Minha jornada de como obtive a certificação de desenvolvedor do Google TensorFlow (e como você também pode, bem como para onde ir depois disso)

Lembro-me de pensar antes do início do verão o que deveria alcançar, decidi que usaria minha pausa de 2 meses e meio para obter a certificação TensorFlow Developer. Meu nome é Pretham, sou um aluno da 8ª série que adora aprendizado profundo e recentemente recebi o certificado de desenvolvedor do TensorFlow. Neste artigo, mostrarei minha jornada e como você também pode obter a certificação TensorFlow Developer.

Conteúdo:

• Minha jornada
• O que é o TensorFlow?
• Por que obter a certificação TensorFlow Developer
• O que é a certificação TensorFlow Developer?
• Pré-requisitos
• Materiais utilizados
• Como me preparei para o exame
• Habilidades necessárias
• O exame
• Dicas Gerais
• Para onde ir depois
• Obrigado por ler!

Minha jornada

Lembro que quando ouvi pela primeira vez sobre os desenvolvimentos em IA, fiquei extremamente impressionado e me perguntei como poderia participar. Muitos vídeos explicavam as diferenças entre aprendizado de máquina e aprendizado profundo. Decidi que iria pular o aprendizado de máquina e mergulhar direto no aprendizado profundo. Para aprender sobre Deep Learning, tive que escolher uma biblioteca python, as duas bibliotecas populares que encontrei foram TensorFlow e PyTorch. Escolhi o TensorFlow por causa do número de postagens no StackOverflow, bem como pela certificação, que seria uma meta para a qual trabalhar.

Depois de escolher o TensorFlow, comecei a procurar por cursos e cheguei ao curso Zero-To-Mastery TensorFlow de Daniel Bourke (vamos aprofundar o curso mais tarde na seção de materiais). Comecei o curso imediatamente e gostei do estilo de ensino, bem como da teoria de aprendizado profundo e de máquina. O curso levou cerca de 2 meses para terminar, mas se você realmente se dedicar a isso, poderá terminar mais rápido. Depois de terminar o curso, passei duas semanas me preparando para o exame e, finalmente, fazendo e passando. Eu literalmente passei um único dia antes de minha escola recomeçar!

Agora que você já ouviu falar sobre minha jornada, agora pode ler sobre como obter a certificação do Google também!

O que é o TensorFlow?

TensorFlow é uma estrutura de aprendizado profundo criada pelo Google e usada para desenvolver modelos. O TensorFlow é uma das estruturas de aprendizado profundo mais usadas e foi criada e apoiada pelo Google.

O TensorFlow pode ser escrito em Python, JavaScript, C++ e Java. A maneira mais popular de executar o TensorFlow é em Python, que é como o exame também é feito. No entanto, quando você executa o código TensorFlow em Python, a API na verdade não usa Python. Em vez disso, ele usa C++ para executar as funções que você solicitou à API.

Por que obter a certificação TensorFlow Developer?

Decidi obter a certificação porque estava intrigado com o campo da IA ​​e também queria realizar algo durante minhas férias de verão.

Por que você pode querer obter a Certificação:

1. Aprenda o TensorFlow e saiba como criar modelos de aprendizado profundo.
2. Separe-se da multidão
3. Mostre habilidades para seu empregador atual/futuro

O que há na certificação TensorFlow Developer?

A certificação visa testar sua capacidade de usar o TensorFlow com a API Python. No exame, você criará uma variedade de modelos de aprendizado profundo.

• Regressão
• Classificação
• Visão Computacional (imagens)
• Processamento de Linguagem Natural (texto)
• Previsão de séries temporais (prever o futuro usando dados passados)

Alguns pré-requisitos antes de fazer qualquer curso estão listados aqui:

1. Conhecimento básico de Python
2. Matemática do ensino médio
3. Dinheiro: usei cerca de $ 250
4. O impulso para aprender

Em minha jornada, usei principalmente 2 materiais para aprender TensorFlow e Machine-Learning e Deep-Learning Theory.

1. O principal material que usei foi o incrível curso criado por Daniel Bourke. Este curso foi muito bem feito e foi explicado de uma forma elegante. O curso é um pouco longo e perto do final de cada seção do curso, parei de codificar depois de aprender os fundamentos porque era repetitivo.
2. O segundo material que usei foi um livro de Aurélien Géron. Este livro abrange tudo o que você precisa saber, bem como ainda mais informações. Este livro aborda tópicos complicados que podem não ser tão amigáveis ​​para iniciantes quanto você gostaria.

