Mon parcours sur la façon dont j'ai obtenu la certification de développeur Google TensorFlow (et comment vous pouvez aussi et où aller après)

Je me souviens avoir pensé avant le début de l'été à ce que je devais accomplir, j'ai décidé d'utiliser ma pause de 2 mois et demi pour obtenir la certification TensorFlow Developer. Je m'appelle Pretham, je suis un élève de 8e qui aime l'apprentissage en profondeur et j'ai récemment obtenu la certification TensorFlow Developer. Dans cet article, je vais vous expliquer mon parcours et vous expliquer comment obtenir également la certification TensorFlow Developer.

Contenu:

• Mon voyage
• Qu'est-ce que TensorFlow ?
• Pourquoi obtenir la certification de développeur TensorFlow ?
• Qu'est-ce que la certification de développeur TensorFlow ?
• Conditions préalables
• Les matériaux utilisés
• Comment je me suis préparé pour l'examen
• Compétences requises
• L'examen
• Conseils généraux
• Où aller après
• Merci pour la lecture!

Mon voyage

Je me souviens que lorsque j'ai entendu parler pour la première fois des développements de l'IA, j'étais extrêmement impressionné et je me demandais comment je pouvais participer. De nombreuses vidéos expliquaient les différences entre l'apprentissage automatique et l'apprentissage en profondeur. J'ai décidé d'ignorer l'apprentissage automatique et de plonger directement dans l'apprentissage en profondeur. Pour en savoir plus sur Deep Learning, j'ai dû choisir une bibliothèque python, les deux bibliothèques populaires que j'ai rencontrées étaient TensorFlow et PyTorch. J'ai choisi TensorFlow en raison du nombre de publications sur StackOverflow ainsi que de la certification qui serait un objectif pour moi.

Après avoir choisi TensorFlow, j'ai commencé à chercher des cours et j'ai atterri sur le cours Zero-To-Mastery TensorFlow de Daniel Bourke (nous approfondirons le cours plus tard dans la section des matériaux). J'ai immédiatement commencé le cours et j'ai apprécié le style d'enseignement ainsi que la théorie de l'apprentissage automatique et profond. Le cours m'a pris environ 2 mois pour terminer, mais si vous y mettez vraiment votre esprit, vous pouvez terminer plus rapidement. Après avoir terminé le cours, j'ai passé deux semaines à préparer l'examen, puis à le passer et à le réussir. J'ai littéralement passé une seule journée avant que mon école ne reprenne !

Maintenant que vous avez entendu parler de mon parcours, vous pouvez maintenant lire comment vous pouvez également obtenir une certification Google !

Qu'est-ce que TensorFlow ?

TensorFlow est un framework d'apprentissage en profondeur créé par Google et utilisé pour développer des modèles. TensorFlow est l'un des frameworks d'apprentissage en profondeur les plus utilisés et a été créé et soutenu par Google.

TensorFlow peut être écrit en Python, JavaScript, C++ et Java. Le moyen le plus populaire d'exécuter TensorFlow est sur Python, c'est ainsi que l'examen est également passé. Cependant, lorsque vous exécutez du code TensorFlow en Python, l'API n'utilise pas réellement Python. Au lieu de cela, il utilise C++ pour exécuter les fonctions que vous avez demandées à l'API.

Pourquoi obtenir la certification de développeur TensorFlow ?

J'ai décidé d'obtenir une certification parce que j'étais intrigué par le domaine de l'IA et que je voulais aussi accomplir quelque chose pendant mes vacances d'été.

Pourquoi vous pourriez vouloir obtenir la certification :

1. Découvrez TensorFlow et apprenez à créer des modèles d'apprentissage en profondeur.
2. Démarquez-vous de la foule
3. Présentez vos compétences à votre employeur actuel/futur

Que contient la certification de développeur TensorFlow ?

La certification vise à tester votre capacité à utiliser TensorFlow avec l'API Python. Au cours de l'examen, vous construirez une gamme de modèles d'apprentissage en profondeur.

• Régression
• Classification
• Vision par ordinateur (images)
• Traitement automatique du langage naturel (texte)
• Prévision de séries chronologiques (Prédire l'avenir à l'aide de données passées)

Certains prérequis avant de suivre des cours sont énumérés ici:

1. Connaissance de base de Python
2. Mathématiques au lycée
3. Argent : j'ai utilisé environ 250 $
4. La volonté d'apprendre

Au cours de mon parcours, j'ai principalement utilisé 2 matériaux pour apprendre TensorFlow et la théorie de l'apprentissage automatique et de l'apprentissage en profondeur.

1. Le matériel principal que j'ai utilisé était le parcours incroyable créé par Daniel Bourke. Ce cours a été magnifiquement fait et a été expliqué de manière élégante. Le cours est un peu long et vers la fin de chaque section du cours, j'ai arrêté de coder après avoir appris les bases car c'était répétitif.
2. Le deuxième matériau que j'ai utilisé était un livre d'Aurélien Géron. Ce livre couvre tout ce que vous devez savoir, ainsi que d'autres informations. Ce livre couvre des sujets compliqués qui pourraient ne pas être aussi conviviaux pour les débutants que vous le souhaiteriez.

