Pengarang: Pere Martra
Awalnya diterbitkan di Towards AI the World’s Leading AI and Technology News and Media Company. Jika Anda sedang membangun produk atau layanan terkait AI, kami mengundang Anda untuk mempertimbangkan untuk menjadi sponsor AI. Di Towards AI, kami membantu menskalakan AI dan startup teknologi. Biarkan kami membantu Anda melepaskan teknologi Anda kepada massa.
Lulus ujian Sertifikat Pengembang TensorFlow adalah tujuan bagi banyak orang yang ingin mendalami pembelajaran. Saya ingin menjelaskan bagaimana saya berhasil lulus tanpa memiliki pengalaman sebelumnya di Machine atau Deep Learning, apalagi dengan TensorFlow.
Titik awal saya.
Saya seorang insinyur dengan latar belakang yang baik di C++, dan saya telah menjadi pengembang untuk waktu yang lama, tetapi beberapa tahun yang lalu, pada awal karir saya. Saya telah menghabiskan 15 tahun terakhir bekerja dengan ATM, lima tahun terakhir memimpin tim keamanan siber. Seperti yang Anda lihat, tidak ada yang terkait dengan AL atau Machine Learning.
Tapi saya telah belajar dan berlatih sepanjang karir saya. Tahun-tahun terakhir mempelajari pengembangan video game. Dengan cara ini, saya mengetahui perkembangan karakter yang digerakkan oleh kecerdasan buatan menggunakan pembelajaran penguatan. Ini adalah seluruh pengalaman saya dengan AI sebelum memutuskan untuk membuat perubahan dalam karir saya.
Memang benar bahwa saya tahu konsep Pelatihan, epoch, langkah, dan hyperparameters. Tetapi pengalaman saya di TensorFlow dan dalam memecahkan masalah NLP (Natural Language Processing), jaringan Convolutional, atau peramalan seri sama sekali tidak ada.
Gambar Samuel Bourke di Unsplash
Mengapa sertifikasi Pengembang TensorFlow?
TensorFlow adalah perpustakaan Google dan, pada kenyataannya, hampir menjadi standar di dunia Machine Learning.
Ini dapat digunakan dari salah satu kerangka kerja pabrikan besar, baik itu IBM, Microsoft, atau Amazon.
Sertifikasi, menurut saya, memiliki reputasi yang baik. Ini bukan tes di mana mereka mengajukan pertanyaan dan Anda memberi mereka jawaban. Ini adalah tes di mana Anda harus membuat model untuk memecahkan masalah yang mereka berikan kepada Anda dengan informasi yang mereka berikan kepada Anda.
Selain itu, ini adalah ujian yang panjang, paling lama lima jam. Ada orang yang menyelesaikan lebih awal dan orang seperti saya yang mencapai akhir dengan waktu luang 10 menit. Selama setengah jam terakhir, saya telah bekerja untuk meningkatkan beberapa model untuk meningkatkan nada.
Bagaimana saya mempersiapkan diri untuk ujian TensorFlow.
Saya ingin mengatakan bahwa meskipun saya telah mengikuti apa yang bisa disebut rencana perjalanan pelatihan pusat, saya juga telah melakukan kegiatan sekunder. Sesekali, ada baiknya untuk beristirahat sejenak dari mempelajari materi pelajaran dan menghabiskan waktu menonton video YouTube, mempelajari kode Kaggle, atau membaca artikel terkait. Hal-hal ini sangat membantu saya dalam lulus ujian.
Saya sangat menyarankan Anda mengambil kursus dari instruktur yang berbeda. Setiap orang memiliki teknik dan cara mereka sendiri untuk menjelaskan sesuatu, dan saya dapat mengambil beberapa trik kecil dari orang yang berbeda. Tinggal dengan orang-orang yang paling saya sukai atau mungkin yang paling saya pahami.
Kursus yang Diambil.
Sertifikat Pengembang TensorFlow Deeplearning.AI di Coursera.
Spesialisasi DeepLearning.ai adalah kursus resmi untuk mempersiapkan ujian Sertifikat Pengembang TensorFlow. Kursus ini diberikan oleh Laurence Moroney. Jika Anda melihat sertifikat yang saya taruh di awal, itu ditandatangani olehnya. Jadi, jelas bahwa dia tahu apa yang dia bicarakan.
Spesialisasi terdiri dari empat kursus:
Pengantar TensorFlow. Jaringan konvolusi untuk klasifikasi gambar. Pemrosesan Bahasa Alami, di mana analisis sentimen dalam teks dan pembuatan teks prediktif akan dibahas. Prediksi Seri.
Mereka cocok dengan bagian-bagian dari ujian TensorFlow yang perlu dilihat.
Setiap kursus dibagi menjadi empat “minggu”. Di masing-masing dari mereka, kami menemukan video, beberapa bacaan ringan, beberapa latihan, yang dilakukan di Google Colab, dan tugas akhir.
