Il mio viaggio su come ho ottenuto la certificazione per sviluppatori Google TensorFlow (e come puoi farlo anche tu e dove andare dopo)

Ricordo di aver pensato prima dell'inizio dell'estate a cosa avrei dovuto ottenere, ho deciso che avrei utilizzato la mia pausa di 2 mesi e mezzo per ottenere la certificazione TensorFlow Developer. Mi chiamo Pretham, sono uno studente di terza media che ama il deep learning e di recente ho ottenuto la certificazione TensorFlow Developer. In questo articolo, ti guiderò attraverso il mio viaggio e come puoi ottenere anche la certificazione TensorFlow Developer.

Contenuti:

• Il mio viaggio
• Cos'è TensorFlow?
• Perché ottenere la certificazione TensorFlow Developer
• Che cos'è la certificazione per sviluppatori TensorFlow?
• Prerequisiti
• Materiali usati
• Come mi sono preparato per l'esame
• Competenze necessarie
• L'esame
• Suggerimenti generali
• Dove andare dopo
• Grazie per aver letto!

Il mio viaggio

Ricordo che quando ho sentito parlare per la prima volta degli sviluppi dell'IA, sono rimasto estremamente colpito e mi sono chiesto come avrei potuto partecipare. Molti video hanno spiegato le differenze tra machine learning e deep learning. Ho deciso che avrei saltato l'apprendimento automatico e mi sarei tuffato direttamente nell'apprendimento profondo. Per conoscere il Deep Learning, ho dovuto scegliere una libreria Python, le due librerie popolari in cui mi sono imbattuto erano TensorFlow e PyTorch. Ho scelto TensorFlow per il numero di post su StackOverflow e per la certificazione che sarebbe un obiettivo per cui lavorare.

Dopo aver scelto TensorFlow, ho iniziato a cercare corsi e sono arrivato al corso TensorFlow Zero-To-Mastery di Daniel Bourke (approfondiremo il corso più avanti nella sezione dei materiali). Ho subito iniziato il corso e mi è piaciuto lo stile di insegnamento, nonché la teoria della macchina e del deep learning. Mi ci sono voluti circa 2 mesi per finire il corso, ma se ci metti veramente la testa, puoi finire più velocemente. Dopo aver terminato il corso, ho passato due settimane a prepararmi per l'esame e poi finalmente a sostenerlo e superarlo. Ho letteralmente passato un solo giorno prima che la mia scuola ricominciasse!

Ora che hai sentito parlare del mio viaggio, ora puoi leggere come ottenere la certificazione anche da Google!

Cos'è TensorFlow?

TensorFlow è un framework di deep learning creato da Google e utilizzato per sviluppare modelli. TensorFlow è uno dei framework di deep learning più utilizzati ed è stato creato e supportato da Google.

TensorFlow può essere scritto in Python, JavaScript, C++ e Java. Il modo più popolare per eseguire TensorFlow è su Python, che è anche il modo in cui viene sostenuto l'esame. Tuttavia, quando esegui il codice TensorFlow in Python, l'API in realtà non utilizza Python. Invece, utilizza C++ per eseguire le funzioni che hai chiesto all'API di eseguire.

Perché ottenere la certificazione TensorFlow Developer?

Ho deciso di ottenere la certificazione perché ero incuriosito dal campo dell'IA e volevo anche realizzare qualcosa durante la mia pausa estiva.

Perché potresti voler ottenere la certificazione:

1. Scopri TensorFlow e scopri come creare modelli di deep learning.
2. Distinguiti dalla massa
3. Mostra le competenze al tuo attuale/futuro datore di lavoro

Cosa c'è nella certificazione per sviluppatori TensorFlow?

La certificazione mira a testare la tua capacità di utilizzare TensorFlow con l'API Python. Nell'esame, costruirai una gamma di modelli di deep learning.

• Regressione
• Classificazione
• Visione artificiale (immagini)
• Elaborazione del linguaggio naturale (testo)
• Time Series Forecasting (prevedere il futuro utilizzando dati passati)

Alcuni prerequisiti prima di prendere qualsiasi corso sono elencati qui:

1. Conoscenza di base di Python
2. Matematica del liceo
3. Denaro: ho usato circa $ 250
4. La voglia di imparare

Durante il mio viaggio, ho utilizzato principalmente 2 materiali per apprendere TensorFlow e Machine-Learning e Deep-Learning Theory.

