EITC/AI/DLPP Deep Learning with Python and PyTorch هو برنامج شهادة تكنولوجيا المعلومات الأوروبية حول أساسيات برمجة التعلم العميق في Python مع مكتبة التعلم الآلي PyTorch.
يركز منهج EITC/AI/DLPP Deep Learning مع Python و PyTorch على المهارات العملية في برمجة Python للتعلم العميق مع مكتبة PyTorch المنظمة ضمن الهيكل التالي ، بما في ذلك محتوى تعليمي فيديو شامل كمرجع لشهادة EITC هذه.
التعلم العميق (المعروف أيضًا باسم التعلم المنظم العميق) هو جزء من مجموعة أوسع من أساليب التعلم الآلي القائمة على الشبكات العصبية الاصطناعية مع التعلم التمثيلي. يمكن أن يكون التعلم تحت إشراف أو شبه خاضع للإشراف أو بدون إشراف. تم تطبيق معماريات التعلم العميق مثل الشبكات العصبية العميقة وشبكات المعتقدات العميقة والشبكات العصبية المتكررة والشبكات العصبية التلافيفية في مجالات تشمل رؤية الكمبيوتر ، ورؤية الآلة ، والتعرف على الكلام ، ومعالجة اللغة الطبيعية ، والتعرف على الصوت ، وتصفية الشبكات الاجتماعية ، والترجمة الآلية ، والمعلوماتية الحيوية وتصميم الأدوية وتحليل الصور الطبية وفحص المواد وبرامج الألعاب اللوحية ، حيث أسفرت عن نتائج مماثلة وفي بعض الحالات تفوق أداء الخبراء البشريين.
Python هي لغة برمجة مفسرة وعالية المستوى وذات أغراض عامة. تؤكد فلسفة تصميم Python على قابلية قراءة الكود باستخدامها الملحوظ للمسافات البيضاء الكبيرة. تهدف بنيات لغتها ونهجها الموجه للكائنات إلى مساعدة المبرمجين على كتابة رمز منطقي واضح للمشاريع الصغيرة والكبيرة الحجم. غالبًا ما توصف Python بأنها لغة "مضمنة بالبطاريات" نظرًا لمكتبة قياسية شاملة بها. تُستخدم لغة Python بشكل شائع في مشاريع الذكاء الاصطناعي ومشاريع التعلم الآلي بمساعدة مكتبات مثل TensorFlow و Keras و Pytorch و Scikit-Learn.
تتم كتابة Python ديناميكيًا (تنفيذ العديد من سلوكيات البرمجة الشائعة في وقت التشغيل التي تؤديها لغات البرمجة الثابتة أثناء التجميع) وجمع البيانات المهملة (باستخدام إدارة الذاكرة التلقائية). وهو يدعم نماذج البرمجة المتعددة ، بما في ذلك البرمجة المهيكلة (خاصة الإجرائية) والبرمجة الموجهة للكائنات والوظيفية. تم إنشاؤه في أواخر الثمانينيات ، وتم إصداره لأول مرة في عام 1980 ، بواسطة Guido van Rossum كخلف للغة البرمجة ABC. قدم Python 1991 ، الذي تم إصداره في عام 2.0 ، ميزات جديدة ، مثل سرد القوائم ، ونظام جمع البيانات المهملة مع حساب المرجع ، وتم إيقافه مع الإصدار 2000 في عام 2.7. Python 2020 ، الذي تم إصداره في عام 3.0 ، كان مراجعة رئيسية للغة التي هي ليست متوافقة تمامًا مع الإصدارات السابقة ولا يتم تشغيل الكثير من تعليمات Python 2008 بدون تعديل على Python 2. مع نهاية عمر Python 3 (و Pip قد أسقط الدعم في عام 2) ، يتم دعم Python 2021.x والإصدارات الأحدث فقط ، مع استمرار الإصدارات الأقدم دعم على سبيل المثال Windows 3.6 (والمثبتات القديمة لا تقتصر على 7 بت Windows).
يتم دعم مترجمي Python لأنظمة التشغيل السائدة ومتاحون لعدد قليل (وفي الماضي كانوا يدعمون أكثر بكثير). يقوم مجتمع عالمي من المبرمجين بتطوير وصيانة CPython ، وهو تطبيق مرجعي مجاني ومفتوح المصدر. منظمة غير ربحية ، Python Software Foundation ، تدير وتوجه الموارد لتطوير Python و CPython.
اعتبارًا من يناير 2021 ، احتلت Python المرتبة الثالثة في فهرس TIOBE لأكثر لغات البرمجة شيوعًا ، خلف C و Java ، بعد أن حصلت سابقًا على المركز الثاني وجائزتها لأكبر اكتساب شعبية لعام 2020. تم اختيارها كأفضل لغة برمجة لهذا العام في 2007 ، 2010 و 2018.
