मेरी यात्रा कैसे मैंने Google TensorFlow डेवलपर प्रमाणित प्राप्त किया (और आप भी कैसे कर सकते हैं और इसके बाद कहां जाना है)

मुझे याद है कि गर्मियां शुरू होने से पहले मैं सोच रहा था कि मुझे क्या हासिल करना चाहिए, मैंने फैसला किया कि मैं अपने ढाई महीने के ब्रेक का उपयोग TensorFlow डेवलपर प्रमाणित प्राप्त करने के लिए करूंगा। मेरा नाम प्रीतम है, मैं 8वीं कक्षा का छात्र हूं, जिसे गहन शिक्षा से प्यार है और मुझे हाल ही में TensorFlow Developer प्रमाणित मिला है। इस लेख में, मैं आपको अपनी यात्रा के बारे में बताऊँगा और आप कैसे TensorFlow डेवलपर प्रमाणित भी प्राप्त कर सकते हैं।

सामग्री:

• मेरी यात्रा
• टेंसरफ्लो क्या है?
• TensorFlow डेवलपर प्रमाणित क्यों प्राप्त करें
• TensorFlow डेवलपर प्रमाणन क्या है?
• आवश्यक शर्तें
• उपयोग किया गया सामन
• मैंने परीक्षा की तैयारी कैसे की
• आवश्यक कौशल
• परीक्षा
• सामान्य सुझाव
• के बाद कहाँ जाना है
• पढ़ने के लिए धन्यवाद!

मेरी यात्रा

मुझे याद है कि जब मैंने पहली बार एआई में विकास के बारे में सुना था, तो मैं बहुत प्रभावित हुआ था और सोचता था कि मैं इसमें कैसे शामिल हो सकता हूं। कई वीडियो ने मशीन लर्निंग और डीप लर्निंग के बीच के अंतरों को समझाया। मैंने फैसला किया कि मैं मशीन लर्निंग को छोड़ कर डीप लर्निंग में गोता लगाऊंगा। डीप लर्निंग के बारे में जानने के लिए, मुझे एक अजगर पुस्तकालय चुनना पड़ा, जिन दो लोकप्रिय पुस्तकालयों में मैं आया, वे TensorFlow और PyTorch थे। मैंने TensorFlow को StackOverflow पर पोस्ट की संख्या के साथ-साथ प्रमाणीकरण के कारण चुना है जो मेरे लिए काम करने का एक लक्ष्य होगा।

TensorFlow को चुनने के बाद, मैंने पाठ्यक्रमों की तलाश शुरू की और डैनियल बॉर्के द्वारा जीरो-टू-मास्टरी TensorFlow कोर्स पर उतरा (हम सामग्री अनुभाग में बाद में पाठ्यक्रम में गहराई से देखेंगे)। मैंने तुरंत पाठ्यक्रम शुरू किया और शिक्षण शैली के साथ-साथ मशीन और गहन शिक्षण सिद्धांत का आनंद लिया। कोर्स को पूरा करने में मुझे लगभग 2 महीने लगे, लेकिन अगर आप वास्तव में इसे करने के लिए अपना दिमाग लगाते हैं, तो आप तेजी से खत्म कर सकते हैं। कोर्स खत्म करने के बाद, मैंने दो सप्ताह परीक्षा की तैयारी में बिताए और फिर अंत में इसे लेकर और पास हो गया। मेरे स्कूल के फिर से शुरू होने से पहले मुझे सचमुच एक दिन बीत गया!

अब जब आपने मेरी यात्रा के बारे में सुना है, तो अब आप पढ़ सकते हैं कि आप Google द्वारा प्रमाणित कैसे हो सकते हैं!

टेंसरफ्लो क्या है?

TensorFlow Google द्वारा बनाया गया एक गहन-शिक्षण ढांचा है और इसका उपयोग मॉडल विकसित करने के लिए किया जाता है। TensorFlow सबसे अधिक उपयोग किए जाने वाले डीप-लर्निंग फ्रेमवर्क में से एक है और इसे Google द्वारा बनाया और समर्थित किया गया था।

TensorFlow या तो Python, JavaScript, C++ और Java में लिखा जा सकता है। TensorFlow को चलाने का सबसे लोकप्रिय तरीका Python पर है, जिससे परीक्षा भी ली जाती है। हालाँकि, जब आप Python में TensorFlow कोड निष्पादित करते हैं, तो API वास्तव में Python का उपयोग नहीं करता है। इसके बजाय, यह उन कार्यों को चलाने के लिए C++ का उपयोग करता है जिन्हें आपने एपीआई से करने के लिए कहा है।

TensorFlow डेवलपर प्रमाणित क्यों प्राप्त करें?

