🗯️ 🚊 🙂 Comment j'ai obtenu un certificat de développeur TensorFlow (et comment l'obtenir pour vous) 🐊 👩🏻‍⚕️ 🏷️

Début mai, j'ai décidé d'obtenir un certificat de développeur TensorFlow. Pour cela, j'ai développé un programme de formation pour améliorer mes compétences et terminé les tâches d'examen de certification il y a quelques jours (3 juin). Il s'est avéré que j'ai réussi l'examen.

Laissez-moi vous dire comment je l'ai fait et comment vous faites de même.

Attendez un moment. Qu'est-ce que TensorFlow de toute façon?

TensorFlow est un système numérique open source qui vous permet de prétraiter et de modéliser les données (y trouver des modèles, généralement grâce à l'apprentissage en profondeur), ainsi que de déployer vos solutions pour le monde entier.

Google utilise TensorFlow pour prendre en charge tous ses services d'apprentissage automatique. Très probablement, l'appareil sur lequel vous lisez ceci a utilisé TensorFlow sous une forme ou une autre auparavant.

Habituellement, vous écrivez du code à l'aide de TensorFlow en Python très compréhensible (c'est ce qui est requis pour l'examen) ou JavaScript (tensorflow.js), et il exécute un certain nombre de fonctions de base écrites en C. Ces fonctions exécutent les commandes que vous avez décrites précédemment (faites beaucoup de calculs numériques) ...

Alors maintenant, nous savons ce qu'est TensorFlow, mais qu'est-ce que la certification de développeur TensorFlow? Et pourquoi cela pourrait-il vous intéresser?

Qu'est-ce que la certification de développeur TensorFlow?

La certification des développeurs TensorFlow , comme vous l'avez peut-être deviné, est un moyen de démontrer votre capacité à travailler avec TensorFlow.

En particulier, votre capacité à utiliser TensorFlow (la version Python) lors de la création de modèles d'apprentissage profond pour un certain nombre de tâches différentes: analyse de régression, vision par ordinateur (recherche de modèles dans les images), traitement du langage naturel (recherche de modèles dans le texte) et prévision de séries chronologiques (prévision de l'avenir tendances tenant compte d’un certain nombre d’événements passés).

Pourquoi avez-vous besoin d'un certificat de développeur TensorFlow?

La première raison en était amusante. Je voulais me donner un petit défi dans mon travail et trouver une raison de lire le nouveau livre que j'ai acheté (plus à ce sujet plus tard).

Mais il y a deux autres bonnes raisons:

, , .
.

En parlant de futurs employeurs: sur la base des données de la page Who's Hiring de Hacker News (une page qui répertorie les sélections mensuelles de postes de développeurs de logiciels), il semble que TensorFlow soit en avance sur d'autres frameworks d'apprentissage en profondeur.

Comparaison de différents cadres d'apprentissage en profondeur en fonction de la fréquence de leurs mentions dans différentes publications de travail sur la page Who's Hiring de Hacker News. Remarque: à partir de TensorFlow 2.x, Keras fait essentiellement partie de TensorFlow. Remarque 2: En raison de la situation mondiale actuelle, le taux de recrutement global de tout développeur de logiciels est en baisse.

Je tiens à préciser qu’un certificat rémunéré n’est pas une garantie d’obtenir un emploi. Cependant, dans un monde d'apprentissage en ligne où les compétences sont marchandisées, c'est une autre façon de montrer ce que vous pouvez faire.

Je pense que c'est un bel ajout à la liste existante des projets personnels sur lesquels vous avez travaillé - les cours forment des connaissances fondamentales, les projets forment des connaissances concrètes.

Alors, comment tout cela se fait-il?

Comment se préparer à l'examen

Lorsque j'ai décidé que j'étais intéressé, j'ai visité le site Web du programme de certification et lu le guide de certification des développeurs TensorFlow.

À partir de ces deux ressources, j'ai construit un curriculum.

Le programme reflète ce que j'ai appris pour développer les compétences requises pour réussir l'examen

Il convient de noter qu'avant de commencer à préparer l'examen, j'avais une expérience pratique dans la construction de plusieurs projets avec TensorFlow.