وجدت دراسة تجريبية أن لغات البرمجة النصية ، مثل Python ، أكثر إنتاجية من اللغات التقليدية ، مثل C و Java ، لمشاكل البرمجة التي تتضمن معالجة السلاسل والبحث في القاموس ، وقررت أن استهلاك الذاكرة غالبًا "أفضل من Java وليس أسوأ بكثير من C أو C ++ ”. تشمل المنظمات الكبيرة التي تستخدم Python ia Wikipedia و Google و Yahoo! و CERN و NASA و Facebook و Amazon و Instagram.
بالإضافة إلى تطبيقات الذكاء الاصطناعي ، فإن Python ، كلغة برمجة نصية ذات بنية معيارية وبناء جملة بسيط وأدوات معالجة نصية غنية ، غالبًا ما تستخدم لمعالجة اللغة الطبيعية.
PyTorch هي مكتبة مفتوحة المصدر للتعلم الآلي تعتمد على مكتبة Torch ، وتستخدم لتطبيقات مثل رؤية الكمبيوتر ومعالجة اللغة الطبيعية ، والتي تم تطويرها بشكل أساسي بواسطة مختبر أبحاث الذكاء الاصطناعي (FAIR) التابع لـ Facebook. إنه برنامج مجاني ومفتوح المصدر تم طرحه بموجب ترخيص BSD المعدل. على الرغم من أن واجهة Python أكثر صقلًا والتركيز الأساسي للتطوير ، إلا أن PyTorch لديها أيضًا واجهة C ++. تم إنشاء عدد من أجزاء برامج التعلم العميق فوق PyTorch ، بما في ذلك Tesla Autopilot و Uber's Pyro و HuggingFace's Transformers و PyTorch Lightning و Catalyst.
- حوسبة الموتر (مثل NumPy) مع تسريع قوي عبر وحدات معالجة الرسومات (GPU)
- شبكات عصبية عميقة مبنية على نظام تمايز آلي (حسابي) قائم على الشريط
يشغل Facebook كلاً من PyTorch و Convolutional Architecture للتضمين السريع للميزات (Caffe2) ، لكن النماذج المحددة بواسطة الإطارين كانت غير متوافقة بشكل متبادل. تم إنشاء مشروع Open Neural Network Exchange (ONNX) بواسطة Facebook و Microsoft في سبتمبر 2017 لتحويل النماذج بين أطر العمل. تم دمج Caffe2 في PyTorch في نهاية مارس 2018.
يحدد PyTorch فئة تسمى Tensor (torch.Tensor) لتخزين وتشغيل مصفوفات مستطيلة متعددة الأبعاد ومتجانسة من الأرقام. تتشابه PyTorch Tensors مع NumPy Arrays ، ولكن يمكن أيضًا تشغيلها على وحدة معالجة الرسومات Nvidia المتوافقة مع CUDA. يدعم PyTorch أنواعًا فرعية مختلفة من Tensors.
هناك عدد قليل من الوحدات النمطية الهامة لبيتورتش. وتشمل هذه:
- وحدة Autograd: يستخدم PyTorch طريقة تسمى التفاضل التلقائي. يسجل المسجل العمليات التي تم إجراؤها ، ثم يعيد تشغيلها للخلف لحساب التدرجات. هذه الطريقة قوية بشكل خاص عند بناء الشبكات العصبية لتوفير الوقت في حقبة واحدة من خلال حساب تمايز المعلمات في المسار الأمامي.
- وحدة Optim: torch.optim هي وحدة تقوم بتنفيذ خوارزميات تحسين مختلفة تستخدم لبناء الشبكات العصبية. معظم الطرق شائعة الاستخدام مدعومة بالفعل ، لذلك ليست هناك حاجة لبنائها من البداية.
- الوحدة النمطية nn: يجعل برنامج PyTorch autograd من السهل تحديد الرسوم البيانية الحسابية وأخذ التدرجات ، ولكن يمكن أن يكون autograd الخام منخفض المستوى بعض الشيء لتحديد الشبكات العصبية المعقدة. هذا هو المكان الذي يمكن أن تساعد فيه الوحدة النمطية nn.
للتعرف بالتفصيل على منهج الشهادات ، يمكنك توسيع الجدول أدناه وتحليله.
يشير منهج EITC/AI/DLPP Deep Learning مع Python و PyTorch إلى مواد تعليمية مفتوحة الوصول في شكل فيديو بواسطة Harrison Kinsley. تنقسم عملية التعلم إلى هيكل خطوة بخطوة (برامج -> دروس -> مواضيع) تغطي أجزاء المنهج ذات الصلة. كما يتم توفير استشارات غير محدودة مع خبراء المجال.
للحصول على تفاصيل حول التحقق من إجراءات الشهادة كيف تعمل.
قم بتنزيل المواد التحضيرية الكاملة للتعلم الذاتي دون الاتصال بالإنترنت لبرنامج EITC/AI/DLPP للتعلم العميق باستخدام برنامج Python وPyTorch في ملف PDF
المواد التحضيرية لـ EITC/AI/DLPP - الإصدار القياسي
المواد التحضيرية لـ EITC/AI/DLPP - نسخة موسعة مع أسئلة المراجعة