×
1 Wählen Sie EITC/EITCA-Zertifikate
2 Online-Prüfungen lernen und ablegen
3 Lassen Sie sich Ihre IT-Kenntnisse zertifizieren

Bestätigen Sie Ihre IT-Fähigkeiten und -Kompetenzen im Rahmen des europäischen IT-Zertifizierungsrahmens von überall auf der Welt vollständig online.

EITCA-Akademie

Zertifizierungsstandard für digitale Fähigkeiten des European IT Certification Institute mit dem Ziel, die Entwicklung der digitalen Gesellschaft zu unterstützen

Melden Sie sich entweder mit Ihrem Benutzernamen oder Ihrer E-Mail-Adresse bei Ihrem Konto an

EIN KONTO ERSTELLEN PASSWORT VERGESSEN?

VERGESSEN SIE IHRE DETAILS?

AAH, warten, ich erinnere mich jetzt!

EIN KONTO ERSTELLEN

HAST DU SCHON EIN KONTO?
EUROPÄISCHE ZERTIFIZIERUNGSAKADEMIE FÜR IT - BESCHEINIGUNG IHRER PROFESSIONELLEN DIGITALEN FÄHIGKEITEN
  • ANMELDEN
  • ANMELDEN
  • INFOS

EITCA-Akademie

EITCA-Akademie

Das European Information Technologies Certification Institute - EITCI ASBL

Zertifizierungsstelle

EITCI Institut

Brüssel, Europäische Union

Anwendung des europäischen Standards für die IT-Zertifizierung (EITC) zur Unterstützung der IT-Professionalität und der Digital Society

  • ZERTIFIKATE
    • EITCA-AKADEMIEN
      • EITCA ACADEMIES KATALOG<
      • EITCA/CG COMPUTERGRAFIKEN
      • EITCA/IST INFORMATIONSSICHERHEIT
      • EITCA/BI-GESCHÄFTSINFORMATIONEN
      • EITCA/KC-SCHLÜSSELKOMPETENZEN
      • EITCA/EG E-REGIERUNG
      • EITCA/WD-WEBENTWICKLUNG
      • EITCA/AI KÜNSTLICHE INTELLIGENZ
    • EITC-ZERTIFIKATE
      • EITC-ZERTIFIKATSKATALOG<
      • COMPUTERGRAFIK-ZERTIFIKATE
      • WEBDESIGN-ZERTIFIKATE
      • 3D-DESIGN-ZERTIFIKATE
      • BÜRO IT-ZERTIFIKATE
      • BITCOIN BLOCKCHAIN-ZERTIFIKAT
      • WORDPRESS-ZERTIFIKAT
      • CLOUD-PLATTFORM-ZERTIFIKATNEUES
    • EITC-ZERTIFIKATE
      • INTERNET-ZERTIFIKATE
      • CRYPTOGRAPHY-ZERTIFIKATE
      • BUSINESS IT-ZERTIFIKATE
      • TELEWORK-ZERTIFIKATE
      • PROGRAMMIERZERTIFIKATE
      • DIGITAL PORTRAIT ZERTIFIKAT
      • ZERTIFIKATE FÜR DIE WEBENTWICKLUNG
      • TIEFE LERNZERTIFIKATENEUES
    • ZERTIFIKATE FÜR
      • ÖFFENTLICHE VERWALTUNG DER EU
      • LEHRER UND BILDER
      • IT-SICHERHEITSPROFIS
      • GRAFIKDESIGNER & KÜNSTLER
      • GESCHÄFTSFÜHRER UND MANAGER
      • BLOCKCHAIN ​​ENTWICKLER
      • WEB-ENTWICKLER
      • CLOUD AI EXPERTENNEUES
  • EMPFOHLEN
  • SUBVENTION
  • WIE FUNKTIONIERT ES?
  •   IT ID
  • ÜBER UNS
  • KONTAKT
  • MEINE BESTELLUNGEN
    Ihre aktuelle Bestellung ist leer.
EITCIINSTITUTE
CERTIFIED

EITC/AI/DLPP Deep Learning mit Python und PyTorch

by Administrator / Mittwoch, 03 Februar 2021 / Veröffentlicht in Allgemein
Aktueller Status
Nicht eingeschrieben
PREIS
€110
Los geht’s
Melden Sie sich für diese Zertifizierung an

EITC/AI/DLPP Deep Learning mit Python und PyTorch ist das europäische IT-Zertifizierungsprogramm zu den Grundlagen der Programmierung von Deep Learning in Python mit der PyTorch-Bibliothek für maschinelles Lernen.