1. Se você possui uma assinatura do Coursera, este curso de Laurence Moroney é definitivamente a melhor opção. Laurence Moroney é até o líder de IA no Google!
2. Para aprender a teoria do aprendizado profundo, 3Blue1Brown fez uma ótima série cobrindo tudo o que você precisa saber no YouTube gratuitamente!

Depois de terminar o Curso Zero-To-Mastery de Daniel Bourke, comecei a me preparar para o exame. Eu me preparei para o exame encontrando conjuntos de dados no Kaggle e modelando-os.

Lembre-se de certificar-se de que você sabe tudo no Manual de Certificação fornecido pelo Google. Para ter certeza de que entendi tudo no manual, criei um Google Colab Jupyter Notebook e codifiquei tudo.

Habilidades necessárias

Resumo do que você precisa entender para passar no exame.

• Compreender a Teoria da Aprendizagem Profunda até certo ponto
• Ser capaz de usar o Tensorflow 2 com a API Python
• Dados de pré-processamento (conjuntos de dados do Tensorflow, CSV, JSON, dados de imagem, dados de séries temporais etc.)
• Usar modelos sequenciais
• Entenda as funções de Perda e Otimizadores
• Entenda como prevenir o Overfitting e o Underfitting
• Ser capaz de corrigir erros (principalmente erros de forma)
• Usar retornos de chamada
• Use Redes Neurais Convolucionais
• Usar ImageDataGenerator
• Adicionar aumento de dados
• Modelos de PNL
• Entenda e use as incorporações do Word
• Use as camadas RNN, GRU e LSTM
• Preparar dados de série temporal
• Use RNNs e CNNs
• Ajustar LR (usar retorno de chamada)

Depois de fazer tudo acima, será hora de fazer o exame real!

O que você precisa saber sobre o exame:

1. Cada tentativa no exame custa US$ 100.
2. O exame ocorre em um ambiente PyCharm, portanto, esteja pronto para usar o PyCharm.
3. O tempo limite é de 5 horas. Embora provavelmente não demore 5 horas se você tiver acesso a uma GPU, seria ótimo definir cerca de 5 horas para fazer o exame.
4. O exame não é tão difícil quanto você imagina. Se você aprender tudo corretamente e entender genuinamente o Deep Learning com o TensorFlow, será aprovado no exame.
5. Para passar no exame, você precisa de 90%, ou seja, cerca de 23/25 ou mais.

Dicas Gerais

• Entenda a Documentação e leia sempre!!! Lembre-se de ler a documentação da maior parte do código que você usa.
• Deixe seu modelo convergir nos dados (não limite o número de épocas a uma pequena quantidade, em vez disso, deixe os retornos de chamada fazerem o trabalho)
• Use Callbacks, usei ModelCheckpoint, EarlyStopping e ReduceLRonPlateau
• Em dados de imagem, sempre use o aumento de dados, isso impedirá o overfitting.
• Continue adicionando complexidade ao modelo se ele estiver subajustando os dados.
• Entenda como ajustar o parâmetro (adicionar desistência, alterar a quantidade de complexidade etc.)

Após o término do exame:

Você será notificado se passar ou não. Depois disso, você receberá uma credencial comprovando que foi aprovado no exame. Aqui é o meu . Embora eu não possa contar muito sobre o que acontece durante o exame, você provavelmente saberá se passou ou não antes de receber o e-mail.

O que fazer depois:

Depois de terminar o exame, você terá conhecimento para criar todos os tipos de modelos, então por que não aplicá-lo? No meu ensino médio, temos um projeto Capstone e pretendo usar meu conhecimento do TensorFlow para criar um minicarro autônomo.

Outra coisa que já fiz foi aprender outro famoso framework de aprendizado profundo chamado PyTorch. Outra ideia é começar a mergulhar mais fundo no campo da aprendizagem profunda. Você pode fazer isso aprendendo sobre novos tópicos, como GANs, Autoencoders, etc. Ou pode começar a aprender sobre arquiteturas mais complexas, como Transformers.

Obrigado por ler!

Espero que este artigo tenha ajudado você de alguma forma. Muito obrigado pela leitura!