उपयोग किए जाने वाले विभिन्न अनुकूलन एल्गोरिदम को लागू करता है। आमतौर पर उपयोग किए जाने वाले अधिकांश तरीके पहले से ही समर्थित हैं, इसलिए उन्हें खरोंच से बनाने की कोई आवश्यकता नहीं है।
- nn मॉड्यूल: PyTorch ऑटोग्रैड कम्प्यूटेशनल ग्राफ़ को परिभाषित करने और ग्रेडिएंट लेने में आसान बनाता है, लेकिन जटिल न्यूरल नेटवर्क को परिभाषित करने के लिए कच्चा ऑटोग्रैड थोड़ा बहुत कम-स्तर हो सकता है। यह वह जगह है जहाँ nn मॉड्यूल मदद कर सकता है।
प्रमाणीकरण पाठ्यक्रम के बारे में विस्तार से जानने के लिए आप नीचे दी गई तालिका का विस्तार और विश्लेषण कर सकते हैं।
EITC/AI/DLPP डीप लर्निंग विथ पायथन एंड पायटॉर्च सर्टिफिकेशन करिकुलम रेफरेंस ओपन-एक्सेस डिडक्टिक मटेरियल वीडियो फॉर्म में हैरिसन किंस्ले द्वारा। सीखने की प्रक्रिया प्रासंगिक पाठ्यचर्या भागों को शामिल करते हुए चरण-दर-चरण संरचना (कार्यक्रम -> पाठ -> विषय) में विभाजित है। डोमेन विशेषज्ञों के साथ असीमित परामर्श भी प्रदान किया जाता है।
प्रमाणन प्रक्रिया की जांच के विवरण के लिए यह किस प्रकार काम करता है?.
EITC/AI/DLPP डीप लर्निंग के लिए Python और PyTorch प्रोग्राम के साथ संपूर्ण ऑफ़लाइन स्व-शिक्षण तैयारी सामग्री को एक पीडीएफ फ़ाइल में डाउनलोड करें।
EITC/AI/DLPP प्रारंभिक सामग्री - मानक संस्करण
EITC/AI/DLPP प्रारंभिक सामग्री - समीक्षा प्रश्नों के साथ विस्तारित संस्करण