मैंने प्रमाणित होने का फैसला किया क्योंकि मुझे एआई के क्षेत्र में रुचि थी और मैं अपने ग्रीष्म अवकाश के दौरान कुछ हासिल करना चाहता था।

आप प्रमाणित क्यों होना चाहेंगे:

1. TensorFlow सीखें और डीप-लर्निंग मॉडल बनाना सीखें।
2. भीड़ से खुद को अलग करें
3. अपने वर्तमान/भविष्य के नियोक्ता को कौशल दिखाएं

TensorFlow डेवलपर प्रमाणन में क्या है?

प्रमाणन का उद्देश्य Python API के साथ TensorFlow का उपयोग करने की आपकी क्षमता का परीक्षण करना है। परीक्षा में, आप डीप-लर्निंग मॉडल की एक श्रृंखला बनाएंगे।

• वापसी
• वर्गीकरण
• कंप्यूटर विजन (छवियां)
• प्राकृतिक भाषा प्रसंस्करण (पाठ)
• समय श्रृंखला पूर्वानुमान (पिछले डेटा का उपयोग करके भविष्य की भविष्यवाणी करना)

किसी भी पाठ्यक्रम को लेने से पहले कुछ पूर्वापेक्षाएँ यहाँ सूचीबद्ध हैं:

1. बुनियादी पायथन ज्ञान
2. हाई स्कूल गणित
3. पैसा: मैंने करीब 250 डॉलर का इस्तेमाल किया
4. सीखने की ललक

अपनी यात्रा में, मैंने मुख्य रूप से TensorFlow और मशीन-लर्निंग और डीप-लर्निंग थ्योरी सीखने के लिए 2 सामग्रियों का उपयोग किया।

1. मेरे द्वारा उपयोग की जाने वाली मुख्य सामग्री डैनियल बॉर्के द्वारा बनाया गया अद्भुत पाठ्यक्रम था। इस कोर्स को खूबसूरती से बनाया गया था और इसे शानदार तरीके से समझाया गया था। पाठ्यक्रम थोड़ा लंबा है और पाठ्यक्रम के प्रत्येक खंड के अंत के पास, मैंने मूलभूत सिद्धांतों को सीखने के बाद कोडिंग बंद कर दी क्योंकि यह दोहराव वाला था।
2. मैंने जिस दूसरी सामग्री का इस्तेमाल किया, वह ऑरेलियन गेरोन की एक किताब थी। इस पुस्तक में वह सब कुछ शामिल है जो आपको जानने की जरूरत है, साथ ही और भी अधिक जानकारी। इस पुस्तक में जटिल विषयों को शामिल किया गया है जो शायद शुरुआती मित्रवत नहीं हैं जैसा आप चाहते हैं।

1. यदि आपके पास कौरसेरा सदस्यता है, तो लॉरेंस मोरनी का यह कोर्स निश्चित रूप से सबसे अच्छा विकल्प है। लारेंस मोरनी Google में AI का नेतृत्व भी कर रहा है!
2. डीप-लर्निंग थ्योरी सीखने के लिए, 3ब्लू1ब्राउन ने एक बेहतरीन सीरीज़ बनाई जिसमें वह सब कुछ शामिल है जो आपको YouTube पर मुफ़्त में जानना चाहिए!

डैनियल बॉर्के द्वारा जीरो-टू-मास्टरी कोर्स पूरा करने के बाद, मैंने परीक्षा की तैयारी शुरू कर दी। मैंने कागल पर डेटासेट खोजकर और फिर उन्हें मॉडलिंग करके परीक्षा की तैयारी की ।

यह सुनिश्चित करना याद रखें कि आप Google द्वारा प्रदान की गई प्रमाणन पुस्तिका में सब कुछ जानते हैं। यह सुनिश्चित करने के लिए कि मैंने हैंडबुक में सब कुछ समझ लिया है, मैंने एक Google Colab Jupyter Notebook बनाया और सब कुछ कोड कर दिया।

आवश्यक कौशल

परीक्षा उत्तीर्ण करने के लिए आपको क्या समझने की आवश्यकता होगी इसका सारांश।

• डीप लर्निंग थ्योरी को कुछ हद तक समझें
• Python API के साथ Tensorflow 2 का उपयोग करने में सक्षम हों
• प्रीप्रोसेस डेटा (टेंसरफ़्लो डेटासेट, CSV, JSON, छवि डेटा, समय श्रृंखला डेटा, आदि)
• अनुक्रमिक मॉडल का प्रयोग करें
• हानि कार्यों और अनुकूलक को समझें
• समझें कि ओवरफिटिंग और अंडरफिटिंग को कैसे रोका जाए
• त्रुटियों को ठीक करने में सक्षम हो (ज्यादातर आकार त्रुटियां)
• कॉलबैक का प्रयोग करें
• संवादी तंत्रिका नेटवर्क का प्रयोग करें
• ImageDataGenerator का उपयोग करें
• डेटा ऑग्मेंटेशन जोड़ें
• एनएलपी मॉडल
• वर्ड एंबेडिंग को समझें और प्रयोग करें
• आरएनएन, जीआरयू और एलएसटीएम परतों का प्रयोग करें
• समय श्रृंखला डेटा तैयार करें
• आरएनएन और सीएनएन का प्रयोग करें
• एलआर समायोजित करें (कॉलबैक का उपयोग करें)

