Мое путешествие с ML - Часть II / IV
Сертификат разработчика TensorFlow
Сертификат разработчика TensorFlow - полезность, подготовка и время
В марте 2020 года команда TensorFlow выпустила Сертификат разработчика TensorFlow. Этот базовый сертификат позволяет специалистам по ML доказать, что у них есть набор навыков, необходимых для успешной работы в роли ML начального уровня. Для непосвященных TensorFlow - это фреймворк машинного обучения с открытым исходным кодом от Google. Помимо того, что это мощное программное обеспечение для числовых вычислений, разработчики и исследователи машинного обучения могут быстро создавать и развертывать модели машинного обучения производственного уровня.
Во второй части этой серии из четырех частей я поделюсь с вами своим опытом обучения, чтобы вы тоже могли начать с того, что ничего не знали о машинном обучении, а закончить с навыками, чтобы получить работу начального уровня в этой сфере. Я также расскажу о преимуществах получения сертификата, а также о том, будет ли он полезен для вас и стоит ли оно вашего времени и денег.
В любом случае, чего стоит сертификат?
В мире высоких технологий идет напряженная дискуссия о том, полезны ли сертификаты для резюме соискателя. Некоторые люди утверждают, что они совершенно бесполезны и что важны масштабные проекты, фантастический опыт стажировки и подтвержденная история успеха на отраслевой должности. Другие считают, что они помогают продемонстрировать, что кандидат имеет некоторый опыт работы в данной области, и могут повысить шансы кандидата на трудоустройство. Я не думаю, что какая-либо из сторон ошибается.
Я считаю, что у сертификатов есть свое место. По моему опыту, получение сертификата в чем-либо всегда открывало для меня двери возможностей. Например, мой университет доверил мне создание нескольких официальных приложений и позволил мне создать Клуб разработчиков мобильных приложений в 2018 году; То, что я стал сертифицированным партнером Google Android-разработчика, в этом отношении сильно повысило доверие. С тех пор, как я получил сертификат разработчика TensorFlow, мой профиль в LinkedIn стал очень популярным, и люди из всех слоев общества присылали мне сообщения, чтобы попросить совета и предложений. Этот сертификат также стал отличным дополнением к моему резюме. Это дает мне возможность сразу же поговорить с рекрутерами.
Считаю ли я, что одних сертификатов достаточно? Точно нет. Но я бы солгал, если бы сказал, что получение сертификата не улучшило качество моей профессиональной жизни. Вам интересно, подходит ли это вам? К концу статьи вы будете гораздо лучше подготовлены к принятию этого решения.
Вы визуальный ученик?
Еще одна горячая дискуссия в мире технологий - учиться по учебникам или онлайн-видео. Некоторые утверждают, что ничто не может сравниться с всеобъемлющим и исчерпывающим характером хорошего старомодного учебника. Другие говорят, что онлайн-курсы и видео предоставляют современный, графический и персонализированный способ использования учебных материалов.
Мои взгляды на это однозначны - я полностью за последнее. Концепции машинного обучения, как правило, лучше всего объясняются графически, потому что для их обработки требуется много мысленной визуализации. Например, мне намного легче понять, как сверточный фильтр перемещается по пикселям изображения, когда он демонстрируется с помощью богатой анимации, чем в статическом учебнике, который оставляет все на усмотрение воображения.
Более того, как я уже упоминал в Части I, эта область развивается слишком быстро. В то время как онлайн-курс может регулярно обновляться, чтобы включать в себя новейшее содержание и тенденции, учебник может оказаться устаревшим только через несколько месяцев после выпуска. Таким образом, большинство книг, доступных сегодня на рынке, возможно, уже устарели или, по крайней мере, не содержат самой последней и самой актуальной информации.
«Я понятия не имею, с чего начать!»
Я тоже, когда только начинал. Как я уже упоминал в Части I этой серии статей, доступно слишком много ресурсов и слишком мало рекомендаций по выбору. Однако, пройдя весь процесс и проведя свое исследование, я пишу этот раздел, поэтому я уверен, что этот путь будет лучшим для большинства новичков.
Обратите внимание, что я никоим образом не спонсируюсь и не связан с кем-либо; все, что я рекомендую здесь, основано на моих исследованиях и опыте. Кроме того, я ни в коей мере не несу ответственности за вашу успеваемость на экзамене, и вы выполняете указанные ниже действия на свой страх и риск.
Шаг 0: изучение искусственного интеллекта
Когда я начал свой путь, я пропустил этот шаг, о чем позже пожалел. Ознакомьтесь с курсом AI для всех от Coursera и deeplearning.ai. В этом простом, нетехническом курсе есть что-то очень захватывающее, что делает остальную часть пути намного более плавной. Я прошел этот курс позже, но это должно было быть первое, что я сделал в ретроспективе.
Шаг 1. Python
Вам комфортно писать код на Python? До того, как я начал, я был незнаком с Python и немного его боялся. Я пришел из мира скобок Java / C ++, и мысль о том, что мне придется изучать Pythonic способ делать что-то, пугала меня. Тем не менее, я занялся программированием ИИ с Python Nanodegree от Udacity и остался чувствовать себя довольно уверенно (хотя к этому потребовалось время, чтобы привыкнуть). Тем не менее, я бы посоветовал рассмотреть бесплатный курс Введение в программирование на Python от Udacity, поскольку он в значительной степени содержит тот же контент, что и в Nanodegree. Если у вас есть какие-либо другие предпочтительные ресурсы, не стесняйтесь их рассматривать. Если вы знакомы с Python, вы можете полностью пропустить этот шаг.
