Pada awal Mei, saya memutuskan untuk mendapatkan sertifikat pengembang TensorFlow. Untuk melakukan ini, saya mengembangkan program pelatihan untuk meningkatkan keterampilan saya dan menyelesaikan tugas ujian sertifikasi beberapa hari yang lalu (3 Juni). Ternyata saya berhasil lulus ujian.
Biarkan saya memberi tahu Anda bagaimana saya melakukannya, dan bagaimana Anda dapat melakukan hal yang sama.
Tunggu. Apa itu TensorFlow secara umum?
TensorFlow adalah sistem numerik open source yang memungkinkan Anda untuk melakukan pra-proses dan mensimulasikan data (menemukan pola di dalamnya, biasanya melalui pembelajaran mendalam), serta menyebarkan solusi Anda untuk seluruh dunia.
Google menggunakan TensorFlow untuk mendukung semua layanan pembelajaran mesinnya. Kemungkinan besar, perangkat yang Anda baca ini menggunakan TensorFlow dalam satu atau lain bentuk sebelumnya.
Biasanya Anda menulis kode menggunakan TensorFlow dalam Python yang sangat dapat dimengerti (inilah yang diperlukan untuk ujian) atau JavaScript (tensorflow.js), dan menjalankan sejumlah fungsi dasar yang ditulis dalam C. Fungsi-fungsi ini menjalankan perintah yang Anda jelaskan sebelumnya (melakukan banyak perhitungan numerik) ...
Jadi sekarang kita tahu apa itu TensorFlow, tapi apa sertifikasi pengembang TensorFlow? Dan mengapa Anda mungkin tertarik pada itu?
Apa sertifikasi pengembang TensorFlow?
Sertifikasi Pengembang TensorFlow , seperti yang Anda duga, adalah cara untuk menunjukkan kemampuan Anda untuk bekerja dengan TensorFlow.
Secara khusus, kemampuan Anda untuk menggunakan TensorFlow (versi Python) ketika membangun model pembelajaran mendalam untuk sejumlah tugas yang berbeda: analisis regresi, visi komputer (menemukan pola dalam gambar), pemrosesan bahasa alami (menemukan pola dalam teks) dan perkiraan deret waktu (perkiraan masa depan) tren berdasarkan sejumlah acara sebelumnya).
Mengapa Anda memerlukan sertifikat pengembang TensorFlow?
Alasan pertama untuk itu menyenangkan. Saya ingin memberi diri saya sedikit tantangan dalam pekerjaan saya dan menemukan alasan untuk membaca buku baru yang saya beli (lebih lanjut tentang ini nanti).
Tetapi ada dua alasan bagus:
- , , .
- .
Berbicara tentang perusahaan di masa depan: Berdasarkan data dari halaman Whiring Hiring Hacker News (halaman yang berisi daftar pilihan bulanan pekerjaan pengembang perangkat lunak), sepertinya TensorFlow berada di depan kerangka kerja pembelajaran mendalam lainnya.
Perbandingan berbagai kerangka kerja pembelajaran mendalam berdasarkan pada seberapa sering mereka disebutkan dalam berbagai publikasi kerja di halaman Mempekerjakan Siapa Hacker News. Catatan: Sejak TensorFlow 2.x, Keras pada dasarnya adalah bagian dari TensorFlow. Catatan 2: Karena keadaan global saat ini, tingkat rekrutmen keseluruhan dari setiap pengembang perangkat lunak menurun.
Saya ingin mengklarifikasi bahwa sertifikat berbayar bukan jaminan mendapatkan pekerjaan. Namun, dalam dunia pembelajaran online di mana keterampilan dikomodifikasi, ini adalah cara lain untuk menunjukkan apa yang dapat Anda lakukan.
Saya pikir ini adalah tambahan yang bagus untuk daftar proyek pribadi yang telah Anda kerjakan - kursus membentuk pengetahuan mendasar, proyek membentuk pengetahuan konkret.
Jadi bagaimana semua ini dilakukan?
Cara mempersiapkan ujian
Ketika saya pikir saya tertarik, saya mengunjungi situs web Program Sertifikasi dan membaca Panduan Sertifikasi Pengembang TensorFlow.
Dari dua sumber ini, saya membangun kurikulum.
Kurikulum mencerminkan apa yang saya pelajari untuk mengembangkan keterampilan yang diperlukan untuk lulus ujian
Perlu dicatat bahwa sebelum saya mulai mempersiapkan ujian, saya memiliki pengalaman praktis membangun beberapa proyek dengan TensorFlow.
