Estás leyendo la publicación: Cómo hacer el examen de desarrollador de Tensorflow: hacia la IA
Publicado originalmente en Hacia la IA, la empresa líder mundial en noticias y medios de IA y tecnología. Si está creando un producto o servicio relacionado con la IA, lo invitamos a considerar convertirse en patrocinador de la IA. En Hacia la IA, ayudamos a escalar las empresas emergentes de IA y tecnología. Permítanos ayudarlo a dar rienda suelta a su tecnología a las masas.
Llevo más de 4 años trabajando en el campo del Machine Learning. Además, soy un ingeniero de aprendizaje automático de pensamiento propio. El sistema educativo respondió muy tarde al nuevo paradigma de Deep Learning, y hay muy poco lugar para tomar una buena educación y certificación.
Pensé que Tensorflow Developer Exam sería un buen desafío de certificación. Cuando obtiene el Certificado de desarrollador de Tensorflow, puede mostrarle al mundo las habilidades más esenciales.
En este artículo, discutiré qué es este examen, cómo prepararse, algunos problemas que puede encontrar y algo de motivación. Leer las experiencias de tantas personas diferentes como sea posible le permitirá ver el problema desde diferentes ángulos. Empecemos.
Tabla de contenido:
- Introducción
- Mejor curso para tomar
- Algunos consejos y trucos
- Mis problemas y soluciones
- Ultimas palabras
Introducción
Hablaré directamente sobre el examen. Es esencial leer la guía en el sitio web de Tensorflow. Una vez que comprenda lo que está sucediendo, regístrese para el examen. El examen tiene un costo de 100 $. Antes de ingresar al examen, debe compilar su Pycharm env en las versiones correctas de las bibliotecas requeridas. El sitio web oficial de TensorFlow es el mejor lugar para encontrar tutoriales claros sobre el entrenamiento de modelos para cada tipo de aplicación de red neuronal.
El examen incluye preguntas de regresión, CV, NLP y series de tiempo, similares a los cursos.
Habrá 5 preguntas en el examen. Para tener éxito, debe obtener una puntuación superior a cierta puntuación. Obtuve 3*(5/5) y 2*(4/5) = 23/25 puntajes que fueron suficientes para aprobar. Tienes 5 horas para contestar todas las preguntas. Si todo sale bien, el examen podría terminar en 2 horas.
Después de finalizar el examen, en 2 minutos, recibirá un correo electrónico que dice: “¡Felicitaciones, ha aprobado el examen de certificado de desarrollador de TensorFlow!”. Tienes que esperar un máximo de 2 semanas para obtener un certificado.
Mejor curso para tomar
El mejor curso para prepararse para el examen es DeepLearning.AI TensorFlow Developer Professional Certificate. Si tienes cierto nivel de experiencia en aprendizaje automático, será suficiente para que resuelvas los ejemplos de código de este curso.
Hay 4 sub-cursos en este programa. A su vez, se cubren temas de regresión, clasificación, visión por computadora, NLP y series de tiempo. Además, el examen cubrirá los mismos temas.
Cuando termines el curso, ve a Kaggle o plataformas similares. Y trata de resolver diferentes tipos de problemas como NLP, CV y series temporales.
Algunos consejos y trucos
El examen Tensorflow Dev también es similar a todos los exámenes, por lo que tiene algunos trucos. Mi primer truco es usar múltiples Gpu. Este método no da un gran impulso, pero parece útil.
Cuando estaba leyendo blogs, se escribió que enviar el mismo modelo más de una vez arrojaba resultados diferentes. Lo más probable es que esto se deba al cambio constante del conjunto de prueba. Si desea obtener una puntuación más alta, puede probar el mismo modelo más de una vez.
El uso de devoluciones de llamada puede ser ventajoso. Por ejemplo, ModelCheckpoint guarda continuamente su mejor modelo y no tendrá ningún problema, incluso si su modelo en entrenamiento tiene un ajuste excesivo o insuficiente.
Al mismo tiempo, encontrar la tasa de aprendizaje adecuada es una tarea experimental. Aquí, se puede usar ReduceLROnPlateau. Cuando la pérdida no disminuye con un cierto coeficiente de paciencia, disminuye el LR a la tasa determinada.
Finalmente, lea la pregunta detenidamente y revise las instrucciones nuevamente si está atascado en una pregunta.
Mis problemas y soluciones
En primer lugar, tengo un problema con la versión de Tensorflow. Actualmente, el examen utiliza Tensorflow 2.7.x. Quiero usar GPU múltiples y potentes para minimizar el entrenamiento para hacer experimentos más rápidos y resolver más preguntas.
Puede obtener información sobre la velocidad de entrenamiento probando las preguntas de ejemplo de CV y NLP de Tensorflow en su propia computadora. Además, recomiendo que la capacidad de cómputo de la GPU que utilizará esté por encima de 6.1.
Nuestro equipo ya tiene Google Colab Pro para usar en el examen. Pero había un problema. Colab estaba usando Tensorflow 2.8.0, por lo que podría crear algunos problemas. Bajé Tensorflow a 2.7.0, pero Cuda no funcionó.
Mi última opción fue usar AWS. AWS ofrece entornos de DeepLearning prediseñados. Configuré una instancia g4dn.xlarge, EC2, y construí una computadora portátil Jupiter que puedo conectar desde mi computadora portátil. Y nuestra poderosa GPU está lista. La serie g4 tiene GPU Tesla T4, que tiene una capacidad de cómputo de 7.5.
La versión de Tensorflow y otras bibliotecas utilizadas por el examen cambia con el tiempo. Se puede usar Colab o AWS cuando las versiones coinciden. Incluso solo 1 GPU hará mucho trabajo.
No tengo ningún problema relacionado con Pycharm. Si lees y aplicas las instrucciones, todo estará bien.
Ultimas palabras
Esta certificación no le abrirá todas las puertas, pero puede lograr más con la confianza en sí mismo que gane. Luego, puede unirse a la red de certificados de TensorFlow y verse en el mapa. La educación y el aprendizaje es un proceso interminable, después de adquirir habilidades generales, debe aprender información sobre el campo en el que desea especializarse y desarrollar proyectos.
Si hiciste todo, resolviste todo tipo de preguntas de cursos y Kaggle. Confiar en ti mismo. ¡Estas listo!
¡Buena suerte!
Referencias
[1] https://www.tensorflow.org/certificate
How To Ace Tensorflow Developer Exam se publicó originalmente en Towards AI en Medium, donde las personas continúan la conversación resaltando y respondiendo a esta historia.
Publicado a través de Hacia la IA