Un spécialiste TensorFlow expérimenté ou un praticien de l'apprentissage en profondeur sera probablement en mesure de terminer le prochain programme à peu près au même rythme (3 semaines au total) que moi (peut-être plus rapidement).

Un débutant peut passer autant de temps qu'il le faut. N'oubliez pas: l'acquisition de toute compétence utile prend du temps.

J'ai énuméré le calendrier, le coût (en dollars américains) et le niveau d'utilité (pour réussir l'examen) pour chaque ressource. Le timing est basé sur mon expérience.

Si vous souhaitez créer un programme pour vous-même, je recommanderais quelque chose comme la liste ci-dessous.

Remarque: Des liens d'affiliation ont été utilisés pour les ressources payantes. Cela ne changera pas le prix de la ressource pour vous, mais si vous avez accès à l'un des matériaux, je recevrai une partie de ce montant: j'utilise cet argent pour créer de tels matériaux.

1. Guide de certification des développeurs TensorFlow

Durée: 1 heure.

Coût: gratuit.

Niveau d'utilité: requis.

Cette ressource devrait être votre premier arrêt. Il décrit les sujets qui seront traités dans l'examen. Lisez-le, puis relisez-le.

Si vous êtes nouveau dans TensorFlow et l'apprentissage automatique, vous le lirez probablement et serez intimidé par toutes sortes de choses. Ne t'en fais pas. Les ressources ci-dessous vous aideront à vous familiariser avec elles.

2. TensorFlow Coursera

Durée: de 3 semaines (utilisateur avancé) à 3 mois (débutant).

Coût: 59 $ par mois après un essai gratuit de 7 jours, vous pouvez demander un soutien financier. Si vous ne pouvez pas accéder à Coursera, consultez la version gratuite équivalente sur YouTube .

Niveau d'utilité: 10/10.

Il s'agit de la ressource la plus pertinente pour l'examen (et pour démarrer avec TensorFlow en général). L'auditeur attentif remarquera le guide de certification TensorFlow, et les contours de cette spécialisation sont presque identiques.

Il est enseigné par Lawrence Moroney et Andrew Ng, deux titans de TensorFlow et de l'apprentissage automatique, et si je devais choisir une seule ressource pour me préparer à l'examen, ce serait ce cours.

J'ai apprécié le format vidéo court et me suis concentré sur des exemples pratiques dès que possible. De nombreux fichiers de code à la fin de chaque section seront très utiles pour tout étudiant étudiant en pratique.

Conseil pour l'exercice de programmation: ne remplissez pas simplement les espaces vides dans votre code, mais écrivez tout vous-même.

3. Apprentissage automatique pratique avec Scikit-Learn, Keras et TensorFlow 2e édition .

Durée: 3 semaines (lecture de couverture à couverture, pas d'exercice) à 3 mois (lecture de couverture à couvrir et faire les exercices).

Coût: les prix d' Amazon varient, mais j'ai acheté une version papier pour 55 $. Tout le code peut être consulté gratuitement sur GitHub .

Utilité: 7/10 (juste parce que certains chapitres ne sont pas spécifiques à l'examen).

Le livre fait plus de 700 pages et couvre presque tous les aspects de l'apprentissage par ordinateur et donc certains sujets non liés aux examens. Mais c'est une lecture incontournable pour quiconque souhaite jeter des bases solides pour l'avenir de l'apprentissage automatique, pas seulement pour réussir l'examen.

Si vous êtes nouveau dans l'apprentissage automatique, il vous sera très probablement difficile de lire ce livre (au début du voyage). Encore une fois, ne vous inquiétez pas, vous n'avez nulle part où vous précipiter, l'apprentissage de compétences utiles prend du temps.

Disons-le de cette façon: si vous voulez avoir une idée de la qualité du livre, j'ai lu la première édition le matin alors que je conduisais pour travailler en tant qu'ingénieur en apprentissage automatique. Et je peux dire que le plus souvent au cours de la journée de travail, j'ai trouvé utile ce que j'ai lu dans le livre.

La deuxième édition n'est pas différente, sauf qu'elle a été mise à jour pour couvrir les derniers outils et techniques, à savoir TensorFlow 2.x, sur lequel l'examen est basé.