Der Lehrplan des EITC/AI/DLPP-Deep-Learning mit Python und PyTorch konzentriert sich auf praktische Fertigkeiten im Deep-Learning-Python-Programmieren mit der PyTorch-Bibliothek, die in der folgenden Struktur organisiert sind und umfassende didaktische Videoinhalte als Referenz für diese EITC-Zertifizierung umfassen.

Deep Learning (auch als Deep Structured Learning bezeichnet) gehört zu einer breiteren Familie von Methoden des maschinellen Lernens, die auf künstlichen neuronalen Netzen mit Repräsentationslernen basieren. Das Lernen kann überwacht, halbüberwacht oder unbeaufsichtigt sein. Deep-Learning-Architekturen wie tiefe neuronale Netze, tiefe Glaubensnetzwerke, wiederkehrende neuronale Netze und Faltungs-neuronale Netze wurden auf Bereiche wie Computer Vision, Machine Vision, Spracherkennung, Verarbeitung natürlicher Sprache, Audioerkennung, Filterung sozialer Netzwerke, maschinelle Übersetzung und Bioinformatik angewendet , Medikamentendesign, medizinische Bildanalyse, Materialinspektion und Brettspielprogramme, bei denen Ergebnisse erzielt wurden, die mit der Leistung von Experten vergleichbar sind und diese in einigen Fällen sogar übertreffen.

Künstliche neuronale Netze (ANNs) wurden von der Informationsverarbeitung und verteilten Kommunikationsknoten in biologischen Systemen inspiriert. Das Adjektiv „tief“ im tiefen Lernen bezieht sich auf die Verwendung mehrerer Schichten im Netzwerk. Frühe Arbeiten zeigten, dass ein lineares Perzeptron kein universeller Klassifikator sein kann, und dass dies auch ein Netzwerk mit einer nichtpolynomiellen Aktivierungsfunktion mit einer verborgenen Schicht unbegrenzter Breite sein kann. Deep Learning ist eine moderne Variante, die sich mit einer unbegrenzten Anzahl von Schichten begrenzter Größe befasst, die eine praktische Anwendung und eine optimierte Implementierung ermöglicht und gleichzeitig die theoretische Universalität unter milden Bedingungen beibehält. Beim Deep Learning dürfen die Schichten auch heterogen sein und aus Gründen der Effizienz, Trainingsfähigkeit und Verständlichkeit stark von biologisch informierten verbindungsorientierten Modellen abweichen, woher der „strukturierte“ Teil stammt.

Python ist eine interpretierte Programmiersprache auf hoher Ebene und für allgemeine Zwecke. Die Designphilosophie von Python betont die Lesbarkeit von Code durch die bemerkenswerte Verwendung von signifikanten Leerzeichen. Seine Sprachkonstrukte und sein objektorientierter Ansatz sollen Programmierern helfen, klaren, logischen Code für kleine und große Projekte zu schreiben. Python wird aufgrund seiner umfassenden Standardbibliothek häufig als "Batterie enthalten" -Sprache bezeichnet. Python wird häufig in Projekten mit künstlicher Intelligenz und Projekten für maschinelles Lernen mit Hilfe von Bibliotheken wie TensorFlow, Keras, Pytorch und Scikit-learn verwendet.

Python ist dynamisch typisiert (zur Laufzeit werden viele gängige Programmierverhaltensweisen ausgeführt, die statische Programmiersprachen während der Kompilierung ausführen) und müllsammelt (mit automatischer Speicherverwaltung). Es unterstützt mehrere Programmierparadigmen, einschließlich strukturierter (insbesondere prozeduraler), objektorientierter und funktionaler Programmierung. Es wurde Ende der 1980er Jahre erstellt und 1991 von Guido van Rossum als Nachfolger der Programmiersprache ABC erstmals veröffentlicht. Python 2.0, das im Jahr 2000 veröffentlicht wurde, führte neue Funktionen wie Listenverständnis und ein Garbage Collection-System mit Referenzzählung ein und wurde mit Version 2.7 im Jahr 2020 eingestellt. Python 3.0, das im Jahr 2008 veröffentlicht wurde, war eine wichtige Überarbeitung der jeweiligen Sprache Nicht vollständig abwärtskompatibel und viel Python 2-Code wird unter Python 3 nicht unverändert ausgeführt. Mit dem Ende der Lebensdauer von Python 2 (und Pip, das die Unterstützung im Jahr 2021 eingestellt hat) wird nur Python 3.6.x und höher unterstützt, wobei ältere Versionen noch vorhanden sind Unterstützung zB Windows 7 (und alte Installationsprogramme, die nicht auf 64-Bit-Windows beschränkt sind).

