Perjalanan Saya tentang bagaimana saya mendapatkan Sertifikasi Pengembang Google TensorFlow (Dan bagaimana Anda juga bisa serta ke mana harus pergi setelahnya)

Saya ingat berpikir sebelum awal musim panas apa yang harus saya capai, saya memutuskan untuk menggunakan waktu istirahat 2 setengah bulan saya untuk mendapatkan TensorFlow Developer Certified. Nama saya Pretham, saya siswa kelas 8 yang menyukai pembelajaran mendalam dan baru-baru ini saya mendapatkan TensorFlow Developer Certified. Dalam artikel ini, saya akan memandu Anda melalui perjalanan saya dan bagaimana Anda bisa mendapatkan TensorFlow Developer Certified juga.

Isi:

• Perjalanan saya
• Apa itu TensorFlow?
• Mengapa Mendapat Sertifikasi Pengembang TensorFlow
• Apa itu Sertifikasi Pengembang TensorFlow?
• Prasyarat
• Bahan-bahan yang digunakan
• Bagaimana Saya Mempersiapkan Ujian
• Keterampilan yang Dibutuhkan
• Ujian
• Kiat Umum
• Kemana Setelahnya
• Terima kasih telah membaca!

Perjalanan saya

Saya ingat ketika saya pertama kali mendengar tentang perkembangan AI, saya sangat terkesan dan bertanya-tanya bagaimana saya bisa bergabung. Banyak video menjelaskan perbedaan antara pembelajaran mesin dan pembelajaran mendalam. Saya memutuskan bahwa saya akan melewatkan pembelajaran mesin dan terjun langsung ke pembelajaran yang mendalam. Untuk mempelajari Deep Learning, saya harus memilih library python, dua library populer yang saya temukan adalah TensorFlow dan PyTorch. Saya memilih TensorFlow karena jumlah postingan di StackOverflow serta sertifikasi yang akan menjadi tujuan saya untuk bekerja.

Setelah memilih TensorFlow, saya mulai mencari kursus dan mendarat di Kursus TensorFlow Zero-To-Mastery oleh Daniel Bourke (Kita akan melihat kursus lebih dalam nanti di bagian materi). Saya segera memulai kursus dan menikmati gaya mengajar serta teori mesin dan pembelajaran mendalam. Kursus ini membutuhkan waktu sekitar 2 bulan untuk saya selesaikan, tetapi jika Anda benar-benar memikirkannya, Anda dapat menyelesaikannya lebih cepat. Setelah menyelesaikan kursus, saya menghabiskan dua minggu untuk mempersiapkan ujian dan akhirnya mengambil dan lulus. Saya benar-benar melewati satu hari sebelum sekolah saya mulai kembali!

Sekarang Anda telah mendengar tentang perjalanan saya, sekarang Anda dapat membaca tentang bagaimana Anda juga bisa mendapatkan sertifikasi dari Google!

Apa itu TensorFlow?

TensorFlow adalah kerangka pembelajaran mendalam yang dibuat oleh Google dan digunakan untuk mengembangkan model. TensorFlow adalah salah satu framework deep-learning yang paling banyak digunakan dan dibuat serta didukung oleh Google.

TensorFlow dapat ditulis dengan Python, JavaScript, C++, dan Java. Cara paling populer untuk menjalankan TensorFlow adalah dengan Python, yang juga digunakan untuk ujian. Namun, saat Anda mengeksekusi kode TensorFlow dengan Python, API sebenarnya tidak menggunakan Python. Sebagai gantinya, ia menggunakan C++ untuk menjalankan fungsi yang Anda minta untuk dilakukan oleh API.

Mengapa Mendapat Sertifikasi Pengembang TensorFlow?

Saya memutuskan untuk mendapatkan sertifikasi karena saya tertarik dengan bidang AI dan juga ingin mencapai sesuatu selama liburan musim panas saya.

Mengapa Anda mungkin ingin mendapatkan Bersertifikat:

1. Pelajari TensorFlow dan pelajari cara membuat model pembelajaran mendalam.
2. Pisahkan diri Anda dari keramaian
3. Pamerkan keterampilan kepada atasan Anda saat ini / di masa depan

Apa yang ada dalam Sertifikasi Pengembang TensorFlow?

Sertifikasi tersebut bertujuan untuk menguji kemampuan Anda dalam menggunakan TensorFlow dengan API Python. Dalam ujian, Anda akan membuat berbagai model pembelajaran mendalam.

• Regresi
• Klasifikasi
• Visi Komputer (gambar)
• Pemrosesan Bahasa Alami (teks)
• Time Series Forecasting (Memprediksi masa depan menggunakan data masa lalu)

Beberapa prasyarat sebelum mengambil kursus apa pun tercantum di sini:

1. Pengetahuan Python Dasar
2. Matematika SMA
3. Uang: Saya menggunakan sekitar $250
4. Dorongan untuk belajar

Dalam perjalanan saya, saya terutama menggunakan 2 materi untuk mempelajari TensorFlow dan Teori Machine-Learning dan Deep-Learning.

