पाइथन र पाइटोर्चको साथ EITC/AI/DLPP डीप लर्निंग भनेको पायथोर मेशिन लर्निंग लाइब्रेरीको साथ पाइथनमा गहन शिक्षाको प्रोग्रामिंगको फाउन्डेन्टलहरूमा युरोपेली आईटी प्रमाणीकरण कार्यक्रम हो।
EITC/AI/DLPP का पाठ्यक्रम पाइथन र PyTorch संग गहन सीप सिक्ने पाइथोरञ्च संग व्यावहारिक सीप मा ध्यान केन्द्रित गर्दछ PyTorch लाइब्रेरी संग संगठित विस्तृत भिडियो डाउडेटिक सामग्री यस EITC प्रमाणीकरण को संदर्भको रूपमा।
गहिराइ सिक्न (गहिरो संरचनागत लर्निंग पनि भनिन्छ) प्रतिनिधित्व सीखनेको साथ कृत्रिम तंत्रिका नेटवर्कमा आधारित मेशिन लर्निंग विधाहरूको फराकिलो परिवारको हिस्सा हो। सिकाई पर्यवेक्षण, अर्ध-पर्यवेक्षित वा अप्रिय पर्यवेक्षण गर्न सकिन्छ। गहिरा स्नायु नेटवर्कहरू, गहिरो विश्वास नेटवर्कहरू, आवर्ती न्यूरल नेटवर्कहरू र कन्फ्युसनल न्यूरल नेटवर्क जस्ता गहिराइ सिक्ने आर्किटेक्चरहरू कम्प्युटर भिजन, मेशिन भिजन, भाषण मान्यता, प्राकृतिक भाषा प्रसंस्करण, अडियो मान्यता, सामाजिक नेटवर्क फिल्टरि,, मेशिन अनुवाद, बायोइन्फर्मेटिक्स सहितको क्षेत्रहरूमा लागू गरिएको छ। , औषधि डिजाइन, मेडिकल छवि विश्लेषण, सामग्री निरीक्षण र बोर्ड गेम प्रोग्रामहरू, जहाँ तिनीहरूले परिणाम उत्पादन गरेका छन् तुलना गर्न सकिने र केहि अवस्थामा मानव विशेषज्ञको प्रदर्शनलाई पार गर्दछ।
पाइथन एक अनुवादित, उच्च-स्तर र सामान्य-उद्देश्य प्रोग्रामिंग भाषा हो। पाइथनको डिजाइन दर्शनले कोड पढ्ने क्षमतामा जोड दिन्छ यसको उल्लेखनीय सेता स्पेसको उल्लेखनीय प्रयोगको साथ। यसको भाषा निर्माण र वस्तु-उन्मुख दृष्टिकोण उद्देश्य भनेको प्रोग्रामरहरूलाई साना र ठूला परियोजनाहरूको लागि स्पष्ट, तार्किक कोड लेख्न मद्दत पुर्याउनु हो। पाइथन अक्सर "ब्याट्री समावेश" भाषा को रूप मा वर्णन गरिएको छ यसको व्यापक मानक पुस्तकालयको कारण। पाइथन सामान्यतया टेन्सरफ्लो, केरास, पायटोर्च र साइकिट-सिक्न लाइब्रेरीको सहयोगमा कृत्रिम खुफिया परियोजनाहरू र मेशिन लर्निंग परियोजनाहरूमा प्रयोग हुन्छ।
पाइथन गतिशील-प्रकारको हुन्छ (रनटाइममा कार्यान्वयन हुने धेरै सामान्य प्रोग्रामिंग व्यवहारहरू जुन स्थिर प्रोग्रामिंग भाषाहरू संकलनको क्रममा गरिन्छ) र फोहोर-संकलित (स्वचालित मेमोरी प्रबन्धनको साथ)। यसले बहु प्रोग्रामिंग प्याराडिग्म्स समर्थन गर्दछ, संरचित (विशेष गरी प्रक्रियात्मक), वस्तु-उन्मुख र कार्यात्मक प्रोग्रामिंग सहित। यो १ 1980 s० को उत्तरार्धमा सिर्जना गरिएको थियो, र १ 1991 2.0 १ मा पहिलो पटक एबीसी प्रोग्रामि to भाषाको उत्तराधिकारीको रूपमा गुइडो भ्यान रोसमले रिलिज गरेको थियो। २००० मा जारी गरिएको पाइथन २.०, नयाँ सुविधाहरू प्रस्तुत गर्दछ, जस्तै सूची बुझाइ, र सन्दर्भ गणना सहित फोहोर स collection्कलन प्रणाली, र २०२० मा संस्करण २.2000 बाट बन्द गरियो। २०० 2.7 मा जारी गरिएको पाइथन 2020.०, भाषाको प्रमुख संशोधन थियो। पूर्ण रूपमा पछाडि संगत छैन र धेरै पाइथन २ कोड पाइथन on मा अप्रशोधित चल्दैन। पाइथन २ को जीवनको अन्त (र २०२१ मा पाइपले समर्थन छोड्छ) सँग मात्र पाइथन 3.0..2008.x र पछि समर्थित छ पुरानो संस्करणको साथ समर्थन जस्तै Windows 2 (र पुरानो स्थापनाकर्ता 3-बिट विन्डोजमा सीमित छैन)।
