Meine Reise, wie ich die Google TensorFlow Developer-Zertifizierung erhalten habe (und wie Sie das auch können und wohin Sie danach gehen können)

Ich erinnere mich, dass ich vor Beginn des Sommers darüber nachdachte, was ich erreichen sollte, und beschloss, meine zweieinhalbmonatige Pause zu nutzen, um die TensorFlow Developer-Zertifizierung zu erhalten. Mein Name ist Pretham, ich bin ein Achtklässler, der Deep Learning liebt, und ich habe kürzlich die TensorFlow-Entwicklerzertifizierung erhalten. In diesem Artikel werde ich Sie durch meine Reise führen und Ihnen zeigen, wie Sie auch die TensorFlow-Entwicklerzertifizierung erhalten können.

Inhalt:

• Meine Reise
• Was ist TensorFlow?
• Warum sollten Sie sich als TensorFlow-Entwickler zertifizieren lassen?
• Was ist die TensorFlow-Entwicklerzertifizierung?
• Voraussetzungen
• Verwendete Materialien
• Wie ich mich auf die Prüfung vorbereitet habe
• Benötigte Fähigkeiten
• Die Prüfung
• Allgemeine Hinweise
• Wohin danach
• Vielen Dank fürs Lesen!

Meine Reise

Ich erinnere mich, als ich zum ersten Mal von den Entwicklungen in der KI hörte, war ich sehr beeindruckt und fragte mich, wie ich da mitmachen könnte. Viele Videos erklärten die Unterschiede zwischen maschinellem Lernen und Deep Learning. Ich beschloss, maschinelles Lernen zu überspringen und direkt in Deep Learning einzutauchen. Um etwas über Deep Learning zu lernen, musste ich eine Python-Bibliothek auswählen, die beiden beliebten Bibliotheken, auf die ich stieß, waren TensorFlow und PyTorch. Ich habe mich für TensorFlow aufgrund der Anzahl der Posts auf StackOverflow sowie der Zertifizierung entschieden, auf die ich hinarbeiten möchte.

Nachdem ich mich für TensorFlow entschieden hatte, begann ich nach Kursen zu suchen und landete auf dem Zero-To-Mastery TensorFlow-Kurs von Daniel Bourke (Wir werden später im Abschnitt „Materialien“ näher auf den Kurs eingehen). Ich habe sofort mit dem Kurs begonnen und mochte den Unterrichtsstil sowie die Maschinen- und Deep-Learning-Theorie. Ich habe ungefähr 2 Monate gebraucht, um den Kurs abzuschließen, aber wenn Sie sich wirklich darauf konzentrieren, können Sie schneller fertig werden. Nach Abschluss des Kurses habe ich mich zwei Wochen lang auf die Prüfung vorbereitet und sie dann schließlich abgelegt und bestanden. Ich verging buchstäblich einen einzigen Tag, bevor meine Schule wieder anfing!

Jetzt, wo Sie von meiner Reise gehört haben, können Sie jetzt lesen, wie Sie sich auch von Google zertifizieren lassen können!

Was ist TensorFlow?

TensorFlow ist ein von Google erstelltes Deep-Learning-Framework, das zur Entwicklung von Modellen verwendet wird. TensorFlow ist eines der am häufigsten verwendeten Deep-Learning-Frameworks und wurde von Google erstellt und unterstützt.

TensorFlow kann entweder in Python, JavaScript, C++ und Java geschrieben werden. Die beliebteste Art, TensorFlow auszuführen, ist Python, so wird auch die Prüfung abgelegt. Wenn Sie jedoch TensorFlow-Code in Python ausführen, verwendet die API nicht wirklich Python. Stattdessen verwendet es C++, um die Funktionen auszuführen, um die Sie die API gebeten haben.

Warum eine TensorFlow-Entwicklerzertifizierung erhalten?

Ich habe mich für die Zertifizierung entschieden, weil mich der Bereich der KI fasziniert hat und ich auch in meiner Sommerpause etwas bewegen wollte.

Warum Sie sich zertifizieren lassen möchten:

1. Lernen Sie TensorFlow kennen und erfahren Sie, wie Sie Deep-Learning-Modelle erstellen.
2. Heben Sie sich von der Masse ab
3. Präsentieren Sie Ihre Fähigkeiten bei Ihrem aktuellen/zukünftigen Arbeitgeber

Was beinhaltet die TensorFlow-Entwicklerzertifizierung?

Die Zertifizierung zielt darauf ab, Ihre Fähigkeit zu testen, TensorFlow mit der Python-API zu verwenden. In der Prüfung bauen Sie eine Reihe von Deep-Learning-Modellen auf.

• Rückfall
• Einstufung
• Computer Vision (Bilder)
• Verarbeitung natürlicher Sprache (Text)
• Zeitreihenvorhersage (Vorhersage der Zukunft anhand vergangener Daten)

Einige Voraussetzungen für die Teilnahme an Kursen sind hier aufgeführt:

1. Grundlegende Python-Kenntnisse
2. Gymnasium Mathematik
3. Geld: Ich habe ungefähr 250 Dollar verwendet
4. Der Drang zu lernen

Auf meiner Reise habe ich hauptsächlich 2 Materialien verwendet, um TensorFlow und Machine-Learning und Deep-Learning-Theorie zu lernen.

1. Das Hauptmaterial, das ich verwendet habe, war der erstaunliche Kurs von Daniel Bourke. Dieser Kurs war wunderschön gemacht und wurde auf elegante Weise erklärt. Der Kurs ist ein bisschen lang und gegen Ende jedes Abschnitts im Kurs habe ich aufgehört, mitzucodieren, nachdem ich die Grundlagen gelernt hatte, weil es sich wiederholte.
2. Als zweites Material habe ich ein Buch von Aurélien Géron verwendet. Dieses Buch enthält alles, was Sie wissen müssen, sowie noch mehr Informationen. Dieses Buch behandelt komplizierte Themen, die möglicherweise nicht so anfängerfreundlich sind, wie Sie möchten.

