Python ve PyTorch ile EITC/AI/DLPP Derin Öğrenme, PyTorch makine öğrenimi kitaplığı ile Python'da derin öğrenmeyi programlamanın temelleri üzerine Avrupa BT Sertifikasyon programıdır.
Python ve PyTorch ile EITC/AI/DLPP Derin Öğrenme müfredatı, aşağıdaki yapıda düzenlenen PyTorch kütüphanesi ile derin öğrenme Python programlamasındaki pratik becerilere odaklanır ve bu EITC Sertifikasyonu için bir referans olarak kapsamlı video didaktik içeriği kapsar.
Derin öğrenme (derin yapılandırılmış öğrenme olarak da bilinir), temsil öğrenmeli yapay sinir ağlarına dayalı daha geniş bir makine öğrenimi yöntemleri ailesinin bir parçasıdır. Öğrenme denetimli, yarı denetimli veya denetimsiz olabilir. Derin sinir ağları, derin inanç ağları, tekrarlayan sinir ağları ve evrişimli sinir ağları gibi derin öğrenme mimarileri, bilgisayarla görme, makine görüşü, konuşma tanıma, doğal dil işleme, ses tanıma, sosyal ağ filtreleme, makine çevirisi, biyoinformatik gibi alanlara uygulanmıştır. , ilaç tasarımı, tıbbi görüntü analizi, malzeme incelemesi ve masa oyunu programları, burada insan uzman performansıyla karşılaştırılabilir ve bazı durumlarda bu performansı aşan sonuçlar ürettiler.
Python, yorumlanmış, yüksek seviyeli ve genel amaçlı bir programlama dilidir. Python'un tasarım felsefesi, önemli boşlukların dikkate değer kullanımıyla kod okunabilirliğini vurgular. Dil yapıları ve nesne yönelimli yaklaşımı, programcıların küçük ve büyük ölçekli projeler için net, mantıksal kod yazmalarına yardımcı olmayı amaçlamaktadır. Python, kapsamlı standart kitaplığı nedeniyle genellikle "piller dahil" bir dil olarak tanımlanır. Python, yapay zeka projelerinde ve makine öğrenimi projelerinde TensorFlow, Keras, Pytorch ve Scikit-learn gibi kütüphanelerin yardımıyla yaygın olarak kullanılır.
Python dinamik olarak türlenmiştir (çalışma zamanında, statik programlama dillerinin derleme sırasında gerçekleştirdiği birçok yaygın programlama davranışını yürütür) ve çöp olarak toplanır (otomatik bellek yönetimi ile). Yapılandırılmış (özellikle prosedürel), nesne yönelimli ve işlevsel programlama dahil olmak üzere birden çok programlama paradigmasını destekler. 1980'lerin sonunda oluşturuldu ve ilk olarak 1991'de Guido van Rossum tarafından ABC programlama dilinin halefi olarak piyasaya sürüldü. 2.0 yılında piyasaya sürülen Python 2000, liste anlama gibi yeni özellikler ve referans sayımlı bir çöp toplama sistemi sunmuş ve 2.7'de 2020 sürümüyle kullanımdan kaldırılmıştır. 3.0'de yayınlanan Python 2008, bu dilin önemli bir revizyonuydu. tamamen geriye dönük uyumlu değildir ve Python 2 kodlarının çoğu Python 3'te değiştirilmeden çalışmaz. Python 2'nin kullanım ömrü sona erdiğinde (ve 2021'de destek kesilen pip), yalnızca Python 3.6.x ve sonraki sürümler desteklenir, eski sürümler hala örneğin Windows 7'yi (ve 64 bit Windows ile sınırlı olmayan eski yükleyiciler) destekler.
Python tercümanları genel işletim sistemleri için desteklenir ve birkaç tane daha kullanılabilir (ve geçmişte çok daha fazlasını destekledi). Küresel bir programcılar topluluğu, ücretsiz ve açık kaynaklı bir referans uygulaması olan CPython'u geliştirir ve sürdürür. Kar amacı gütmeyen bir kuruluş olan Python Software Foundation, Python ve CPython geliştirme için kaynakları yönetir ve yönlendirir.
Ocak 2021 itibarıyla Python, TIOBE'nin en popüler programlama dilleri dizininde C ve Java'nın ardından üçüncü sırada yer alıyor ve daha önce ikinci sırada yer almış ve 2020 için en fazla popülerlik kazanımı ödülünü almıştır. 2007, 2010'da Yılın Programlama Dili seçilmiştir. ve 2018.
Deneysel bir çalışma, Python gibi komut dosyası yazma dillerinin, dizgi manipülasyonu ve bir sözlükte arama içeren programlama problemleri için C ve Java gibi geleneksel dillerden daha verimli olduğunu buldu ve bellek tüketiminin genellikle "Java'dan daha iyi" olduğunu belirledi. C veya C ++ 'dan çok daha kötü ”. Python kullanan büyük kuruluşlar arasında Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram bulunur.