Si vous ne voulez que les chapitres pertinents pour l'examen, vous voudrez lire ce qui suit:

Chapitre 10: Introduction aux réseaux de neurones artificiels avec Keras
Chapitre 11: Formation sur les réseaux de neurones profonds
Chapitre 12: Modèles personnalisés et formation avec TensorFlow
Chapitre 13: Chargement et prétraitement des données avec TensorFlow
Chapitre 14: Vision par ordinateur profonde à l'aide de réseaux de neurones convolutifs
Chapitre 15: Traitement de séquence à l'aide de réseaux de neurones récurrents et convolutionnels
Chapitre 16: Traitement de texte en langage naturel à l'aide de réseaux de neurones récurrents et de l'attention

Mais pour un étudiant sérieux, je suggérerais de lire tout le livre et de faire les exercices (peut-être pas tous, mais ceux qui correspondent le mieux à vos intérêts).

4. Introduction à l'apprentissage en profondeur du MIT

Durée: de 3 heures (je n'ai regardé que 3 conférences) à un jour (1 heure pour chaque conférence, plus une heure pour un examen).

Coût: gratuit.

Niveau d'utilité: 8/10.

Un cours d'apprentissage en profondeur de classe mondiale d'une université de classe mondiale. Je n'ai pas oublié de mentionner que c'est gratuit?

Les 3 premières conférences, sections sur l'apprentissage profond (aperçu), les réseaux de neurones convolutionnels (généralement utilisés pour la vision par ordinateur) et les réseaux de neurones récurrents (généralement utilisés pour le traitement de texte) sont les plus importants pour l'examen.

Mais, encore une fois, pour un auditeur assidu, il serait utile de terminer l'ensemble du cours.

N'oubliez pas de consulter les laboratoires et le code qu'ils proposent sur GitHub, en particulier l' introduction à TensorFlow. Encore une fois, je ne peux pas exprimer pleinement l'importance de l'auto-codage.

5. Premiers pas avec PyCharm

Durée: 3 heures (selon la vitesse de votre ordinateur).

Coût: gratuit.

Niveau d'utilité: 10/10 (l'utilisation de PyCharm est obligatoire).

L'examen se déroule dans PyCharm (outil de développement Python). Je n'avais jamais utilisé PyCharm avant l'examen, et il est suggéré de vous familiariser avec au moins un peu avant de commencer l'examen.

Pour découvrir PyCharm, j'ai regardé une série de vidéos d'introduction sur YouTube, et elles étaient très simples: "C'est ce que fait ce bouton."

Mais les principaux tests ont permis de vérifier que TensorFlow 2.x fonctionne sans problème, ainsi que de pouvoir travailler avec des réseaux de neurones profonds dans un délai raisonnable (mon MacBook Pro n'a pas de GPU Nvidia).

Pour tester ces aspects, j'ai copié les deux manuels TensorFlow suivants sur ma machine locale:

Cependant, comme nous le verrons ci-dessous, dès que j'ai commencé à passer l'examen, j'ai rencontré un problème.

aditionellement

Vidéo de deeplearning.ai sur Coursera / YouTube - un examen implique des tâches de programmation (vous devez écrire du code Python), mais si vous voulez savoir ce qui se passe dans les coulisses du code que vous écrivez (algèbre linéaire, analyse mathématique), je regarderais ces vidéos chaque fois que possible. Par exemple, si vous ne savez pas ce qu'est une descente en gradient avec des mini-packages, recherchez la

documentation TensorFlow «deeplearning.ai mini-batch gradient descente» - si vous avez l'intention de devenir un praticien TensorFlow, vous devez pouvoir lire la documentation. Si vous ne comprenez pas quelque chose, écrivez un code et commentez-le vous-même.

Programmation avec TensorFlow sur YouTube (playlist) - La majeure partie de la spécialisation TensorFlow avec Coursera dans les vidéos YouTube est enseignée par le même professeur.

Comment me suis-je préparé à l'examen

Armé des ressources ci-dessus, j'ai fait un plan dans Notion .

Programme de préparation à la certification My Notion TensorFlow. Pour garder une trace de ce qui doit être fait, j'ai utilisé la technique du kanban, ainsi que diverses ressources et notes. Si vous suivez le lien, vous pouvez faire votre propre copie en cliquant sur le bouton dupliquer dans le coin supérieur droit.