Seorang spesialis TensorFlow yang berpengalaman atau praktisi pembelajaran yang dalam kemungkinan akan dapat menyelesaikan kurikulum berikutnya dengan kecepatan yang sama (total 3 minggu) seperti yang saya lakukan (mungkin lebih cepat).
Seorang pemula dapat menghabiskan waktu sebanyak yang dibutuhkan. Ingat: mendapatkan keterampilan yang berharga membutuhkan waktu.
Saya mencantumkan persyaratan, biaya (dalam dolar AS) dan tingkat utilitas (untuk ujian) untuk setiap sumber daya. Pengaturan waktu didasarkan pada pengalaman saya.
Jika Anda ingin membuat kurikulum untuk Anda sendiri, saya akan merekomendasikan sesuatu seperti daftar periksa di bawah ini.
Catatan: Tautan afiliasi digunakan untuk sumber daya berbayar. Ini tidak akan mengubah harga sumber daya untuk Anda, tetapi jika Anda memperoleh akses ke salah satu materi, saya akan menerima sebagian dari jumlah ini: Saya menggunakan uang ini untuk membuat materi seperti itu.
1. Buku Pedoman Sertifikasi Pengembang TensorFlow
Waktu: 1 jam.
Biaya: Gratis.
Level Utilitas: Diperlukan.
Sumber daya ini harus menjadi perhentian pertama Anda. Dia menjelaskan topik yang akan dibahas dalam ujian. Baca dan baca lagi.
Jika Anda baru mengenal TensorFlow dan pembelajaran mesin, Anda cenderung membacanya dan takut akan berbagai aspek. Jangan khawatir. Sumber daya di bawah ini akan membantu Anda membiasakan diri dengan mereka.
2. TensorFlow Coursera
Waktu: dari 3 minggu (pengguna lanjut) hingga 3 bulan (pemula).
Biaya: $ 59 per bulan setelah uji coba gratis 7 hari, Anda dapat meminta dukungan keuangan. Jika Anda tidak dapat mengakses Coursera, lihat versi gratis yang setara di YouTube .
Level Utilitas: 10/10.
Ini adalah sumber yang paling relevan untuk ujian (dan memulai dengan TensorFlow secara umum). Pendengar yang penuh perhatian akan melihat panduan sertifikasi TensorFlow, dan kontur spesialisasi ini hampir sama.
Ini diajarkan oleh Lawrence Moroney dan Andrew Ng, dua raksasa TensorFlow dan pembelajaran mesin, dan jika saya harus memilih hanya satu sumber daya untuk mempersiapkan ujian, ini akan menjadi kursus ini.
Saya menghargai format video pendek dan fokus pada contoh-contoh praktis sesegera mungkin. Banyak file kode pada akhir setiap bagian akan sangat berguna bagi setiap siswa yang belajar dalam praktik.
Petunjuk Pemrograman Latihan: Jangan hanya mengisi bagian yang kosong pada kode Anda, tetapi tulis semuanya sendiri.
3. Pembelajaran Mesin Langsung dengan Scikit-Learn, Keras dan TensorFlow 2nd Edition .
Waktu: dari 3 minggu (membaca dari depan ke belakang, tanpa olahraga) hingga 3 bulan (membaca dari depan ke belakang dan melakukan latihan).
Biaya: Harga Amazon bervariasi, tetapi saya membeli versi kertas seharga $ 55. Semua kode dapat dilihat secara gratis di GitHub .
Tingkat kegunaan: 7/10 (hanya karena beberapa bab tidak relevan dengan ujian).
Buku ini panjangnya lebih dari 700 halaman dan mencakup hampir semua aspek pembelajaran komputer dan karenanya beberapa topik non-ujian. Tetapi ini harus dibaca oleh siapa pun yang tertarik untuk meletakkan dasar yang kuat untuk masa depan pembelajaran mesin pembelajaran, tidak hanya lulus ujian.
Jika Anda baru mengenal pembelajaran mesin, maka kemungkinan besar akan sulit bagi Anda untuk membaca buku ini (di awal perjalanan). Sekali lagi, jangan khawatir, Anda tidak punya tempat untuk terburu-buru, mempelajari keterampilan yang berguna membutuhkan waktu.
Katakan saja: jika Anda ingin mengetahui kualitas buku, saya membaca edisi pertama di pagi hari ketika saya pergi bekerja sebagai insinyur pembelajaran mesin. Dan saya dapat mengatakan bahwa apa yang saya baca di buku paling sering berguna pada hari kerja.
Edisi kedua tidak berbeda, kecuali bahwa telah diperbarui untuk mencakup alat dan teknik terbaru, yaitu TensorFlow 2.x - yang menjadi dasar ujian.
