Mi viaje de cómo obtuve la certificación de desarrollador de Google TensorFlow (y cómo puede hacerlo usted también y a dónde ir después)

Recuerdo haber pensado antes del comienzo del verano lo que debería lograr. Decidí que usaría mi descanso de dos meses y medio para obtener la certificación de desarrollador de TensorFlow. Mi nombre es Pretham, soy un estudiante de octavo grado que ama el aprendizaje profundo y recientemente obtuve la certificación de desarrollador de TensorFlow. En este artículo, lo guiaré a través de mi viaje y cómo puede obtener la certificación de desarrollador de TensorFlow también.

Contenido:

• Mi viaje
• ¿Qué es TensorFlow?
• Por qué obtener la certificación de desarrollador de TensorFlow
• ¿Qué es la certificación de desarrollador de TensorFlow?
• requisitos previos
• Materiales usados
• Cómo me preparé para el examen
• Habilidades necesarias
• El examen
• Consejos generales
• Dónde ir después
• ¡Gracias por leer!

Mi viaje

Recuerdo que cuando escuché por primera vez sobre los desarrollos en IA, quedé muy impresionado y me preguntaba cómo podría unirme. Muchos videos explicaban las diferencias entre el aprendizaje automático y el aprendizaje profundo. Decidí que me saltaría el aprendizaje automático y me sumergiría directamente en el aprendizaje profundo. Para aprender sobre Deep Learning, tuve que elegir una biblioteca de python, las dos bibliotecas populares con las que me encontré fueron TensorFlow y PyTorch. Elegí TensorFlow por la cantidad de publicaciones en StackOverflow, así como por la certificación, que sería un objetivo para el que trabajaría.

Después de elegir TensorFlow, comencé a buscar cursos y llegué al Curso de TensorFlow Zero-To-Mastery de Daniel Bourke (profundizaremos en el curso más adelante en la sección de materiales). Inmediatamente comencé el curso y disfruté el estilo de enseñanza, así como la teoría del aprendizaje automático y profundo. El curso me tomó alrededor de 2 meses para terminarlo, pero si realmente te lo propones, puedes terminarlo más rápido. Después de terminar el curso, pasé dos semanas preparándome para el examen y finalmente tomándolo y aprobándolo. ¡Literalmente pasé un solo día antes de que mi escuela comenzara de nuevo!

Ahora que ha oído hablar de mi viaje, ¡ahora puede leer acerca de cómo puede obtener la certificación de Google también!

¿Qué es TensorFlow?

TensorFlow es un marco de aprendizaje profundo creado por Google y utilizado para desarrollar modelos. TensorFlow es uno de los marcos de aprendizaje profundo más utilizados y fue creado y respaldado por Google.

TensorFlow se puede escribir en Python, JavaScript, C++ y Java. La forma más popular de ejecutar TensorFlow es en Python, que es como también se realiza el examen. Sin embargo, cuando ejecuta el código de TensorFlow en Python, la API en realidad no usa Python. En su lugar, utiliza C++ para ejecutar las funciones que le ha pedido a la API que haga.

¿Por qué obtener la certificación de desarrollador de TensorFlow?

Decidí obtener la certificación porque me intrigaba el campo de la IA y también quería lograr algo durante mis vacaciones de verano.

Por qué es posible que desee obtener la certificación:

1. Aprenda TensorFlow y aprenda a crear modelos de aprendizaje profundo.
2. Distíngase de la multitud
3. Mostrar habilidades a su empleador actual/futuro

¿Qué hay en la certificación de desarrollador de TensorFlow?

La certificación tiene como objetivo probar su capacidad para usar TensorFlow con la API de Python. En el examen, construirá una variedad de modelos de aprendizaje profundo.

• Regresión
• Clasificación
• Visión artificial (imágenes)
• Procesamiento del lenguaje natural (texto)
• Pronóstico de series temporales (predicción del futuro utilizando datos pasados)

Algunos requisitos previos antes de tomar cualquier curso se enumeran aquí:

1. Conocimiento básico de Python
2. Matemáticas de secundaria
3. Dinero: Usé alrededor de $250
4. El impulso para aprender

En mi viaje, utilicé principalmente 2 materiales para aprender TensorFlow y Machine-Learning y Deep-Learning Theory.