Chaque matin en mai, je me levais, écrivais, marchais, lisais le livre "Practical Machine Learning" pendant 1 heure, travaillais avec TensorFlow pendant 2-3 heures en pratique (j'ai d'abord assisté à des conférences puis fait tous les exercices de codage dans Google Colab), et à la fin de chaque module, j'ai regardé la conférence correspondante «Introduction to Deep Learning» du MIT.

Par exemple, dès que j'ai terminé la section de vision par ordinateur dans le cadre de la spécialisation pratique TensorFlow, j'ai regardé une conférence sur les réseaux de neurones convolutifs (un type d'algorithme de vision par ordinateur) du MIT.

Cette triple approche s'est avérée particulièrement efficace.

Le concept étudié dans le livre a été renforcé par des exemples de code de la spécialisation Coursera et, finalement, résumé par du matériel vidéo du MIT.

Pour avoir une idée du moment choisi, j'ai commencé à me préparer à l'examen le 11 mai et je l'ai réussi le 3 juin.

D'après mes observations (dans Notion) et selon mes signets manuscrits, j'étudiais en moyenne 20 pages par heure et prenais environ 1 semaine de contenu de cours pour 2-3 heures d'étude (sans distractions).

Enfin, quelques jours avant l'examen, j'ai téléchargé PyCharm et je me suis assuré que plusieurs des exemples de code que j'avais étudiés fonctionnaient sur ma machine locale.

Détails - ce qui se passe pendant l'examen lui-même

Alors, avez-vous terminé votre formation? Maintenant quoi?

Eh bien, commençons par deux facteurs importants.

Coût de l'examen: 100 $ (après une tentative infructueuse, vous devrez attendre 2 semaines pour réessayer, à chaque tentative infructueuse, le temps d'attente augmentera).

Durée: 5 heures. S'il n'y avait pas eu d'erreur au début de l'examen, je dirais que je le passerais calmement en 3 heures. Cependant, l'augmentation de la limite de temps devrait vous donner suffisamment de temps pour former des modèles d'apprentissage en profondeur sur votre ordinateur (assurez-vous donc que tout fonctionne avant le début de l'examen).

Comment l'examen est-il organisé?

Je ne vais pas révéler grand chose ici car ce ne serait pas juste. Tout ce que je dirai, c'est de lire le manuel du développeur TensorFlow et vous aurez une idée claire des principales sections de l'examen.

Pratiquez chacune des technologies mentionnées dans le manuel (en utilisant les ressources mentionnées ci-dessus) et vous serez prêt.

Les nuances de l'examen

Formation aux modèles - Si votre ordinateur ne peut pas enseigner rapidement des modèles d'apprentissage approfondi (une partie des critères d'évaluation est la présentation des modèles formés), vous pouvez les former dans Google Colab à l'aide d'un GPU cloud gratuit, puis les télécharger en les plaçant dans les catalogues appropriés pour l'examen et envoyer via PyCharm.

My Broken Python Interpreter - Le matériel de préparation à l'examen souligne que Python 3.7 est requis pour réussir l'examen. Quand j'ai commencé, j'avais Python 3.7.3. Et pour une raison quelconque, même si TensorFlow fonctionnait la veille sur ma machine locale en utilisant PyCharm, après le démarrage de l'examen (qui crée automatiquement un environnement TensorFlow pour vous), tout s'est cassé.

À savoir, chaque fois que j'ai exécuté au moins une ligne de code TensorFlow, j'ai eu l'erreur:

RuntimeError: dictionary changed size during iteration

Pour le moment, je ne sais pas si c'est la version de TensorFlow que l'examen a installée (2.0.0), ou la version spécifique de Python que j'avais (3.7.3).

Cependant, après quelques malédictions et une recherche orageuse dans les profondeurs de l' ancien fil de discussion sur les problèmes sur GitHub , j'ai trouvé un correctif étrange qui signifiait que je devrais changer le code source de la version de Python que j'ai utilisée (en particulier, la ligne 48 de 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()

Remarque: il s'agit d'une solution rapide car elle n'a été utilisée que pendant la durée de l'examen, je ne suis donc pas sûr qu'elle présente des avantages à long terme ou si elle a des conséquences.