Jika Anda hanya ingin bab-bab yang relevan dengan ujian, Anda akan ingin membaca yang berikut:
- Bab 10: Pengantar Jaringan Syaraf Tiruan dengan Keras
- Bab 11: pelatihan jaringan saraf yang mendalam
- Bab 12: Model Kustom dan Pelatihan TensorFlow
- Bab 13: Memuat dan Memproses Data dengan TensorFlow
- Bab 14: Visi Komputer Dalam Menggunakan Jaringan Syaraf Konvolusional
- Bab 15: Pemrosesan Urutan Menggunakan Jaringan Syaraf Berulang dan Konvolusional
- Bab 16: Pemrosesan teks bahasa alami menggunakan jaringan saraf berulang dan perhatian
Tetapi untuk siswa yang serius, saya sarankan membaca seluruh buku dan melakukan latihan (mungkin tidak semua, tetapi yang paling sesuai dengan minat Anda).
4. Pengantar pembelajaran mendalam dari MIT
Waktu: dari 3 jam (saya hanya menonton 3 kuliah) hingga satu hari (1 jam untuk setiap kuliah, ditambah satu jam untuk ulasan).
Biaya: Gratis.
Tingkat utilitas: 8/10.
Kursus pembelajaran mendalam kelas dunia dari universitas kelas dunia. Apakah saya lupa menyebutkan bahwa itu gratis?
3 kuliah pertama, bagian tentang pembelajaran mendalam (tinjauan umum), jaringan saraf convolutional (biasanya digunakan untuk visi komputer) dan jaringan saraf berulang (biasanya digunakan untuk pemrosesan kata) paling penting untuk ujian.
Tapi, sekali lagi, untuk pendengar yang tekun, akan berguna untuk menyelesaikan seluruh kursus.
Pastikan untuk memeriksa laboratorium dan kode yang mereka tawarkan di GitHub, terutama Pengantar TensorFlow. Dan lagi, saya tidak dapat sepenuhnya menunjukkan pentingnya menulis kode sendiri.
5. Memulai dengan PyCharm
Waktu: 3 jam (tergantung seberapa cepat komputer Anda).
Biaya: Gratis.
Level bantuan: 10/10 (penggunaan PyCharm wajib).
Tes ini dilakukan di PyCharm (alat pengembangan Python). Saya belum pernah menggunakan PyCharm sebelum ujian, dan disarankan agar Anda membiasakan diri sedikit dengannya sebelum memulai ujian.
Untuk mengenal PyCharm, saya menonton serangkaian video pengantar di YouTube, dan itu sangat mudah: "Itulah yang dilakukan tombol ini."
Tetapi tes utama memeriksa bahwa TensorFlow 2.x bekerja tanpa masalah, serta kemampuan untuk bekerja dengan jaringan saraf yang mendalam dalam jumlah waktu yang wajar (MacBook Pro saya tidak memiliki GPU Nvidia).
Untuk menguji aspek-aspek ini, saya menyalin dua tutorial TensorFlow berikut ke mesin lokal saya:
Namun, seperti yang akan kita lihat di bawah, segera setelah saya mulai ujian, saya menemui masalah.
Selain itu
Video dari deeplearning.ai di Coursera / YouTube - Ujian melibatkan melakukan tugas pemrograman (Anda perlu menulis kode Python), tetapi jika Anda ingin tahu apa yang terjadi di balik layar dari kode yang Anda tulis (aljabar linier, kalkulus) saya akan melihat video-video ini bila memungkinkan. Misalnya, jika Anda tidak tahu apa itu penurunan gradien mini-batch, cari “deeplearning.ai mini-batch gradient descent”
Dokumentasi TensorFlow - jika Anda ingin menjadi praktisi TensorFlow, Anda harus dapat membaca dokumentasi. Jika Anda tidak mengerti sesuatu, tulis kodenya dan komentar sendiri.
Pemrograman dengan TensorFlow di YouTube (daftar putar) Banyak spesialisasi TensorFlow dengan Coursera di video YouTube diajarkan oleh dosen yang sama.
Bagaimana saya mempersiapkan ujian
Berbekal sumber daya di atas, saya membuat rencana di Notion .
Program sertifikasi pengembang TensorFlow saya di Notion. Untuk melacak apa yang perlu dilakukan, saya menggunakan teknik kanban, serta berbagai sumber daya dan catatan. Jika Anda mengikuti tautan, Anda dapat membuat salinan sendiri dengan mengklik tombol "duplikat" di sudut kanan atas.