1. Bahan utama yang saya gunakan adalah kursus luar biasa yang dibuat oleh Daniel Bourke. Kursus ini dibuat dengan indah dan dijelaskan dengan cara yang elegan. Kursusnya agak panjang dan menjelang akhir setiap bagian dalam kursus, saya berhenti membuat kode setelah mempelajari dasar-dasarnya karena berulang-ulang.
2. Bahan kedua yang saya gunakan adalah buku karya Aurélien Géron. Buku ini mencakup semua yang perlu Anda ketahui, serta informasi lebih lanjut. Buku ini membahas topik-topik rumit yang mungkin tidak ramah bagi pemula seperti yang Anda inginkan.

1. Jika Anda memiliki langganan Coursera, kursus oleh Laurence Moroney ini jelas merupakan pilihan terbaik. Laurence Moroney bahkan memimpin AI di Google!
2. Untuk Mempelajari Teori Pembelajaran Mendalam, 3Blue1Brown membuat seri hebat yang mencakup semua yang perlu Anda ketahui di YouTube secara gratis!

Setelah menyelesaikan Kursus Zero-To-Mastery oleh Daniel Bourke, saya mulai mempersiapkan ujian. Saya mempersiapkan ujian dengan menemukan kumpulan data di Kaggle dan kemudian membuat modelnya.

Ingatlah untuk memastikan bahwa Anda mengetahui segalanya di Buku Pegangan Sertifikasi yang disediakan oleh Google. Untuk memastikan saya memahami semua yang ada di buku pegangan, saya membuat Google Colab Jupyter Notebook dan mengkodekan semuanya.

Keterampilan yang Dibutuhkan

Ringkasan tentang apa yang perlu Anda pahami untuk lulus ujian.

• Memahami Teori Deep Learning sampai batas tertentu
• Dapat menggunakan Tensorflow 2 dengan API Python
• Data Praproses (Dataset Tensorflow, CSV, JSON, data gambar, data deret waktu, dll)
• Gunakan model berurutan
• Pahami fungsi Kerugian dan Pengoptimal
• Pahami cara mencegah Overfitting dan Underfitting
• Mampu memperbaiki kesalahan (Kebanyakan kesalahan bentuk)
• Gunakan Callback
• Gunakan Jaringan Syaraf Konvolusional
• Gunakan ImageDataGenerator
• Tambahkan Augmentasi Data
• Model NLP
• Pahami dan Gunakan Penyematan Kata
• Gunakan lapisan RNN, GRU, dan LSTM
• Menyiapkan data deret waktu
• Gunakan RNN dan CNN
• Sesuaikan LR (Gunakan callback)

Setelah Anda melakukan semua hal di atas, saatnya untuk mengikuti ujian yang sebenarnya!

Apa yang perlu Anda ketahui tentang ujian:

1. Setiap percobaan ujian dikenai biaya $100 USD.
2. Ujian berlangsung di lingkungan PyCharm, jadi bersiaplah untuk menggunakan PyCharm.
3. Batas waktunya adalah 5 jam. Meskipun mungkin tidak akan memakan waktu 5 jam jika Anda memiliki akses ke GPU, akan sangat baik untuk menyisihkan waktu sekitar 5 jam untuk mengikuti ujian.
4. Ujiannya tidak sesulit yang Anda bayangkan. Jika Anda mempelajari semuanya dengan benar dan benar-benar memahami Deep-Learning dengan TensorFlow, Anda akan lulus ujian.
5. Untuk lulus ujian, Anda membutuhkan 90%, jadi sekitar 23/25 atau lebih.

Kiat Umum

• Pahami Dokumentasi dan selalu membacanya!!! Ingatlah untuk membaca dokumentasi dari sebagian besar kode yang Anda gunakan.
• Biarkan model Anda menyatu pada data (Jangan batasi jumlah zaman ke jumlah kecil, sebagai gantinya, biarkan Callback yang bekerja)
• Gunakan Callback, saya menggunakan ModelCheckpoint, EarlyStopping, dan ReduceLRonPlateau
• Pada Data Gambar selalu gunakan Augmentasi Data, ini akan menghentikan overfitting.
• Terus Tambahkan Kompleksitas ke model jika datanya kurang pas.
• Pahami cara menyetel parameter (Menambahkan putus sekolah, mengubah jumlah kerumitan, dll.)

Setelah ujian selesai:

Anda akan diberitahu apakah Anda lulus atau tidak. Setelah itu, Anda akan menerima kredensial yang menunjukkan bahwa Anda lulus ujian. Ini milikku . Meskipun saya tidak dapat memberi tahu Anda banyak tentang apa yang terjadi selama ujian, Anda mungkin akan tahu apakah Anda lulus atau tidak sebelum menerima email tersebut.

Apa yang harus dilakukan setelah:

Setelah menyelesaikan ujian, Anda akan memiliki pengetahuan untuk membuat segala macam model, jadi mengapa tidak menerapkannya? Di sekolah menengah saya, kami memiliki proyek Capstone dan saya berencana menggunakan pengetahuan TensorFlow saya untuk membuat mobil self-driving mini.

Hal lain yang telah saya lakukan adalah mempelajari kerangka kerja deep-learning terkenal lainnya yang disebut PyTorch. Ide lainnya adalah mulai menyelam lebih dalam ke bidang deep learning. Anda dapat melakukannya dengan mempelajari topik baru seperti GAN, Autoencoder, dll. Atau Anda dapat mulai mempelajari arsitektur yang lebih kompleks seperti Transformers.

Terima kasih telah membaca!

Semoga artikel ini membantu Anda dengan cara apa pun. Terima kasih banyak telah membaca!