Шаг 2. Основы глубокого обучения
Распространенная ошибка, которую, как я вижу, делают многие люди, заключается в том, что они пропускают этот шаг и сразу переходят к следующему; таким образом, они практически не понимают основополагающих принципов, необходимых для понимания глубокого обучения. Я рекомендую Специализацию по глубокому обучению от Coursera и deeplearning.ai. Тренер, Эндрю Нг, является блестящим инструктором, которому удается объединить многолетний опыт в одну специализацию.
В этом удобном для новичков курсе вы изучите все теоретические концепции (в сочетании с большим количеством практических лабораторных занятий), которые заложат основу для всего будущего.
Шаг 3. Прикладное глубокое обучение с TensorFlow
Возьмите Профессиональный сертификат TensorFlow на практике (ранее называвшийся Специализация на практике TensorFlow) от Coursera и deeplearning.ai. Это официально рекомендуемый ресурс на странице сертификата разработчика TensorFlow. Здесь вы получите отличный практический практический опыт работы с TensorFlow и будете должным образом подготовлены к сдаче экзамена. Инструктор, Лоуренс Морони, вместе с Эндрю Нг, довольно блестяще изучает материал таким образом, чтобы к концу вы почувствовали себя уверенно.
На странице также указана альтернативная программа, курс Введение в TensorFlow для глубокого обучения от Udacity, но если вы собираетесь сдавать экзамен в какой-то момент, я бы не рекомендовал это.
Шаг 4. Сертификат разработчика TensorFlow
На этом этапе вы должны быть достаточно подготовлены для сдачи экзамена; подробнее об этом в следующих разделах.
Шаг 5. Еще несколько тем для углубленного изучения
Это можно рассматривать как необязательный шаг, но я рекомендую его. Возьмите TensorFlow: Data and Deployment Specialization от Coursera и deeplearning.ai. Эта специализация охватывает определенные темы, некоторые из которых могут быть не слишком актуальны для вас (например, развертывание моделей в веб-браузере, на мобильных устройствах и устройствах IoT), но содержат определенные части (например, создание конвейеров данных и федеративное обучение), которые я бы хотел не рекомендую вам пропустить.
Итак, что для этого нужно?
- Время. Как правило, я рекомендую вам выделять до месяца на каждую специализацию, из них около 2 часов учебного времени в день.
- Стоимость курса. Вы можете выбрать либо аудит курсов, в результате чего вы получите бесплатный доступ к лекционным материалам, но не получите сертификат Coursera в конце; или заплатите и займитесь Специализациями. На мой взгляд, затраты разумны для того, что вы получаете.
- Стоимость экзамена. На момент написания этой статьи стоимость экзамена составляла 100 долларов США. Оправдана ли цена для того, что вы получаете? Думаю, да, но решать вам придется (подробнее об этом в следующем разделе).
- Посвящение - много. Особенно, если программирование для вас ново. Что-то ломается и перестает работать, и вы можете проводить допоздна за отладкой кода. Сама по себе установка программного обеспечения представляет собой небольшую проблему.
Несколько советов из моего опыта:
- Прочтите Справочник кандидата TensorFlow несколько раз, чтобы ознакомиться с экзаменом. Обратите внимание, что все, что касается самого экзамена, за исключением того, что упомянуто в справочнике, является конфиденциальным.
- Я не могу подчеркнуть это достаточно. Если вы используете Windows 10, приостановите автоматическое обновление перед сдачей экзамена. Последнее, что вам нужно, это чтобы ваш компьютер начал запускать фоновое обновление, как только вы начнете обучение модели!
- Перед экзаменом ознакомьтесь с PyCharm. Убедитесь, что вам это удобно. Запустите на нем часть вашего кода, чтобы убедиться, что все работает должным образом.
Что это значит для вас?
Для начала вы получаете сертификат и значок.
Вы также попадаете в Справочник сертификации.
Вам будет о чем поговорить с рекрутерами, добавить в свое резюме, поставить подписи по электронной почте и улучшить свой профиль в LinkedIn. Ваши навыки будут подтверждены для должности начального уровня в этой области, и вы будете уверены в своем прогрессе.
Однако учтите, что сертификата самого по себе может быть недостаточно, чтобы помочь вам выделиться; проекты, стажировки и опыт работы для этого. Кроме того, учетные данные истекают в течение трех лет с момента их получения, и вам придется заплатить и повторно подтвердить право собственности. Если вы ветеран отрасли, этот сертификат может вам не пригодиться.
Если вы решите не сдавать этот экзамен, вы можете быть счастливы узнать, что в будущем будут выпущены более продвинутые сертификационные экзамены, согласно официальному сайту. Что до меня, то я сдал экзамен и ни разу не пожалел.
Я сдал еще один сертификационный экзамен, который может быть интересен - экзамен инженера по машинному обучению Google Cloud Professional. Подробнее об этом в следующей части серии!
◀ Часть I. Простое начало с ИИ
Часть II: сертификат разработчика TensorFlow
Часть III: Cloud Professional ML Engineer ▶
Часть IV: Путь к машинному обучению ▶
Если вам понравилось то, что вы прочитали, поделитесь этим отрывком. Подпишитесь, чтобы получать уведомления о будущих статьях. Если у вас есть вопросы, предложения или отзывы, давайте обсудим их в комментариях!
Эта статья изначально была опубликована здесь.