पाइथन दुभाषाहरू मुख्यधाराको अपरेटिंग प्रणालीहरूको लागि समर्थित र केहि बढीका लागि उपलब्ध छन् (र विगतमा धेरै अधिक समर्थन गरिएको थियो)। प्रोग्रामरहरूको एक विश्वव्यापी समुदाय विकसित र CPython, एक नि: शुल्क र खुला स्रोत सन्दर्भ कार्यान्वयनको मर्मत गर्दछ। पाइथन सफ्टवेयर फाउन्डेसन एउटा नाफा नकमाउने संस्थाले पाइथन र सिथ्थन विकासको लागि संसाधनहरू निर्देशित गर्दछ।
जनवरी २०२१ सम्म, पायथनले TIOBE को धेरै लोकप्रिय प्रोग्रामिंग भाषाहरूको सूचकांकमा तेर्सो स्थान प्राप्त गर्यो, जुन C र जावाको पछाडि दोस्रो स्थान र २०२० को लोकप्रियताको फाइदाको लागि उनीहरूको पुरस्कार हो। यो २०० 2021, २०१० मा प्रोग्रामिंग भाषाको वर्ष चयन गरियो। , र २०१।।
एक अनुभवजन्य अध्ययनले पत्ता लगायो कि स्क्रिप्टिंग भाषाहरू जस्तै पाइथनले परम्परागत भाषाहरू जस्तै सी र जाभा भन्दा बढी फलदायी हुन्छन् र शब्दकोषमा स्ट्रि man्ग हेराफेली र खोज समावेश प्रोग्रामिंग समस्याहरूको लागि, र निर्धारित गर्दछ कि मेमोरी उपभोग प्राय "जाभाभन्दा राम्रो थियो र छैन। C वा C ++ भन्दा धेरै नराम्रो। पाइथन प्रयोग गर्ने ठूला स्गठनहरूले आईआईपी विकिपेडिया, गुगल, याहू !, सीईआरएन, नासा, फेसबुक, अमेजन, इन्स्टाग्राम समावेश गर्दछ।
यसको कृत्रिम बुद्धिमत्ता अनुप्रयोगहरू पछाडि पाइथन, मोड्युलर आर्किटेक्चर, सरल सिन्ट्याक्स र रिच टेक्स्ट प्रोसेसिंग टुल्सको साथ स्क्रिप्टि language भाषाको रूपमा अक्सर प्राकृतिक भाषा प्रशोधनको लागि प्रयोग हुन्छ।
पायटर्च टर्च लाइब्रेरीमा आधारित एक खुला स्रोत मेशिन लर्निंग लाइब्रेरी हो, जुन कम्प्युटर दर्शन र प्राकृतिक भाषा प्रशोधन जस्ता अनुप्रयोगहरूको लागि प्रयोग गरिन्छ, जुन फेसबुकको एआई रिसर्च ल्याब (एफएआईआर) द्वारा विकसित गरिएको हो। यो नि: शुल्क र ओपन-स्रोत सफ्टवेयर हो जुन परिमार्जित BSD इजाजतपत्र अन्तर्गत जारी गरिएको हो। यद्यपि पाइथन इन्टरफेस अधिक पालिश गरिएको छ र विकासको प्राथमिक फोकस, पाइ टोर्चमा C ++ इन्टरफेस पनि छ। डीप लर्नि software सफ्टवेयरको धेरै टुक्रा पाइटोर्चको माथि निर्मित छन्, टेस्ला अटोपिलट, उबरको पायरो, हगिंगफेरिक्सको ट्रान्सफार्मर, पाइटोर्च लाइटनिंग, र उत्प्रेरक सहित।
- टेन्सर कम्प्युटिंग (NumPy जस्तै) ग्राफिक्स प्रोसेसिंग एकाइहरू (GPU) को माध्यमबाट मजबूत त्वरणको साथ
- डीप न्यूरल नेटवर्क टेप-आधारित स्वचालित (कम्प्यूटेशनल) भिन्नता प्रणालीमा निर्मित