Python-Interpreter werden für Mainstream-Betriebssysteme unterstützt und sind für einige weitere verfügbar (und haben in der Vergangenheit viele weitere unterstützt). Eine globale Community von Programmierern entwickelt und pflegt CPython, eine kostenlose Open-Source-Referenzimplementierung. Die Python Software Foundation, eine gemeinnützige Organisation, verwaltet und leitet Ressourcen für die Python- und CPython-Entwicklung.

Ab Januar 2021 belegt Python nach T und BE den dritten Platz im TIOBE-Index der beliebtesten Programmiersprachen, nachdem es zuvor den zweiten Platz und die Auszeichnung für den beliebtesten Gewinn für 2020 erhalten hatte. 2007 und 2010 wurde es zur Programmiersprache des Jahres gewählt und 2018.

Eine empirische Studie ergab, dass Skriptsprachen wie Python für Programmierprobleme bei der Manipulation von Zeichenfolgen und der Suche in einem Wörterbuch produktiver sind als herkömmliche Sprachen wie C und Java, und stellte fest, dass der Speicherverbrauch häufig „besser als Java und nicht“ ist viel schlimmer als C oder C ++ ”. Zu den großen Organisationen, die Python verwenden, gehören ua Wikipedia, Google, Yahoo! CERN, NASA, Facebook, Amazon, Instagram.

Neben seinen Anwendungen für künstliche Intelligenz wird Python als Skriptsprache mit modularer Architektur, einfacher Syntax und Rich-Text-Verarbeitungswerkzeugen häufig für die Verarbeitung natürlicher Sprache verwendet.

PyTorch ist eine Open-Source-Bibliothek für maschinelles Lernen, die auf der Torch-Bibliothek basiert und für Anwendungen wie Computer Vision und Verarbeitung natürlicher Sprache verwendet wird. Sie wurde hauptsächlich vom AI Research Lab (FAIR) von Facebook entwickelt. Es handelt sich um kostenlose Open-Source-Software, die unter der Modified BSD-Lizenz veröffentlicht wird. Obwohl die Python-Oberfläche ausgefeilter ist und im Mittelpunkt der Entwicklung steht, verfügt PyTorch auch über eine C ++ - Oberfläche. Auf PyTorch basieren eine Reihe von Deep Learning-Programmen, darunter Tesla Autopilot, Ubers Pyro, HuggingFace-Transformatoren, PyTorch Lightning und Catalyst.

PyTorch bietet zwei allgemeine Funktionen:

  • Tensor Computing (wie NumPy) mit starker Beschleunigung über Grafikprozessoren (GPU)
  • Tiefe neuronale Netze, die auf einem bandbasierten automatischen (rechnerischen) Differenzierungssystem basieren

Facebook betreibt sowohl PyTorch als auch Convolutional Architecture für Fast Feature Embedding (Caffe2), aber die von den beiden Frameworks definierten Modelle waren nicht miteinander kompatibel. Das Open Neural Network Exchange (ONNX) -Projekt wurde im September 2017 von Facebook und Microsoft erstellt, um Modelle zwischen Frameworks zu konvertieren. Caffe2 wurde Ende März 2018 in PyTorch fusioniert.

PyTorch definiert eine Klasse namens Tensor (torch.Tensor) zum Speichern und Bearbeiten homogener mehrdimensionaler rechteckiger Zahlenfelder. PyTorch-Tensoren ähneln NumPy-Arrays, können jedoch auch auf einer CUDA-fähigen Nvidia-GPU betrieben werden. PyTorch unterstützt verschiedene Untertypen von Tensoren.

Es gibt nur wenige wichtige Module für Pytorch. Diese schließen ein:

  • Autograd-Modul: PyTorch verwendet eine Methode namens automatische Differenzierung. Ein Rekorder zeichnet auf, welche Operationen ausgeführt wurden, und spielt sie dann rückwärts ab, um die Verläufe zu berechnen. Diese Methode ist besonders leistungsfähig, wenn neuronale Netze aufgebaut werden, um Zeit in einer Epoche zu sparen, indem die Differenzierung der Parameter beim Vorwärtsdurchlauf berechnet wird.
  • Optimierungsmodul: torch.optim ist ein Modul, das verschiedene Optimierungsalgorithmen implementiert, die zum Aufbau neuronaler Netze verwendet werden. Die meisten häufig verwendeten Methoden werden bereits unterstützt, sodass sie nicht von Grund auf neu erstellt werden müssen.
  • nn-Modul: PyTorch Autograd erleichtert das Definieren von Berechnungsgraphen und das Aufnehmen von Gradienten, aber das rohe Autograd kann für die Definition komplexer neuronaler Netze etwas zu niedrig sein. Hier kann das nn-Modul helfen.

