EITC/AI/TFF TensorFlow Fundamentals estas la programo de Eŭropa IT-Atestado en la maŝina lerna biblioteko de Google TensorFlow, kiu ebligas programadon de artefarita inteligenteco.
La instruplano de la Fundamentoj de TensorFlow de EITC/AI/TFF temigas la teoriajn aspektojn kaj praktikajn kapablojn en uzado de TensorFlow-biblioteko organizita ene de la sekva strukturo, ampleksante ampleksan vidbendan didaktikan enhavon kiel referencon por ĉi tiu EITC-Atestado.
TensorFlow estas senpaga kaj malfermfonta softvara biblioteko por maŝina lernado. Ĝi povas esti uzata tra gamo da taskoj, sed aparte atentas trejnadon kaj konkludon de profundaj neŭralaj retoj. Ĝi estas simbola matematika biblioteko bazita sur datuma fluo kaj diferencigebla programado. Ĝi estas uzata por esplorado kaj produktado ĉe Google.
Ekde 2011, Google Brain konstruis DistBelief kiel proprieta maŝina lernada sistemo bazita sur profundaj lernaj neŭralaj retoj. Ĝia uzo kreskis rapide inter diversaj Alfabetaj kompanioj en esplorado kaj komercaj aplikoj. Google asignis multoblajn komputikistojn, inkluzive Jeff Dean, por simpligi kaj refakti la kodbazon de DistBelief en pli rapidan, pli fortikan aplikaĵan bibliotekon, kiu fariĝis TensorFlow. En 2009, la teamo, gvidata de Geoffrey Hinton, efektivigis ĝeneraligitan malantaŭan disvastigon kaj aliajn plibonigojn, kiuj permesis generadon de neŭralaj retoj kun multe pli alta precizeco, ekzemple redukton de 25% en eraroj en parolrekono.
TensorFlow estas la dua-generacia sistemo de Google Brain. Versio 1.0.0 estis publikigita la 11-an de februaro 2017. Dum la referenca efektivigo funkcias per unuopaj aparatoj, TensorFlow povas funkcii per multnombraj CPUoj kaj GPUoj (kun laŭvolaj etendaĵoj CUDA kaj SYCL por ĝeneraluzebla komputado sur grafikaj prilaboraj unuoj). TensorFlow haveblas ĉe 64-bitaj Linukso, macOS, Vindozo kaj moveblaj komputilaj platformoj inkluzive de Android kaj iOS. Ĝia fleksebla arkitekturo permesas facilan deplojon de komputado tra diversaj platformoj (CPUoj, GPUoj, TPUoj), kaj de labortabloj ĝis aretoj de serviloj ĝis poŝtelefonoj kaj randaj aparatoj. TensorFlow-komputadoj estas esprimitaj kiel stataj datumfluaj grafeoj. La nomo TensorFlow devenas de la operacioj, kiujn tiaj neŭralaj retoj plenumas sur plurdimensiaj datumaroj, kiuj estas nomataj tensoroj. Dum la Gugla I/O-Konferenco en junio 2016, Jeff Dean deklaris, ke 1,500 deponejoj ĉe GitHub menciis TensorFlow, el kiuj nur 5 estis de Google. En decembro 2017, programistoj de Google, Cisco, RedHat, CoreOS kaj CaiCloud enkondukis Kubeflow dum konferenco. Kubeflow permesas operacion kaj deplojon de TensorFlow ĉe Kubernetes. En marto 2018, Google anoncis TensorFlow.js-version 1.0 por maŝina lernado en JavaScript. En januaro 2019, Google anoncis TensorFlow 2.0. Ĝi fariĝis oficiale havebla en septembro 2019. En majo 2019, Google anoncis TensorFlow Graphics por profunda lernado pri komputila grafiko.
Por konatigi vin detale kun la atesta instruplano, vi povas pligrandigi kaj analizi la suban tabelon.
La EITC/AI/TFF TensorFlow Fundamentals Certification Curriculum referenceas alireblajn didaktikajn materialojn en videoformo. Lernadprocezo estas dividita en paŝon post paŝo strukturo (programoj -> lecionoj -> temoj) kovrante koncernajn instruplanajn partojn. Senlima konsultado kun domajnaj fakuloj ankaŭ estas provizita.
Por detaloj pri la Atestprocedo kontrolu Kiel ĝi funkcias.
Instruplanaj Referencaj Rimedoj
Google TensorFlow
https://www.tensorflow.org/
Lernaj Rimedoj de Google TensorFlow
https://www.tensorflow.org/learn/
Dokumentado pri TensorFlow API
https://www.tensorflow.org/api_docs/
Modeloj kaj Datenserioj de TensorFlow
https://www.tensorflow.org/resources/models-datasets/
Komunumo TensorFlow
https://www.tensorflow.org/community/
Google Cloud AI Platform Training kun TensorFlow
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Elŝutu la kompletajn eksterretajn memlernajn preparajn materialojn por la programo EITC/AI/TFF TensorFlow Fundamentals en PDF-dosiero
EITC/AI/TFF-preparaj materialoj - norma versio
EITC/AI/TFF-preparaj materialoj - plilongigita versio kun reviziaj demandoj