Yapay zeka uygulamalarının ötesinde, modüler mimariye, basit sözdizimine ve zengin metin işleme araçlarına sahip bir betik dili olarak Python, genellikle doğal dil işleme için kullanılır.
PyTorch, öncelikle Facebook'un AI Araştırma laboratuvarı (FAIR) tarafından geliştirilen, bilgisayar görüşü ve doğal dil işleme gibi uygulamalar için kullanılan Torch kitaplığına dayalı açık kaynaklı bir makine öğrenimi kitaplığıdır. Modifiye BSD lisansı altında yayınlanan ücretsiz ve açık kaynaklı bir yazılımdır. Python arayüzü daha parlak ve geliştirmenin birincil odağı olmasına rağmen, PyTorch ayrıca bir C ++ arayüzüne sahiptir. Tesla Autopilot, Uber'in Pyro, HuggingFace'in Transformers, PyTorch Lightning ve Catalyst dahil olmak üzere PyTorch üzerine bir dizi Derin Öğrenme yazılımı oluşturulmuştur.
- Grafik işleme birimleri (GPU) aracılığıyla güçlü hızlandırma ile tensör hesaplama (NumPy gibi)
- Teyp tabanlı otomatik (hesaplamalı) farklılaştırma sistemi üzerine kurulu derin sinir ağları
Facebook hem PyTorch hem de Hızlı Özellik Gömme için Evrişimli Mimari (Caffe2) çalıştırıyor, ancak iki çerçeve tarafından tanımlanan modeller karşılıklı olarak uyumsuzdu. Açık Sinir Ağı Değişimi (ONNX) projesi, modelleri çerçeveler arasında dönüştürmek için Eylül 2017'de Facebook ve Microsoft tarafından oluşturuldu. Caffe2, Mart 2018'in sonunda PyTorch ile birleştirildi.
PyTorch, homojen çok boyutlu dikdörtgen sayı dizilerini depolamak ve üzerinde çalışmak için Tensor (torch.Tensor) adlı bir sınıf tanımlar. PyTorch Tensörleri NumPy Dizilerine benzer, ancak CUDA uyumlu bir Nvidia GPU'da da çalıştırılabilir. PyTorch, çeşitli Tensör türlerini destekler.
Pytorch için birkaç önemli modül var. Bunlar şunları içerir:
- Autograd modülü: PyTorch, otomatik farklılaştırma adı verilen bir yöntem kullanır. Bir kayıt cihazı, hangi işlemlerin gerçekleştirildiğini kaydeder ve ardından degradeleri hesaplamak için geriye doğru oynatır. Bu yöntem, ileri geçişte parametrelerin farklılaşmasını hesaplayarak bir çağda zaman kazanmak için sinir ağları oluştururken özellikle güçlüdür.
- Optim modülü: torch.optim, sinir ağları oluşturmak için kullanılan çeşitli optimizasyon algoritmalarını uygulayan bir modüldür. Yaygın olarak kullanılan yöntemlerin çoğu zaten desteklenmektedir, bu nedenle bunları sıfırdan oluşturmaya gerek yoktur.
- nn modülü: PyTorch otomatik sınıflandırma, hesaplama grafiklerini tanımlamayı ve gradyanları almayı kolaylaştırır, ancak ham otomatik sınıflandırma, karmaşık sinir ağlarını tanımlamak için biraz fazla düşük seviyeli olabilir. Bu, nn modülünün yardımcı olabileceği yerdir.
Kendinizi sertifika müfredatı hakkında ayrıntılı olarak tanımak için aşağıdaki tabloyu genişletebilir ve analiz edebilirsiniz.
EITC/AI/DLPP Python ve PyTorch Sertifikasyon Müfredatı ile Derin Öğrenme, açık erişimli didaktik materyalleri Harrison Kinsley tarafından bir video biçiminde referans verir. Öğrenme süreci, ilgili müfredat bölümlerini kapsayan adım adım bir yapıya (programlar -> dersler -> konular) bölünmüştür. Alan uzmanları ile sınırsız danışmanlık da sağlanmaktadır.
Sertifikasyon prosedürü kontrolü ile ilgili ayrıntılar için Nasıl Çalışır?.
Python ve PyTorch ile EITC/AI/DLPP Derin Öğrenme programına yönelik çevrimdışı kendi kendine öğrenme hazırlık malzemelerinin tamamını PDF dosyası olarak indirin
EITC/AI/DLPP hazırlık malzemeleri – standart versiyon
EITC/AI/DLPP hazırlık materyalleri – inceleme sorularını içeren genişletilmiş versiyon