Um sich im Detail mit dem Zertifizierungscurriculum vertraut zu machen, können Sie die folgende Tabelle erweitern und analysieren.

Das EITC/AI/DLPP Deep Learning with Python and PyTorch Certification Curriculum verweist auf frei zugängliche didaktische Materialien in Videoform von Harrison Kinsley. Der Lernprozess ist in eine schrittweise Struktur (Programme -> Lektionen -> Themen) unterteilt, die relevante Lehrplanteile abdeckt. Unbegrenzte Beratung durch Domänenexperten wird ebenfalls angeboten.
Einzelheiten zum Zertifizierungsverfahren finden Sie unter So funktioniert es.

Curriculum des Zertifizierungsprogramms

Alles anzeigen
Einleitung 1-Thema
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/1-Schritte
Einführung in das Deep Learning mit Python und Pytorch
Daten 1-Thema
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/1-Schritte
Datensätze
Neurales Netzwerk 2-Themen
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/2-Schritte
Aufbau eines neuronalen Netzwerks
Trainingsmodell
Faltungsneuronales Netzwerk (CNN) 2-Themen
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/2-Schritte
Einführung in Convnet mit Pytorch
Schulung Convnet
Mit tiefem Lernen vorankommen 2-Themen
Erweitern
Inhalt der Lektion
0% abgeschlossen 0/2-Schritte
Berechnung auf der GPU
Modellanalyse
EITC/AI/DLPP Deep Learning mit Python und PyTorch
  • Tweet

Über Uns Administrator

Home » Mein Konto

Zertifizierungszentrum

Programm Home Alles anzeigen
Einleitung
1-Thema
Einführung in das Deep Learning mit Python und Pytorch
Daten
1-Thema
Datensätze
Neurales Netzwerk
2-Themen
Aufbau eines neuronalen Netzwerks
Trainingsmodell
Faltungsneuronales Netzwerk (CNN)
2-Themen
Einführung in Convnet mit Pytorch
Schulung Convnet
Mit tiefem Lernen vorankommen
2-Themen
Berechnung auf der GPU
Modellanalyse
EITC/AI/DLPP Deep Learning mit Python und PyTorch

BENUTZERMENÜ

  • Meine Buchungen

ZERTIFIKATSKATEGORIE

  • EITC-Zertifizierung (105)
  • EITCA-Zertifizierung (9)

Wonach suchst du?

  • Einleitung
  • Wie funktioniert es?
  • EITCA-Akademien
  • EITCI DSJC-Subvention
  • Vollständiger EITC-Katalog
  • Ihre Bestellung
  • Ausgewählte Auktionen
  •   IT ID
  • Über Uns
  • Kontakt

    Verwaltungsbüro der EITCA Academy

    Europäisches IT-Zertifizierungsinstitut
    Brüssel, Belgien, Europäische Union

    Die EITC/EITCA-Zertifizierungsstelle
    Regelung des europäischen IT-Zertifizierungsstandards
    Starten Kontakt Formular oder rufen Sie an: +32 25887351

    Vor 6 TagenDie #EITC/WD/WPF WordPress-Grundlagenzertifikat (Teil der #EITCA/WD) bescheinigt Sachkunde in #WordPress CMS, im … https://t.co/A2jjXPeKgj
    Folgen Sie @EITCI

    Automatisch in Ihre Sprache übersetzen

    Geschäftsbedingungen | Datenschutz
    Folgen Sie @EITCI
    EITCA-Akademie
    • EITCA Academy in sozialen Medien
    EITCA-Akademie


    © 2008-2023  Europäisches IT-Zertifizierungsinstitut
    Brüssel, Belgien, Europäische Union

    TOPS
    Chatten Sie mit dem Support
    Chatten Sie mit dem Support
    Fragen, Zweifel, Probleme? Wir sind hier, um dir zu helfen!
    Ende des Gesprächs
    Verbindung wird hergestellt ...
    Hast du eine Frage? Frag uns!
    Hast du eine Frage? Frag uns!
    :
    :
    :
    Senden
    Hast du eine Frage? Frag uns!
    :
    :
    Chat beginnen
    Die Chat-Sitzung wurde beendet. Vielen Dank!
    Bitte bewerten Sie die Unterstützung, die Sie erhalten haben.
    Gut Badewanne