1. Wenn Sie ein Coursera-Abonnement haben, ist dieser Kurs von Laurence Moroney definitiv die beste Option. Laurence Moroney ist sogar der Lead of AI bei Google!
2. Um Deep-Learning-Theorie zu lernen, hat 3Blue1Brown eine großartige Serie erstellt , die alles, was Sie wissen müssen, kostenlos auf YouTube abdeckt!

Nachdem ich den Zero-To-Mastery-Kurs von Daniel Bourke absolviert hatte, begann ich mich auf die Prüfung vorzubereiten. Ich habe mich auf die Prüfung vorbereitet, indem ich Datensätze auf Kaggle gefunden und dann modelliert habe.

Denken Sie daran, sich mit allem im Zertifizierungshandbuch von Google vertraut zu machen . Um sicherzustellen, dass ich alles im Handbuch verstanden habe, habe ich ein Google Colab Jupyter Notebook erstellt und alles auscodiert.

Benötigte Fähigkeiten

Zusammenfassung dessen, was Sie verstehen müssen, um die Prüfung zu bestehen.

• Bis zu einem gewissen Grad die Deep-Learning-Theorie verstehen
• Tensorflow 2 mit der Python-API verwenden können
• Daten vorverarbeiten (Tensorflow-Datensätze, CSV, JSON, Bilddaten, Zeitreihendaten usw.)
• Verwenden Sie sequentielle Modelle
• Verlustfunktionen und Optimierer verstehen
• Verstehen Sie, wie Sie Overfitting und Underfitting verhindern können
• Fehler beheben können (hauptsächlich Formfehler)
• Verwenden Sie Rückrufe
• Verwenden Sie Convolutional Neural Networks
• Verwenden Sie ImageDataGenerator
• Datenerweiterung hinzufügen
• NLP-Modelle
• Wörterinbettungen verstehen und verwenden
• Verwenden Sie RNN-, GRU- und LSTM-Layer
• Bereiten Sie Zeitreihendaten vor
• Verwenden Sie RNNs und CNNs
• LR anpassen (Callback verwenden)

Nachdem Sie alles oben Gesagte erledigt haben, ist es an der Zeit, die eigentliche Prüfung abzulegen!

Was Sie über die Prüfung wissen müssen:

1. Jeder Prüfungsversuch kostet 100 USD.
2. Die Prüfung findet in einer PyCharm-Umgebung statt, seien Sie also bereit, PyCharm zu verwenden.
3. Das Zeitlimit beträgt 5 Stunden. Obwohl es wahrscheinlich keine 5 Stunden dauern wird, wenn Sie Zugriff auf eine GPU haben, wäre es großartig, etwa 5 Stunden Zeit für die Prüfung einzuplanen.
4. Die Prüfung ist nicht so schwer, wie Sie vielleicht denken. Wenn Sie alles richtig lernen und Deep Learning mit TensorFlow wirklich verstehen, werden Sie die Prüfung bestehen.
5. Um die Prüfung zu bestehen, benötigen Sie 90%, also etwa 23/25 oder mehr.

Allgemeine Hinweise

• Dokumentation verstehen und immer lesen!!! Denken Sie daran, die Dokumentation des größten Teils des von Ihnen verwendeten Codes zu lesen.
• Lassen Sie Ihr Modell auf die Daten konvergieren (beschränken Sie die Anzahl der Epochen nicht auf eine kleine Menge, sondern lassen Sie die Rückrufe die Arbeit erledigen)
• Verwenden Sie Callbacks, ich habe ModelCheckpoint, EarlyStopping und ReduceLRonPlateau verwendet
• Verwenden Sie für Bilddaten immer Data Augmentation, dies verhindert eine Überanpassung.
• Fügen Sie dem Modell weiterhin Komplexität hinzu, wenn es die Daten nicht ausreichend anpasst.
• Verstehen, wie man Parameter abstimmt (Dropout hinzufügen, Komplexität ändern usw.)

Nach Abschluss der Prüfung:

Sie werden benachrichtigt, ob Sie bestehen oder nicht. Danach erhalten Sie eine Bescheinigung über die bestandene Prüfung. Hier ist meins . Obwohl ich Ihnen nicht viel darüber sagen kann, was während der Prüfung passiert, werden Sie wahrscheinlich wissen, ob Sie bestehen oder nicht, bevor Sie die E-Mail erhalten.

Was ist danach zu tun:

Nach Abschluss der Prüfung verfügen Sie über das Wissen, um alle Arten von Modellen zu erstellen. Warum also nicht es anwenden? An meiner Mittelschule haben wir ein Capstone-Projekt und ich plane, mein TensorFlow-Wissen zu nutzen, um ein selbstfahrendes Mini-Auto zu bauen.

Eine andere Sache, die ich bereits getan habe, ist das Erlernen eines anderen berühmten Deep-Learning-Frameworks namens PyTorch. Eine andere Idee ist, tiefer in das Gebiet des Deep Learning einzutauchen. Sie können dies tun, indem Sie sich mit neuen Themen wie GANs, Autoencodern usw. vertraut machen. Oder Sie können anfangen, sich mit komplexeren Architekturen wie Transformers vertraut zu machen.

Vielen Dank fürs Lesen!

Hoffentlich hat Ihnen dieser Artikel in irgendeiner Weise geholfen. Vielen Dank fürs Lesen!