1. Il materiale principale che ho utilizzato è stato il fantastico corso creato da Daniel Bourke. Questo corso è stato realizzato magnificamente ed è stato spiegato in modo elegante. Il corso è un po' lungo e verso la fine di ogni sezione del corso, ho smesso di programmare dopo aver appreso i fondamenti perché era ripetitivo.
2. Il secondo materiale che ho utilizzato è stato un libro di Aurélien Géron. Questo libro copre tutto ciò che devi sapere, oltre a ulteriori informazioni. Questo libro copre argomenti complicati che potrebbero non essere adatti ai principianti come vorresti.

1. Se hai un abbonamento Coursera, questo corso di Laurence Moroney è sicuramente l'opzione migliore. Laurence Moroney è persino a capo dell'IA di Google!
2. Per apprendere la teoria del deep learning, 3Blue1Brown ha creato gratuitamente una fantastica serie che copre tutto ciò che devi sapere su YouTube!

Dopo aver terminato il corso Zero-To-Mastery di Daniel Bourke, ho iniziato a prepararmi per l'esame. Mi sono preparato per l'esame trovando set di dati su Kaggle e poi modellandoli.

Ricordati di assicurarti di sapere tutto nel Manuale di certificazione fornito da Google. Per assicurarmi di aver compreso tutto nel manuale, ho creato un taccuino Jupyter di Google Colab e ho codificato tutto.

Competenze necessarie

Riepilogo di ciò che dovrai capire per superare l'esame.

• Comprendi la teoria del deep learning in una certa misura
• Essere in grado di utilizzare Tensorflow 2 con l'API Python
• Dati di preelaborazione (set di dati Tensorflow, CSV, JSON, dati immagine, dati di serie temporali, ecc.)
• Usa modelli sequenziali
• Comprendere le funzioni di perdita e gli ottimizzatori
• Comprendere come prevenire l'overfitting e l'underfitting
• Essere in grado di correggere gli errori (principalmente errori di forma)
• Usa le richiamate
• Usa le reti neurali convoluzionali
• Utilizzare ImageDataGenerator
• Aggiungi l'aumento dei dati
• Modelli di PNL
• Comprendere e utilizzare gli incorporamenti di parole
• Usa i layer RNN, GRU e LSTM
• Preparare i dati delle serie temporali
• Usa RNN e CNN
• Regola LR (usa richiamata)

Dopo aver fatto tutto quanto sopra, sarà il momento di sostenere l'esame vero e proprio!

Cosa devi sapere sull'esame:

1. Ogni tentativo di esame costa $ 100 USD.
2. L'esame si svolge in un ambiente PyCharm, quindi preparati a utilizzare PyCharm.
3. Il limite di tempo è di 5 ore. Anche se probabilmente non ci vorranno 5 ore se hai accesso a una GPU, sarebbe fantastico impostare circa 5 ore di tempo per sostenere l'esame.
4. L'esame non è così difficile come potresti pensare. Se impari tutto correttamente e comprendi veramente il deep-learning con TensorFlow, supererai l'esame.
5. Per superare l'esame è necessario un 90%, quindi intorno al 23/25 o superiore.

Suggerimenti generali

• Comprendi la documentazione e leggila sempre!!! Ricorda di leggere la documentazione della maggior parte del codice che usi.
• Lascia che il tuo modello converga sui dati (non limitare il numero di epoche a una piccola quantità, invece, lascia che i Callback facciano il lavoro)
• Usa Callback, ho usato ModelCheckpoint, EarlyStopping e ReduceLRonPlateau
• Su Image Data usa sempre Data Augmentation, questo fermerà l'overfitting.
• Continua ad aggiungere complessità al modello se è sottodimensionato sui dati.
• Comprendere come regolare i parametri (aggiungere dropout, modificare la quantità di complessità, ecc.)

Al termine dell'esame:

Riceverai una notifica se superi o meno. Successivamente, riceverai una credenziale che dimostra che hai superato l'esame. Ecco il mio . Anche se non posso dirti molto su ciò che accade durante l'esame, probabilmente saprai se lo superi o meno prima di ricevere l'e-mail.

Cosa fare dopo:

Dopo aver terminato l'esame, avrai le conoscenze per creare tutti i tipi di modelli, quindi perché non applicarlo? Nella mia scuola media, abbiamo un progetto Capstone e ho intenzione di utilizzare la mia conoscenza di TensorFlow per creare una mini auto a guida autonoma.

Un'altra cosa che ho già fatto è imparare un altro famoso framework di deep learning chiamato PyTorch. Un'altra idea è quella di iniziare a immergersi più a fondo nel campo del deep learning. Puoi farlo imparando nuovi argomenti come GAN, Autoencoders, ecc. Oppure puoi iniziare a conoscere architetture più complesse come Transformers.

Grazie per aver letto!

Spero che questo articolo ti abbia aiutato in qualche modo. Grazie mille per aver letto!