Setiap pagi selama bulan Mei, saya bangun, menulis, berjalan, membaca buku "Pembelajaran Mesin Praktis" selama 1 jam, bekerja dengan TensorFlow selama 2-3 jam dalam praktik (pertama saya menghadiri kuliah dan kemudian melakukan semua latihan pengkodean di Google Colab), dan di di akhir setiap modul, saksikan kuliah Pengantar Pembelajaran Deep yang sesuai dari MIT.
Sebagai contoh, segera setelah saya menyelesaikan bagian visi komputer dari spesialisasi praktis di TensorFlow, saya menonton kuliah tentang jaringan saraf convolutional (sejenis algoritma visi komputer) dari MIT.
Pendekatan rangkap tiga ini terbukti sangat efektif.
Konsep yang dipelajari dalam buku ini diperkuat oleh contoh-contoh kode dari spesialisasi Coursera dan, akhirnya, dirangkum oleh materi video dari MIT.
Untuk mendapatkan gambaran tentang waktu, saya mulai mempersiapkan ujian pada 11 Mei dan lulus pada 3 Juni.
Dari pengamatan saya (di Notion) dan bookmark tulisan tangan saya, saya belajar rata-rata 20 halaman per jam dan melewati sekitar 1 minggu isi kursus dalam 2-3 jam belajar (tanpa gangguan).
Akhirnya, beberapa hari sebelum ujian, saya mengunduh PyCharm dan memastikan bahwa beberapa contoh kode yang saya pelajari bekerja pada mesin lokal saya.
Detail - apa yang terjadi selama ujian itu sendiri
Jadi, sudahkah Anda menyelesaikan pelatihan? Sekarang apa?
Baiklah, mari kita mulai dengan dua faktor penting.
Biaya ujian: $ 100 (setelah upaya yang gagal, Anda harus menunggu 2 minggu untuk mencoba lagi, dengan setiap upaya yang gagal, waktu tunggu akan meningkat).
Waktu: 5 jam. Jika bukan karena kesalahan pada awal ujian, saya akan mengatakan bahwa saya akan dengan mudah lulus dalam 3 jam. Namun, peningkatan batas waktu akan memberi Anda cukup waktu untuk melatih model pembelajaran yang mendalam di komputer Anda (jadi pastikan semuanya bekerja sebelum ujian dimulai).
Bagaimana ujiannya diatur?
Saya tidak akan mengungkapkan banyak hal di sini karena itu tidak adil. Yang harus saya katakan adalah membaca Referensi Pengembang TensorFlow dan Anda akan memiliki pemahaman yang jelas tentang bagian utama dari ujian.
Praktikkan setiap teknologi yang disebutkan dalam panduan (menggunakan sumber daya yang disebutkan di atas) dan Anda akan siap.
Nuansa ujian
Train Model - Jika komputer Anda tidak dapat melatih model pembelajaran dalam dengan cukup cepat (bagian dari kriteria penilaian adalah representasi dari model yang terlatih), Anda dapat melatihnya di Google Colab menggunakan GPU cloud gratis dan kemudian mengunggahnya dengan menempatkannya di direktori yang sesuai untuk ujian dan kirim melalui PyCharm.
My Broken Python Interpreter - Materi persiapan ujian menekankan bahwa Python 3.7 diperlukan untuk lulus ujian. Ketika saya mulai saya punya Python 3.7.3. Dan untuk beberapa alasan, meskipun TensorFlow berjalan sehari sebelumnya di komputer lokal saya menggunakan PyCharm, setelah memulai ujian (yang secara otomatis menciptakan lingkungan TensorFlow untuk Anda), semuanya pecah.
Yaitu, setiap kali saya menjalankan setidaknya satu baris kode TensorFlow, saya mendapatkan kesalahan:
RuntimeError: dictionary changed size during iterationSekarang saya tidak yakin apakah ini adalah versi TensorFlow yang diinstal oleh ujian (2.0.0), atau versi Python spesifik yang saya miliki (3.7.3).
Namun, setelah beberapa kutukan dan pencarian kacau di kedalaman utas masalah lama di GitHub , saya menemukan perbaikan aneh yang berarti saya harus mengubah kode sumber dari versi Python yang saya gunakan (khususnya baris 48 dari lincache.py ) ...
# Previous line 48 of lincache.py
for mod in sys.modules.values():
# Updated line 48 of linecache.py
for mod in list(sys.modules.values()): # added list()Catatan: ini adalah perbaikan cepat, karena hanya digunakan selama masa ujian, jadi saya tidak yakin apakah itu memiliki manfaat jangka panjang atau jika itu menimbulkan konsekuensi.
