私が Google TensorFlow Developer Certified を取得するまでの道のり

夏が始まる前に何を達成すべきかを考えたのを覚えています。2 か月半の休憩を利用して TensorFlow デベロッパー認定を取得することにしました。私の名前は Pretham です。深層学習が大好きな中学 2 年生で、最近 TensorFlow Developer Certified を取得しました。この記事では、私の旅と TensorFlow Developer Certified を取得する方法について説明します。

コンテンツ：

• 私の旅
• TensorFlow とは?
• TensorFlow デベロッパー認定を取得する理由
• TensorFlow デベロッパー認定資格とは何ですか?
• 前提条件
• 使用材料
• 試験の準備方法
• 必要なスキル
• 試験
• 一般的なヒント
• どこへ行く
• 読んでくれてありがとう！

私の旅

AI の発展について初めて聞いたとき、私は非常に感銘を受け、自分が参加できるかどうか疑問に思ったことを覚えています。多くのビデオで、機械学習と深層学習の違いが説明されていました。私は、機械学習をスキップして、深層学習に飛び込むことにしました。ディープ ラーニングについて学ぶために、Python ライブラリを選択する必要がありました。私が遭遇した 2 つの人気のあるライブラリは、TensorFlow と PyTorch でした。私が TensorFlow を選んだのは、StackOverflow への投稿の数と、私が取り組むべき目標となる認定のためです。

TensorFlow を選んだ後、私はコースを探し始め、Daniel Bourke による Zero-To-Mastery TensorFlow Course にたどり着きました (このコースについては、後の資料セクションで詳しく説明します)。私はすぐにコースを開始し、教育スタイルだけでなく、機械と深層学習の理論も楽しんでいました。コースを修了するのに約 2 か月かかりましたが、本気で取り組めば、より早く修了できます。コースを修了した後、2 週間かけて試験の準備をし、最終的に受験して合格しました。学校が再開するまでに、文字通り1日が過ぎました！

私の旅について聞いたので、Google の認定を受ける方法についても読むことができます。

TensorFlow とは何ですか?

TensorFlow は、Google によって作成され、モデルの開発に使用されるディープ ラーニング フレームワークです。TensorFlow は、最も使用されているディープ ラーニング フレームワークの 1 つであり、Google によって作成および支援されています。

TensorFlow は、Python、JavaScript、C++、Java のいずれかで記述できます。TensorFlow を実行する最も一般的な方法は Python であり、これは試験の受け方でもあります。ただし、Python で TensorFlow コードを実行する場合、API は実際には Python を使用しません。代わりに、C++ を使用して、API に要求した機能を実行します。

TensorFlow デベロッパー認定を取得する理由

AIの分野に興味があり、夏休みに何かを成し遂げたいという思いから、資格取得を決意しました。

認定を取得する理由:

1. TensorFlow について学び、ディープ ラーニング モデルの作成方法を学びます。
2. 群衆から離れて自分を設定する
3. 現在/将来の雇用主にスキルをアピールする

TensorFlow デベロッパー認定資格には何が含まれていますか?

この認定資格は、Python API で TensorFlow を使用する能力をテストすることを目的としています。試験では、さまざまな深層学習モデルを構築します。

• 回帰
• 分類
• コンピューター ビジョン (画像)
• 自然言語処理 (テキスト)
• 時系列予測（過去のデータから未来を予測する）

コースを受講する前のいくつかの前提条件を次に示します。

1. 基本的な Python の知識
2. 高校数学
3. お金：250ドルくらい使った
4. 学ぶ意欲

この旅では、主に 2 つの教材を使用して TensorFlow と機械学習および深層学習理論を学びました。

1. 私が使用した主な資料は、ダニエル・バークによって作成された素晴らしいコースでした. このコースは美しく作られ、エレガントな方法で説明されました。コースは少し長く、コースの各セクションの終わり近くにあり、繰り返しが多かったため、基本を学習した後、コーディングをやめました。
2. 2 番目に使用した資料は、Aurélien Géronの本でした。この本には、知っておくべきすべての情報と、さらに詳しい情報が記載されています。この本は、あなたが望むほど初心者向けではないかもしれない複雑なトピックをカバーしています.