Lors d'une recherche effrénée, j'ai également lu que l'alternative est de mettre à jour / réinstaller la version de TensorFlow que vous utilisez dans PyCharm (par exemple, 2.0.0 -> 2.2.x). Je l'ai essayé et cela n'a pas fonctionné, mais en tant que débutant à PyCharm, j'avoue que je me suis trompé sur quelque chose en tant qu'utilisateur.

Après la correction, j'ai pu terminer l'examen sans aucun problème.

Que se passe-t-il après avoir terminé l'examen

Vous recevrez une notification par e-mail lorsque / si vous réussissez l'examen. Il n'y aura pas d'avis, à l'exception de "Félicitations, vous avez réussi" ou "Malheureusement, cette fois, vous n'avez pas réussi."

Sans aucune conséquence négative, pendant l'examen, vous recevrez des instructions assez claires - allez-vous réussir ou non (chaque fois que vous introduisez un modèle, elle obtient une note).

Si vous réussissez, félicitations!

Assurez-vous de remplir le formulaire dans l'e-mail pour vous assurer que vous êtes ajouté au réseau de développeurs TensorFlow certifiés.

Après avoir réussi l'examen et rempli le formulaire dans l'e-mail de confirmation, vous devriez pouvoir accéder au réseau de certification des développeurs Google dans quelques semaines .

Remarque: au moment de la rédaction de cet article, je n'y étais pas encore. Cela prendra 1 à 2 semaines.

L'inscription signifie que toute personne à la recherche de développeurs TensorFlow expérimentés peut vous trouver en fonction de votre type de certification, de votre expérience et de votre région.

Enfin, dans quelques semaines, vous recevrez un certificat officiel et un badge de développeur TensorFlow par e-mail (je n'ai pas encore reçu le mien). Vous pourrez les ajouter aux projets sur lesquels vous avez travaillé.

Des questions

Puis-je simplement suivre des cours, lire un livre et pratiquer seul, ai-je vraiment besoin d'un certificat?

Bien sûr vous pouvez. À la fin de la journée, vous devriez viser des compétences, pas des certifications. La certification est bonne, mais pas obligatoire.

Si vous dites que le certificat n'est pas requis - pourquoi l'avez-vous reçu?

J'aime avoir un défi et travailler pour y faire face. Le rendez-vous (par exemple, "je passe mon examen le 3 juin") ne m'a laissé d'autre choix que d'étudier.

Puis-je faire cela avec des ressources gratuites?

Sûr que vous pouvez. Vous pouvez sortir et acquérir toutes les compétences dont vous avez besoin en étudiant la documentation TensorFlow. En fait, quand j'ai besoin de pratiquer quelque chose, je copie des exemples de la documentation (chaque ligne de code), je travaille sur une compréhension de chaque ligne, puis j'essaye de répéter ce que j'ai vu moi-même.

Pourquoi pas PyTorch?

J'adore PyTorch. Mais ils n'offrent pas de certification, et s'ils le faisaient, je passerais probablement par là (pour le plaisir). De plus, un utilisateur expérimenté des deux frameworks (PyTorch et TensorFlow) remarquera que les mises à jour récentes ont rendu les deux frameworks très similaires. De plus, TensorFlow a un avantage dans le monde de l'entreprise (voir graphique ci-dessus).

Je ne connais rien au machine learning, par où puis-je commencer?

Lire l'article"5 étapes dans l'apprentissage automatique pour les débutants . "

J'ai réussi l'examen et je me suis inscrit au réseau de certification des développeurs Google. Que dois-je faire ensuite?

Il est temps de créer! Utilisez les compétences que vous avez acquises pour créer ce que vous aimeriez voir dans le monde. Et n'oubliez pas de partager votre travail, vous ne savez jamais qui le verra.

Vous n'avez pas mentionné quelque chose? N'hésitez pas à laisser des commentaires ou à poser des questions par e-mail. Et je vais répondre.

PS, si vous préférez regarder des vidéos, j'ai fait une version vidéo de cet article.

Apprenez en détail comment obtenir un métier recherché à partir de zéro ou passer au niveau supérieur en compétences et en salaire en suivant les cours en ligne payés de SkillFactory:

Cours d'apprentissage automatique (12 semaines)
Apprendre la science des données à partir de zéro (12 mois)
(9 )
«Python -» (9 )

Comment j'ai obtenu un certificat de développeur TensorFlow (et comment l'obtenir pour vous)