1. Si vous avez un abonnement Coursera, ce cours de Laurence Moroney est définitivement la meilleure option. Laurence Moroney est même la responsable de l'IA chez Google !
2. Pour apprendre la théorie de l'apprentissage en profondeur, 3Blue1Brown a créé gratuitement une excellente série couvrant tout ce que vous devez savoir sur YouTube !

Après avoir terminé le cours Zero-To-Mastery de Daniel Bourke, j'ai commencé à me préparer pour l'examen. Je me suis préparé à l'examen en trouvant des ensembles de données sur Kaggle , puis en les modélisant.

N'oubliez pas de vous assurer que vous savez tout dans le manuel de certification fourni par Google. Pour m'assurer de tout comprendre dans le manuel, j'ai créé un bloc-notes Google Colab Jupyter et j'ai tout codé.

Compétences requises

Résumé de ce que vous devrez comprendre pour réussir l'examen.

• Comprendre la théorie de l'apprentissage en profondeur dans une certaine mesure
• Être capable d'utiliser Tensorflow 2 avec l'API Python
• Prétraiter les données (ensembles de données Tensorflow, CSV, JSON, données d'image, données de séries chronologiques, etc.)
• Utiliser des modèles séquentiels
• Comprendre les fonctions de perte et les optimiseurs
• Comprendre comment prévenir le surajustement et le sous-ajustement
• Être capable de corriger les erreurs (principalement des erreurs de forme)
• Utiliser les rappels
• Utiliser les réseaux de neurones convolutifs
• Utiliser ImageDataGenerator
• Ajouter une augmentation de données
• Modèles PNL
• Comprendre et utiliser les incorporations de mots
• Utiliser les couches RNN, GRU et LSTM
• Préparer les données de séries chronologiques
• Utiliser les RNN et les CNN
• Ajuster LR (Utiliser le rappel)

Après avoir fait tout ce qui précède, il sera temps de passer l'examen proprement dit !

Ce que vous devez savoir sur l'examen :

1. Chaque tentative d'examen coûte 100 $ US.
2. L'examen se déroule dans un environnement PyCharm, alors soyez prêt à utiliser PyCharm.
3. Le délai est de 5 heures. Bien que cela ne prendra probablement pas 5 heures si vous avez accès à un GPU, il serait bon de prévoir environ 5 heures de temps pour passer l'examen.
4. L'examen n'est pas aussi difficile qu'on pourrait le penser. Si vous apprenez tout correctement et que vous comprenez véritablement le Deep Learning avec TensorFlow, vous réussirez l'examen.
5. Pour réussir l'examen, vous avez besoin d'un 90%, donc autour de 23/25 ou plus.

Conseils généraux

• Comprenez la documentation et lisez-la toujours !!! N'oubliez pas de lire la documentation de la plupart du code que vous utilisez.
• Laissez votre modèle converger sur les données (ne limitez pas le nombre d'époques à une petite quantité, laissez plutôt les rappels faire le travail)
• Utiliser les rappels, j'ai utilisé ModelCheckpoint, EarlyStopping et ReduceLRonPlateau
• Sur les données d'image, utilisez toujours Data Augmentation, cela arrêtera le surajustement.
• Continuez à ajouter de la complexité au modèle s'il est sous-ajusté aux données.
• Comprendre comment régler les paramètres (ajouter un abandon, modifier le degré de complexité, etc.)

Une fois l'examen terminé :

Vous serez averti si vous réussissez ou non. Après cela, vous recevrez une attestation indiquant que vous avez réussi l'examen. Voici le mien . Bien que je ne puisse pas vous dire grand-chose sur ce qui se passe pendant l'examen, vous saurez probablement si vous réussissez ou non avant de recevoir l'e-mail.

Que faire après :

Après avoir terminé l'examen, vous aurez les connaissances nécessaires pour créer toutes sortes de modèles, alors pourquoi ne pas les appliquer ? Dans mon collège, nous avons un projet Capstone et je prévois d'utiliser mes connaissances TensorFlow pour créer une mini voiture autonome.

Une autre chose que j'ai déjà faite est d'apprendre un autre cadre d'apprentissage en profondeur célèbre appelé PyTorch. Une autre idée est de commencer à plonger plus profondément dans le domaine de l'apprentissage en profondeur. Vous pouvez le faire en vous renseignant sur de nouveaux sujets tels que les GAN, les encodeurs automatiques, etc. Ou vous pouvez commencer à vous familiariser avec des architectures plus complexes comme les transformateurs.

Merci pour la lecture!

J'espère que cet article vous a aidé de quelque manière que ce soit. Merci beaucoup d'avoir lu !