1. Coursera のサブスクリプションをお持ちの場合は、Laurence Moroney によるこのコースが間違いなく最適なオプションです。ローレンス・モロニーは、Google の AI のリーダーでもあります。
2. 深層学習理論を学ぶために、3Blue1Brown は、YouTube で知る必要のあるすべてを無料でカバーするすばらしいシリーズを作成しました。

Daniel Bourke による Zero-To-Mastery Course を終えた後、私は試験の準備を始めました。Kaggleでデータセットを見つけてモデル化することで、試験の準備をしました。

Google が提供する認定ハンドブックの内容をすべて理解していることを忘れないでください。ハンドブックのすべてを確実に理解するために、Google Colab Jupyter Notebook を作成し、すべてをコーディングしました。

必要なスキル

試験に合格するために理解しておく必要があることの概要。

• ディープラーニングの理論をある程度理解する
• Python API で Tensorflow 2 を使用できる
• データの前処理 (Tensorflow データセット、CSV、JSON、画像データ、時系列データなど)
• シーケンシャル モデルを使用する
• 損失関数とオプティマイザーを理解する
• オーバーフィッティングとアンダーフィッティングを防ぐ方法を理解する
• エラーを修正できる (主に形状エラー)
• コールバックを使用する
• 畳み込みニューラル ネットワークの使用
• ImageDataGenerator を使用する
• データ拡張を追加
• NLP モデル
• 単語の埋め込みを理解して使用する
• RNN、GRU、および LSTM 層を使用する
• 時系列データの準備
• RNN と CNN を使用する
• LR を調整する (コールバックを使用)

上記のすべてを行った後、実際の試験を受ける時間になります。

試験について知っておくべきこと：

1. 試験の受験料は 1 回につき 100 米ドルです。
2. 試験は PyCharm 環境で行われるため、PyCharm を使用する準備をしてください。
3. 制限時間は5時間。GPU にアクセスできる場合はおそらく 5 時間もかからないでしょうが、試験を受けるために約 5 時間の時間を設定することをお勧めします。
4. 試験はあなたが思っているほど難しくありません。すべてを正しく学習し、TensorFlow を使用した深層学習を真に理解していれば、試験に合格できます。
5. 試験に合格するには 90% が必要なので、約 23/25 以上です。

一般的なヒント

• ドキュメンテーションを理解し、常に読んでください!!! 使用するほとんどのコードのドキュメントを読むことを忘れないでください。
• モデルをデータに収束させます (エポックの数を少量に制限しないでください。代わりに、コールバックに作業を任せてください)
• コールバックを使用します。ModelCheckpoint、EarlyStopping、ReduceLRonPlateau を使用しました
• 画像データでは常に Data Augmentation を使用します。これによりオーバーフィッティングが停止します。
• データに適合していない場合は、モデルに複雑さを追加し続けます。
• パラメータの調整方法を理解する (ドロップアウトの追加、複雑さの量の変更など)

試験終了後：

合格か不合格かは通知されます。その後、試験に合格したことを示す証明書が発行されます。これが私のものです。試験中に何が起こるかについてはあまりお伝えできませんが、合格か不合格かはメールを受け取る前にわかるでしょう。

その後の対応:

試験終了後は、あらゆるモデルを作成できる知識が身につきますので、ぜひ実践してみてはいかがでしょうか。私の中学校では Capstone プロジェクトがあり、TensorFlow の知識を使って小型の自動運転車を作成する予定です。

私がすでに行っているもう 1 つのことは、PyTorch と呼ばれる別の有名な深層学習フレームワークを学習したことです。もう 1 つのアイデアは、ディープ ラーニングの分野をさらに深く掘り下げることです。これを行うには、GAN、オートエンコーダーなどの新しいトピックについて学習するか、トランスフォーマーなどのより複雑なアーキテクチャについて学習を開始することができます。

読んでくれてありがとう！

この記事が少しでもお役に立てば幸いです。読んでくれてありがとう！