Artinya, untuk setiap kursus, Anda akan memiliki sekitar 8/10 latihan dan 4 tugas yang harus Anda kerjakan di Google Colab.
Meskipun mereka merekomendasikan satu bulan per kursus, yaitu empat bulan untuk seluruh spesialisasi, itu dapat diselesaikan lebih awal. Saya pikir Anda dapat menyelesaikan spesialisasi dalam beberapa bulan jika Anda menghabiskan sekitar lima jam seminggu untuk itu.
Putusan: Penting.
Kursus Singkat Machine Learning di Google.
Saya kira kebanyakan orang akan merekomendasikan mengambil kursus ini pada awalnya. Saya tidak. Ini luar biasa tetapi lebih membosankan daripada spesialisasi Coursera. Saya melakukannya setelah menyelesaikan spesialisasi Coursera.
Hal baiknya adalah bahwa semuanya terdengar akrab bagi Anda, Anda sudah mengetahuinya, dan dari waktu ke waktu, mereka menjelaskan sesuatu kepada Anda secara berbeda, dan kepala Anda berbunyi… dan Anda berpikir, oh sayang… OK!
Kursus ini terdiri dari video, teks, kuesioner, dan proyek di Colab. Isinya sungguh luar biasa. Formatnya tidak sebaik Coursera. Sering kali, sulit bagi saya untuk mengetahui di mana saya ditinggalkan. Videonya sedikit lebih tua. Tetapi bagi saya, melakukannya tepat setelah spesialisasi itu sempurna!
Putusan: sangat dianjurkan.
Pengantar TensorFlow untuk Pembelajaran Mendalam di Udacity.
Saya mengambil kursus ini kurang lebih 10 hari terakhir sebelum ujian, dan saya pikir itu adalah kontribusi yang besar untuk hasilnya.
Bukan hanya karena isinya tetapi karena itu memberi saya kepercayaan diri bahwa saya mampu memecahkan masalah dan bahwa saya sepenuhnya memahami semua yang dijelaskan kepada saya.
Ini adalah kursus cepat untuk dilakukan, satu atau dua minggu. Tapi apa yang menjelaskan konsep dengan cara yang jelas bahkan memberi Anda waktu untuk menangani topik seperti Transfer Learning. Itu juga tercakup dalam spesialisasi Coursera, tetapi kursus ini menjelaskan cara yang lebih sederhana untuk menggunakan teknik ini.
Jaringan konvolusi, NLP, dan seri disentuh. Bagian Seri diberikan oleh Tony Moses, dan saya pikir itu luar biasa. Bukan hanya karena penjelasan di seri ramalan tetapi karena Anda tahu sedikit trik atau cara kerjanya. Kursus, di sisi lain, mengikuti format yang sama dengan Coursera, campuran video dengan notebook di Google Colab.
Kursus dilakukan dengan sangat cepat. Terutama jika Anda melakukannya di akhir karena Anda akan dapat memecahkan masalah yang muncul, tetapi Anda akan menemukan beberapa cara baru untuk melakukannya.
Pelatihan alternatif.
Rekomendasi pertama adalah Machine Learning Foundations oleh Laurence Moroney. Ini adalah daftar YouTube yang harus dimiliki. Ini berisi banyak dari dua kursus pertama dalam spesialisasi TensorFlow Coursera.
Adalah ide yang baik untuk membaca daftar YouTube ini terlebih dahulu sehingga Anda dapat menghadapi spesialisasi dengan beberapa pengetahuan sebelumnya yang akan membantu Anda maju lebih cepat.
Saluran YouTube lain yang saya suka adalah Greg Hogh dan Nicolas Rennote. Di keduanya, saya menemukan video yang menjelaskan cara menyelesaikan masalah apa pun dengan Tensorflow.
Rekomendasi saya adalah jika Anda lebih lemah di beberapa titik, seperti pembuatan teks prediktif, cari video di YouTube dan lihat bagaimana mereka menyelesaikannya.
Mungkin, mereka memberi Anda visi yang berbeda dari yang dijelaskan dalam kursus yang Anda lakukan. Atau mungkin mereka hanya menjelaskannya dengan cara yang lebih Anda pahami.
Hal terbaik untuk dilakukan di Kaggle adalah melihat kompetisi di bagian Memulai dan mempelajari bagaimana buku catatan diselesaikan. Saya akan memusatkan perhatian khusus pada Pengenal Digit dan Pemrosesan Bahasa Alami dengan tweet bencana.
Lingkungan dan hari ujian.
Salah satu hal yang paling mengkhawatirkan saya adalah bahwa ujian dilakukan di lingkungan pengembangan Pycharm. Lingkungan yang tidak pernah saya gunakan dan sekarang saya dapat mengatakan bahwa saya melanjutkan tanpa menggunakan. Jangan khawatir tentang Pycharm!
