EITC/AI/DLPTFK डीप लर्निंग विथ पायथन, टेन्सरफ्लो और केरस, पाइथॉन में प्रोग्रामिंग सीखने की बुनियादी बातों पर यूरोपीय आईटी प्रमाणन कार्यक्रम है, जिसमें टेनसॉरफ्लो और केरस मशीन लर्निंग लाइब्रेरी शामिल हैं।
EITC/AI/DLPTFK डीप लर्निंग विथ पायथन, टेन्सॉरफ्लो और केरस का पाठ्यक्रम निम्नलिखित संरचना के भीतर आयोजित TensorFlow और Keras पुस्तकालयों 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।
TensorFlow मशीन सीखने के लिए एक स्वतंत्र और ओपन-सोर्स सॉफ़्टवेयर लाइब्रेरी है। इसका उपयोग कई प्रकार के कार्यों में किया जा सकता है, लेकिन प्रशिक्षण और गहरे तंत्रिका नेटवर्क के प्रवेश पर विशेष ध्यान दिया जाता है। यह डेटाफ्लो और डिफरेंशियल प्रोग्रामिंग पर आधारित एक प्रतीकात्मक गणित लाइब्रेरी है। इसका उपयोग Google पर अनुसंधान और उत्पादन दोनों के लिए किया जाता है।
2011 में शुरू, Google ब्रेन ने डिस्टलबेल को गहन सीखने वाले तंत्रिका नेटवर्क के आधार पर एक मालिकाना मशीन लर्निंग सिस्टम के रूप में बनाया। इसका उपयोग अनुसंधान और वाणिज्यिक अनुप्रयोगों दोनों में विविध वर्णमाला कंपनियों में तेजी से बढ़ा। Google ने जेफ डीन सहित कई कंप्यूटर वैज्ञानिकों को डिस्टलबेल के कोडबेस को सरल और तेज़ बनाने के लिए एक अधिक तेज़ एप्लिकेशन-ग्रेड लाइब्रेरी में असाइन किया, जो कि TensorFlow बन गया। 2009 में, जेफ्री हिंटन की अगुवाई में टीम ने सामान्यीकृत बैकप्रोपेगेशन और अन्य सुधारों को लागू किया था, जो तंत्रिका नेटवर्क की पीढ़ी को उच्च सटीकता के साथ अनुमति देता था, उदाहरण के लिए भाषण मान्यता में त्रुटियों में 25% की कमी।
TensorFlow Google ब्रेन की दूसरी पीढ़ी की प्रणाली है। संस्करण 1.0.0 11 फरवरी, 2017 को जारी किया गया था। जबकि संदर्भ कार्यान्वयन एकल उपकरणों पर चलता है, TensorFlow कई सीपीयू और जीपीयू (ग्राफिक्स प्रसंस्करण इकाइयों पर सामान्य प्रयोजन कंप्यूटिंग के लिए वैकल्पिक CUDA और SYCL एक्सटेंशन के साथ) पर चल सकता है। TensorFlow एंड्रॉइड और iOS सहित 64-बिट लिनक्स, मैकओएस, विंडोज और मोबाइल कंप्यूटिंग प्लेटफॉर्म पर उपलब्ध है। इसकी लचीली वास्तुकला विभिन्न प्रकार के प्लेटफार्मों (सीपीयू, जीपीयू, टीपीयू), और डेस्कटॉप से लेकर सर्वर के क्लस्टर से लेकर मोबाइल और एज डिवाइसों तक कम्प्यूटेशन की आसान तैनाती की अनुमति देती है। TensorFlow संगणना को स्टेटफुल डेटाफ्लो ग्राफ के रूप में व्यक्त किया जाता है। TensorFlow नाम ऑपरेशन से निकला है जो ऐसे तंत्रिका नेटवर्क बहुआयामी डेटा सरणियों पर प्रदर्शन करते हैं, जिन्हें टेंसर्स के रूप में संदर्भित किया जाता है। जून 2016 में Google I/O सम्मेलन के दौरान, जेफ डीन ने कहा कि GitHub पर 1,500 रिपॉजिटरी ने TensorFlow का उल्लेख किया, जिनमें से केवल 5 Google से थे। दिसंबर 2017 में, Google, सिस्को, रेडहैट, कोरओएस और काईक्लाउड के डेवलपर्स ने एक सम्मेलन में क्यूबफ़्लो की शुरुआत की। क्यूबफ्लो कुबेरनेट्स पर टेन्सरफ्लो के संचालन और तैनाती की अनुमति देता है। मार्च 2018 में, Google ने जावास्क्रिप्ट में मशीन सीखने के लिए TensorFlow.js संस्करण 1.0 की घोषणा की। जनवरी 2019 में, Google ने TensorFlow 2.0 की घोषणा की। यह आधिकारिक रूप से सितंबर 2019 में उपलब्ध हो गया। मई 2019 में, Google ने कंप्यूटर ग्राफिक्स में गहन सीखने के लिए टेन्सरफ्लो ग्राफिक्स की घोषणा की।