1. El material principal que utilicé fue el increíble curso creado por Daniel Bourke. Este curso estuvo muy bien hecho y se explicó de una manera elegante. El curso es un poco largo y cerca del final de cada sección del curso, dejé de codificar después de aprender los fundamentos porque era repetitivo.
2. El segundo material que utilicé fue un libro de Aurélien Géron. Este libro cubre todo lo que necesita saber, así como aún más información. Este libro cubre temas complicados que pueden no ser tan amigables para los principiantes como le gustaría.

1. Si tienes una suscripción a Coursera, este curso de Laurence Moroney es definitivamente la mejor opción. ¡Laurence Moroney es incluso el líder de IA en Google!
2. Para aprender la teoría del aprendizaje profundo, 3Blue1Brown creó una gran serie que cubre todo lo que necesita saber en YouTube de forma gratuita.

Después de terminar el Curso Zero-To-Mastery de Daniel Bourke, comencé a prepararme para el examen. Me preparé para el examen buscando conjuntos de datos en Kaggle y luego modelándolos.

Recuerde asegurarse de saber todo en el Manual de Certificación proporcionado por Google. Para asegurarme de haber entendido todo en el manual, creé un Google Colab Jupyter Notebook y codifiqué todo.

Habilidades necesarias

Resumen de lo que necesitará comprender para aprobar el examen.

• Comprender la teoría del aprendizaje profundo hasta cierto punto
• Ser capaz de usar Tensorflow 2 con la API de Python
• Preprocesar datos (conjuntos de datos de Tensorflow, CSV, JSON, datos de imágenes, datos de series temporales, etc.)
• Usar modelos secuenciales
• Comprender las funciones de pérdida y los optimizadores
• Comprender cómo prevenir el sobreajuste y el desajuste
• Ser capaz de corregir errores (principalmente errores de forma)
• Usar devoluciones de llamada
• Usar redes neuronales convolucionales
• Usar ImageDataGenerator
• Agregar aumento de datos
• Modelos de PNL
• Comprender y usar incrustaciones de palabras
• Usar capas RNN, GRU y LSTM
• Preparar datos de series temporales
• Usar RNN y CNN
• Ajustar LR (Usar devolución de llamada)

¡Después de hacer todo lo anterior, será hora de tomar el examen real!

Lo que necesitas saber sobre el examen:

1. Cada intento en el examen cuesta $100 USD.
2. El examen se lleva a cabo en un entorno PyCharm, así que prepárese para usar PyCharm.
3. El límite de tiempo es de 5 horas. Aunque probablemente no le tomará 5 horas si tiene acceso a una GPU, sería genial establecer alrededor de 5 horas de tiempo para tomar el examen.
4. El examen no es tan difícil como crees. Si aprende todo correctamente y comprende genuinamente el aprendizaje profundo con TensorFlow, aprobará el examen.
5. Para aprobar el examen necesitas un 90%, alrededor de 23/25 o más.

Consejos generales

• ¡Comprenda la documentación y léala siempre! Recuerda leer la documentación de la mayoría del código que usas.
• Deje que su modelo converja en los datos (no limite la cantidad de épocas a una pequeña cantidad, en su lugar, deje que las devoluciones de llamada hagan el trabajo)
• Use devoluciones de llamada, usé ModelCheckpoint, EarlyStopping y ReduceLRonPlateau
• En Datos de imagen, utilice siempre Aumento de datos, esto evitará el sobreajuste.
• Continúe agregando complejidad al modelo si no se ajusta bien a los datos.
• Comprender cómo ajustar los parámetros (agregar abandono, cambiar la cantidad de complejidad, etc.)

Después de que termine el examen:

Se le notificará si pasa o no. Después de eso, recibirá una credencial que muestra que aprobó el examen. Aquí está el mío . Si bien no puedo decirle mucho sobre lo que sucede durante el examen, probablemente sabrá si aprueba o no antes de recibir el correo electrónico.

Qué hacer después:

Después de terminar el examen, tendrás los conocimientos para crear todo tipo de modelos, ¿por qué no aplicarlos? En mi escuela secundaria, tenemos un proyecto Capstone y planeo usar mi conocimiento de TensorFlow para crear un mini automóvil autónomo.

Otra cosa que ya he hecho es aprender otro famoso marco de aprendizaje profundo llamado PyTorch. Otra idea es comenzar a profundizar en el campo del aprendizaje profundo. Puede hacer esto aprendiendo sobre nuevos temas como GAN, Autoencoders, etc. O puede comenzar a aprender sobre arquitecturas más complejas como Transformers.

¡Gracias por leer!

Con suerte, este artículo te ayudó de alguna manera. Muchas Gracias Por Leer!