Kami membutuhkan Pycharm untuk menginstal plugin ujian. Itu akan menciptakan lingkungan virtual dengan latihan yang harus diselesaikan. Tetapi saya melakukan 100% pekerjaan di lokal Jupyter dan Google Colab saya.
Anda harus menyimpan model dalam format .h5 dan menyalinnya ke salah satu direktori yang dibuat oleh plug-in ujian.
Kemudian, Anda dapat menekan tombol evaluasi, dan Pycharm mengunggah model dan mengevaluasinya.
Nama model tidak relevan, tetapi Anda harus memiliki hanya satu model di direktori. Anda dapat mengirim model untuk dievaluasi sebanyak yang Anda inginkan, sehingga Anda dapat melakukan tes dan mempertahankan model terbaik.
Skor model dari 0 hingga 5. Saya akan merekomendasikan untuk menyelesaikan semua masalah dengan cepat dengan 4 dan kemudian, jika Anda punya waktu tersisa, dedikasikan diri Anda untuk meningkatkan nilai Anda.
Anda harus berhati-hati saat mengirimkan ujian untuk dievaluasi. Kita harus yakin bahwa kita memiliki model yang diinginkan di setiap direktori. Mereka yang saat ini berada di direktori dievaluasi, dan bukan mereka yang dievaluasi sebelumnya, bahkan jika mereka memiliki nilai yang lebih baik.
Ujian berlangsung selama lima jam, tetapi tidak mulai menghitung sampai Anda menyiapkan segalanya. Jangan khawatir, itu akan mulai menghitung ketika Anda menginstal plugin dengan benar dan klik tombol mulai ujian.
Saya menggunakan dua komputer: Mac dengan i5, tempat saya mengonfigurasi Pycharm, dengan pustaka yang direkomendasikan, dan MAC lainnya, tetapi Silicon, dengan lingkungan Jupyter yang dibuat dengan Conda dengan pustaka yang direkomendasikan.
Saya tidak merekomendasikan menginstal Pycharm dan mencoba membuat lingkungan ujian di Mac Silicon. Saya tidak dapat menginstal TensorFlow 2.9 pada Pycharm di MAC Silicon.
Tetapi saya mengerjakan MAC dengan Silicon dan meneruskan model .h5 ke Intel MAC, di mana lingkungan ujian dikonfigurasi dengan benar dengan Pycharm.
Mengikuti Ujian
Saya memperbaiki tiga masalah pertama dengan sangat cepat dan yang keempat juga, meskipun butuh waktu sedikit lebih lama. Yang benar adalah bahwa saya mendapat nilai 5, 4, 5, 4, dengan 5 sebagai nilai maksimum yang mungkin. Saya masih punya waktu dua setengah jam lagi, dan saya mulai menangani masalah kelima.
Nah, di kelima ini, saya mengalami masalah yang membutuhkan waktu sekitar dua jam untuk diselesaikan. Saya tidak bisa membuat model lulus validasi ujian dengan benar. Akhirnya, ketika saya berhasil memahami apa yang saya lakukan salah, saya lulus dengan 3. Sangat Adil, tapi ada sesuatu. Saya memiliki setengah jam tersisa dan memutuskan untuk mencoba meningkatkan dua posisi merangkak. Saya sudah lelah bertarung dengan masalah kelima.
Dimulai dengan masalah pertama, saya cukup santai. Kekhawatiran terbesar saya adalah bahwa beberapa pengaturan ujian tidak berfungsi. Semuanya tampaknya bekerja dengan baik.
Saat saya maju, saya perhatikan bahwa saya benar-benar dapat lulus, tetapi model kelima … Saya bahkan berpikir untuk meninggalkannya pada 0. Itu adalah lima jam di mana saya hampir tidak makan. Saya tidak berhenti untuk makan. Aku punya sesuatu untuk dimakan di atas meja, botol airku. Kedua komputer saya dihidupkan dan siap. Lima jam yang cukup intens setelah beberapa hari yang intens memberikan ulasan terakhir.
Saya sarankan Anda mempersiapkan lingkungan, memastikan bahwa itu adalah lingkungan yang nyaman. Saya memilih liburan ketika saya sendirian di rumah, dan saya sangat gugup.
Ujiannya tidak rumit, tetapi Anda harus menunjukkan bahwa Anda tahu cara menyelesaikan masalah dengan TensorFlow di bidang klasifikasi gambar, bahasa, dan seri. Dalam beberapa masalah, mereka dapat memasukkan beberapa kesulitan ekstra, seperti yang terjadi pada saya di kelima.
Jangan khawatir. Jika Anda siap, Anda akan lulus. Anda tidak lulus ujian dengan keberuntungan, tetapi saya berharap Anda semua beruntung di dunia!
Saya akan menunggu Anda di Direktori Pengembang Bersertifikasi TensorFlow.
Perjalanan Saya Menjadi Pengembang Tesertifikasi Tensorflow awalnya diterbitkan di Towards AI on Medium, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.
Diterbitkan melalui Menuju AI