फेसबुक दुबै पियटोर्च र कन्भोलुसनल आर्किटेक्चर फास्ट फीचर एम्बेडिंग (Caffe2) को संचालन गर्दछ, तर दुई फ्रेमवर्क द्वारा परिभाषित मोडेलहरू पारस्परिक असंगत थिए। ओपन न्यूरल नेटवर्क एक्सचेंज (ओएनएनएक्स) परियोजना फेसबुक र माइक्रोसफ्ट द्वारा सेप्टेम्बर २०१ in मा फ्रेमवर्क बीच मोडेल रूपान्तरणको लागि बनाईएको हो। Cafe2017 मार्च २०१ of को अन्त्यमा पायटोर्चमा मर्ज गरियो।
पायटोर्चले टेन्सर (torch.Tensor) भनिने एक वर्ग परिभाषित गर्दछ को संख्या को सजातीय बहुआयामी आयताकार एर्रे भण्डारण गर्न र अपरेट गर्न। PyTorch टेन्सर NumPy एरे जस्तै छन्, तर पनि एक CUDA सक्षम Nvidia GPU मा संचालित गर्न सकिन्छ। पायटर्चले टेन्सरहरूको विभिन्न उप-प्रकारहरू समर्थन गर्दछ।
त्यहाँ पायोरर्चका लागि केहि महत्वपूर्ण मोड्युलहरू छन्। यसमा समावेश छन्:
- अटोग्राड मोड्युल: पायटोर्चले स्वचालित भिन्नता भनिने विधि प्रयोग गर्दछ। एक रेकर्डरले के अपरेशनहरू प्रदर्शन गर्दछ रेकर्ड गर्दछ, र त्यसपछि यसले ग्रेडेन्टहरू गणना गर्न पछाडि पुन: प्रदर्शन गर्दछ। यस विधि विशेष गरी शक्तिशाली छ जब एक युगमा समय बचत गर्न तंत्रिका नेटवर्कहरू निर्माण गर्दा अगाडिको पासमा प्यारामिटरहरूको भिन्नता गणना गरेर।
- Optim मॉड्यूल: torch.optim एक मोड्युल हो कि न्युरो नेटवर्क निर्माण गर्न प्रयोग विभिन्न अप्टिमाइजेसन एल्गोरिदम लागू गर्दछ। धेरै जसो सामान्य रूपमा प्रयोग हुने विधिहरू पहिले नै समर्थित छन्, त्यसैले तिनीहरूलाई स्क्र्याचबाट निर्माण गर्न आवश्यक पर्दैन।
- nn मोड्युल: पायटोर्च अटोग्राडले कम्प्युटेसनल ग्राफहरू परिभाषित गर्न र ग्रेडियन्टहरू लिन सजिलो बनाउँदछ, तर कच्चा अटोग्राड जटिल न्यूरल नेटवर्कहरू परिभाषित गर्नको लागि अलि अलि कम स्तरको हुन सक्छ। यो जहाँ एनएन मोड्युलले सहयोग गर्न सक्छ।
प्रमाणीकरण पाठ्यक्रमको साथमा आफूलाई विस्तृत रूपमा परिचित गर्न तपाईंले तलको तालिका विस्तार र विश्लेषण गर्न सक्नुहुन्छ।
EITC/AI/DLPP डीप लर्निङ विथ पाइथन र पाइटोर्च सर्टिफिकेसन पाठ्यक्रमले ह्यारिसन किन्स्लेद्वारा भिडियो फारममा खुला-पहुँच शिक्षासम्बन्धी सामग्रीहरू सन्दर्भ गर्दछ। सिकाइ प्रक्रियालाई चरण-दर-चरण संरचना (कार्यक्रमहरू -> पाठहरू -> विषयहरू) सान्दर्भिक पाठ्यक्रम भागहरू समावेश गरी विभाजन गरिएको छ। डोमेन विशेषज्ञहरूसँग असीमित परामर्श पनि प्रदान गरिन्छ।
प्रमाणीकरण प्रक्रियामा विवरणहरूको लागि जाँच गर्नुहोस् कसरी यो काम गर्दछ.
EITC/AI/DLPP डीप लर्निङ विथ पाइथन र पाइटोर्च प्रोग्रामको लागि पूर्ण अफलाइन आत्म-शिक्षा तयारी सामग्रीहरू PDF फाइलमा डाउनलोड गर्नुहोस्।
EITC/AI/DLPP तयारी सामग्री - मानक संस्करण
EITC/AI/DLPP तयारी सामग्री - समीक्षा प्रश्नहरूको साथ विस्तारित संस्करण