केरस एक ओपन-सोर्स सॉफ़्टवेयर लाइब्रेरी है जो कृत्रिम तंत्रिका नेटवर्क के लिए पायथन इंटरफ़ेस प्रदान करता है। Keras TensorFlow लाइब्रेरी के लिए एक इंटरफ़ेस के रूप में कार्य करता है।
केरस में आमतौर पर उपयोग किए जाने वाले तंत्रिका-नेटवर्क बिल्डिंग ब्लॉकों जैसे परतों, उद्देश्यों, सक्रियण कार्यों, ऑप्टिमाइज़र, और गहरे तंत्रिका नेटवर्क कोड लिखने के लिए आवश्यक कोडिंग को आसान बनाने के लिए छवि और पाठ डेटा के साथ काम करने के लिए उपकरणों की एक मेजबान के कई कार्यान्वयन होते हैं। कोड को GitHub पर होस्ट किया गया है, और सामुदायिक सहायता फ़ोरम में GitHub समस्या पृष्ठ और एक सुस्त चैनल शामिल है।
मानक तंत्रिका नेटवर्क के अलावा, केरस के पास दृढ़ और आवर्तक तंत्रिका नेटवर्क के लिए समर्थन है। यह ड्रॉपआउट, बैच सामान्यीकरण और पूलिंग जैसी अन्य सामान्य उपयोगिता परतों का समर्थन करता है। केरेस उपयोगकर्ताओं को स्मार्टफोन पर (आईओएस और एंड्रॉइड), वेब पर या जावा वर्चुअल मशीन पर गहरे मॉडल का उपयोग करने की अनुमति देता है। यह ग्राफिक्स प्रोसेसिंग यूनिट्स (GPU) और टेनसर प्रोसेसिंग यूनिट्स (TPU) के क्लस्टर पर डीप-लर्निंग मॉडल के वितरित प्रशिक्षण के उपयोग की अनुमति देता है। पाइथन (प्रोग्रामिंग भाषा) और उपयोग और स्थापना की अपनी सहजता के कारण वैज्ञानिक अनुसंधान में उपयोग के लिए केरस को अपनाया गया है। केरस, केग्नगेट्स 10 सॉफ्टवेयर पोल में 2018 वां सबसे उद्धृत उपकरण था और 22% उपयोग दर्ज किया गया।
प्रमाणीकरण पाठ्यक्रम के बारे में विस्तार से जानने के लिए आप नीचे दी गई तालिका का विस्तार और विश्लेषण कर सकते हैं।
EITC/AI/DLPTFK डीप लर्निंग विथ पायथन, टेंसरफ्लो और केरास सर्टिफिकेशन करिकुलम हैरिसन किन्स्ले द्वारा एक वीडियो फॉर्म में ओपन-एक्सेस डिडक्टिक सामग्री का संदर्भ देता है। 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?.
पाठ्यक्रम संदर्भ संसाधन
गूगल टेंसरफ्लो
https://www.tensorflow.org/
Google TensorFlow सीखने के संसाधन
https://www.tensorflow.org/learn/
TensorFlow API दस्तावेज़ीकरण
https://www.tensorflow.org/api_docs/
TensorFlow मॉडल और डेटासेट
https://www.tensorflow.org/resources/models-datasets/
TensorFlow समुदाय
https://www.tensorflow.org/community/
TensorFlow के साथ Google क्लाउड AI प्लेटफ़ॉर्म प्रशिक्षण
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
अजगर का प्रलेखन
https://www.python.org/doc/
पायथन ने डाउनलोड जारी किए
https://www.python.org/downloads/
शुरुआती गाइड के लिए पायथन
https://www.python.org/about/gettingstarted/
पायथन विकी शुरुआती गाइड
https://wiki.python.org/moin/BeginnersGuide
W3Schools पायथन मशीन लर्निंग ट्यूटोरियल
https://www.w3schools.com/python/python_ml_getting_started.asp
EITC/AI/DLPTFK डीप लर्निंग के लिए Python, TensorFlow और Keras प्रोग्राम के साथ संपूर्ण ऑफ़लाइन स्व-शिक्षण तैयारी सामग्री को एक पीडीएफ फ़ाइल में डाउनलोड करें।
EITC/AI/DLPTFK प्रारंभिक सामग्री - मानक संस्करण
EITC/AI/DLPTFK प्रारंभिक सामग्री - समीक्षा प्रश्नों के साथ विस्तारित संस्करण