उपरोक्त सब कुछ करने के बाद, यह वास्तविक परीक्षा देने का समय होगा!

परीक्षा के बारे में आपको क्या जानने की जरूरत है:

1. परीक्षा के प्रत्येक प्रयास की लागत $100 USD है।
2. परीक्षा PyCharm वातावरण में होती है, इसलिए PyCharm का उपयोग करने के लिए तैयार रहें।
3. समय सीमा 5 घंटे है। हालांकि अगर आपके पास जीपीयू तक पहुंच है तो इसमें शायद 5 घंटे नहीं लगेंगे, परीक्षा देने के लिए लगभग 5 घंटे का समय निर्धारित करना बहुत अच्छा होगा।
4. परीक्षा उतनी कठिन नहीं है जितना आप सोच सकते हैं। यदि आप सब कुछ सही ढंग से सीखते हैं और वास्तव में TensorFlow के साथ डीप-लर्निंग को समझते हैं, तो आप परीक्षा में सफल होंगे।
5. परीक्षा उत्तीर्ण करने के लिए आपको 90% की आवश्यकता है, इसलिए लगभग 23/25 या उससे अधिक।

सामान्य सुझाव

• दस्तावेज़ीकरण को समझें और इसे हमेशा पढ़ें!!! आपके द्वारा उपयोग किए जाने वाले अधिकांश कोड के दस्तावेज़ीकरण को पढ़ना याद रखें।
• अपने मॉडल को डेटा पर अभिसरण करने दें (युगों की संख्या को एक छोटी राशि तक सीमित न करें, इसके बजाय, कॉलबैक को काम करने दें)
• कॉलबैक का उपयोग करें, मैंने मॉडलचेकपॉइंट, अर्लीस्टॉपिंग और रिड्यूसएलआरऑनप्लेटो का उपयोग किया
• इमेज डेटा पर हमेशा डेटा ऑग्मेंटेशन का उपयोग करें, इससे ओवरफिटिंग बंद हो जाएगी।
• यदि मॉडल डेटा के अनुकूल नहीं है तो उसमें जटिलता जोड़ते रहें।
• समझें कि पैरामीटर ट्यून कैसे करें (ड्रॉपआउट जोड़ें, जटिलता की मात्रा बदलें, आदि)

परीक्षा समाप्त होने के बाद:

आपको सूचित किया जाएगा कि आप पास हैं या नहीं। उसके बाद, आपको यह दिखाने वाला एक क्रेडेंशियल प्राप्त होगा कि आपने परीक्षा पास कर ली है। यहाँ मेरा है । जबकि परीक्षा के दौरान क्या होता है, इसके बारे में मैं आपको ज्यादा कुछ नहीं बता सकता, ईमेल प्राप्त करने से पहले आपको शायद पता चल जाएगा कि आप पास हैं या नहीं।

इसके बाद क्या करें:

परीक्षा समाप्त करने के बाद, आपके पास सभी प्रकार के मॉडल बनाने का ज्ञान होगा, तो क्यों न इसे लागू किया जाए? मेरे मिडिल स्कूल में, हमारे पास एक कैपस्टोन परियोजना है और मैं एक मिनी सेल्फ-ड्राइविंग कार बनाने के लिए अपने TensorFlow ज्ञान का उपयोग करने की योजना बना रहा हूँ।

एक और चीज जो मैंने पहले ही कर ली है, वह है एक और प्रसिद्ध डीप-लर्निंग फ्रेमवर्क जिसे PyTorch कहा जाता है। एक अन्य विचार यह है कि गहन शिक्षा के क्षेत्र में गहराई से गोता लगाना शुरू किया जाए। आप GANs, Autoencoders, आदि जैसे नए विषयों के बारे में सीखकर ऐसा कर सकते हैं। या आप Transformers जैसे अधिक जटिल आर्किटेक्चर के बारे में सीखना शुरू कर सकते हैं।

पढ़ने के लिए धन्यवाद!

उम्मीद है, इस लेख ने आपकी किसी भी तरह से मदद की। पढ़ने के लिए आपको बहुत बहुत शुक्रिया!