Selama pencarian panik saya, saya juga membaca bahwa alternatifnya adalah memperbarui / menginstal ulang versi TensorFlow yang Anda gunakan di PyCharm (mis. 2.0.0 -> 2.2.x). Saya mencoba, dan itu tidak berhasil, namun, karena baru di PyCharm, saya akui bahwa saya keliru dalam sesuatu sebagai pengguna.
Setelah memperbaikinya, saya bisa menyelesaikan ujian tanpa masalah.
Apa yang terjadi setelah Anda menyelesaikan ujian
Anda akan menerima pemberitahuan email saat / jika Anda lulus ujian. Tidak akan ada ulasan, kecuali "Selamat, Anda lulus" atau "Maaf, Anda tidak lulus kali ini."
Tanpa konsekuensi negatif, selama ujian, Anda akan menerima instruksi yang cukup jelas - apakah Anda akan lulus atau tidak (setiap kali Anda memperkenalkan model, dia mendapat nilai).
Jika Anda lulus, selamat!
Pastikan untuk mengisi formulir dalam email untuk memastikan Anda ditambahkan ke Jaringan Pengembang Bersertifikat TensorFlow.
Setelah Anda lulus ujian dan mengisi formulir di email konfirmasi, Anda akan dapat mengakses Jaringan Sertifikasi Google Developers dalam beberapa minggu .
Catatan: Pada saat penulisan, saya tidak ada di sana. Itu akan memakan waktu 1-2 minggu.
Registrasi berarti siapa pun yang mencari pengembang TensorFlow yang berpengalaman akan dapat menemukan Anda berdasarkan jenis sertifikasi, pengalaman, dan wilayah Anda.
Akhirnya, dalam beberapa minggu, Anda akan menerima sertifikat resmi dan lencana pengembang TensorFlow melalui email (saya belum menerima milik saya). Anda dapat menambahkannya ke proyek yang telah Anda kerjakan.
Pertanyaan
Bisakah saya mengambil kursus, membaca buku dan berlatih sendiri, apakah saya benar-benar membutuhkan sertifikat?
Tentu saja Anda bisa. Pada akhirnya, Anda harus membidik keterampilan, bukan sertifikasi. Sertifikasi baik, tetapi tidak diharuskan.
Jika Anda mengatakan bahwa sertifikat itu tidak diperlukan - mengapa Anda menerimanya?
Saya suka memiliki tantangan dan bekerja untuk mengatasinya. Penunjukan teman kencan (misalnya, "Saya akan mengambil ujian pada 3 Juni") membuat saya tidak punya pilihan selain belajar.
Bisakah saya melakukan ini dengan sumber daya gratis?
Tentu kamu bisa. Anda dapat pergi dan mendapatkan semua keterampilan yang diperlukan dengan mempelajari dokumentasi TensorFlow. Bahkan, ketika saya perlu berlatih sesuatu, saya menyalin contoh dari dokumentasi (setiap baris kode), berlatih memahami setiap baris, dan kemudian mencoba mengulangi apa yang saya lihat sendiri.
Kenapa tidak PyTorch?
Saya suka PyTorch. Tetapi mereka tidak menawarkan sertifikasi, dan jika mereka melakukannya, saya mungkin akan melaluinya (untuk bersenang-senang). Selain itu, pengguna yang berpengalaman dari kedua kerangka kerja (PyTorch dan TensorFlow) akan melihat bahwa pembaruan terbaru telah membuat kedua kerangka kerja sangat mirip. Selain itu, TensorFlow memiliki keunggulan di dunia korporat (lihat grafik di atas).
Saya tidak tahu apa-apa tentang pembelajaran mesin, di mana saya bisa mulai?
Baca artikel“5 Langkah dalam Pembelajaran Mesin untuk Pemula . ”
Saya lulus ujian dan mendaftar ke Jaringan Sertifikasi Pengembang Google, apa yang harus saya lakukan selanjutnya?
Saatnya membuat! Gunakan keterampilan yang diperoleh untuk menciptakan apa yang ingin Anda lihat di dunia. Dan jangan lupa membagikan karya Anda, Anda tidak pernah tahu siapa yang akan melihatnya.
Tidak menyebutkan sesuatu? Jangan ragu untuk meninggalkan komentar atau mengajukan pertanyaan melalui email. Dan saya akan menjawab.
PS, jika Anda lebih suka menonton video, saya membuat versi video dari artikel ini.
Pelajari detail cara mendapatkan profesi yang dicari dari awal atau Tingkatkan keterampilan dan gaji dengan menyelesaikan kursus online berbayar SkillFactory:
- Kursus Pembelajaran Mesin (12 minggu)
- Belajar Ilmu Data dari awal (12 bulan)
- (9 )
- «Python -» (9 )