Comment réussir l'examen de certificat de développeur TensorFlow

Le 12 mars de cette année, l'équipe TensorFlow a présenté l'examen de certificat de développeur TensorFlow.

Jusqu'au 13 juin, je suis certifié développeur TensorFlow. ✅

Alors, que s'est-il passé dans cet intervalle de 3 mois?

Après avoir honoré tous mes engagements professionnels et personnels, j'ai réussi à décoller d'un mois pour me préparer à l'examen. Après avoir étudié tous les détails de l'examen, j'ai créé un plan d'apprentissage pour me préparer à l'examen en 14 jours *.

Tout cela est cool - mais qu'est-ce que TensorFlow?

L'essentiel: TensorFlow est une plateforme d'apprentissage automatique open source de bout en bout. Il dispose d'un écosystème complet de bibliothèques, d'outils et de ressources communautaires qui permet aux ingénieurs ML / AI, aux scientifiques / analystes de créer et de déployer des applications basées sur le ML.

Google, Airbnb, DeepMind, Intel, Twitter et bien d'autres sont actuellement alimentés par TensorFlow et cela les aide à résoudre un large éventail de problèmes.

Maintenant, je ne suis pas un évangéliste de certification. Mais comme j'utilisais et suivais déjà TensorFlow de si près en tant que passionné de science des données, cela a attiré mon attention.

Cela a été une série d'apprentissage incroyable et je suis ici pour partager tous les détails sur ce qu'est le programme, comment je l' ai fait et comment vous pouvez le faire aussi!

De quoi parle ce programme de certificat ?

Le certificat est une validation officielle confirmant votre maîtrise de TensorFlow en ce qui concerne la résolution de problèmes d'apprentissage en profondeur et de ML sur le marché du travail axé sur l'IA.

Si vous êtes quelqu'un qui a les compétences nécessaires pour développer ces réseaux de neurones profonds et résoudre des problèmes avec eux, vous pouvez passer l'examen pour vous différencier avec le certificat.

Oh, claque! Pas un autre programme de certification…?

Pourquoi devriez-vous passer l'examen?

Premièrement, ce n'est pas comme la certification où vous regardez quelques conférences vidéo de 2 à 3 minutes, répondez à un quiz de questions à choix multiples et obtenez votre certification. Cela vous demandera de coder et de résoudre une classe de problèmes auxquels vous devrez vous préparer.

Deuxièmement, combien de fois avez-vous pensé à maîtriser une nouvelle bibliothèque ou technique, puis abandonné vos plans à mi-chemin? Si vous êtes comme moi, 99% du temps.

Pour moi, la certification a été la destination de mon parcours d'apprentissage. J'avais une certaine expérience avec TensorFlow, mais cela m'a posé un défi de travailler sur des problèmes que je n'avais pas résolus moi-même.

Troisièmement, vous devez au moins continuer à surveiller l'espace technologique dans votre domaine. Voici donc une tendance de StackOverflow qui montre comment TensorFlow est utilisé par un grand nombre d'utilisateurs représentant près d'une question sur 100 sur la plate-forme:

Enfin, je pense que Google apporte toujours de la valeur à ses utilisateurs / développeurs. Je pense que la façon dont ils ont structuré l'examen en vaut la peine, car cela valide vos compétences et ajoute du poids à votre profil.

D'ACCORD! Je suis vendu, pouvez-vous me dire ce que je suis censé faire à cet examen?

Procédure pas à pas de l'examen

L'examen est un test en ligne basé sur les performances dans lequel vous trouverez des questions à résoudre en créant des modèles TensorFlow dans un environnement PyCharm dédié.

Vous pouvez passer cet examen à partir de votre ordinateur qui prend en charge les exigences de PyCharm IDE. Vous aurez besoin d'une connexion Internet fiable et vous pourrez passer l'examen à l'heure qui vous convient (j'ai commencé le mien à minuit).

L'examen teste votre capacité à résoudre des problèmes tels que la classification d'images à partir d' images réelles, traitement du langage naturel, et la prévision des séries chronologiques utilisant tensorflow 2.x .

Vous pouvez prendre jusqu'à 5 heures pour l'examen. Si vous dépassez le délai, l'examen sera soumis automatiquement et vous ne serez noté que pour les questions pour lesquelles vous avez soumis et testé votre modèle.

Vous êtes autorisé à utiliser toutes les ressources d'apprentissage que vous utiliseriez normalement pendant votre travail de développement ML.

Coût de l'examen: chaque tentative vous coûte 100 USD.

Ah -hah ! Alors, comment t'es-tu préparé pour ce long examen effrayant?

Comment j'ai commencé à me préparer à l'examen

La première chose que j'ai faite a été de passer beaucoup de temps à étudier l'examen lui-même. L'équipe TensorFlow vous fournit ce manuel completqui vous indique tous les détails de l'examen et les compétences que vous devez maîtriser avant de le passer:

Après avoir étudié l'examen, j'ai conçu un programme pour moi-même pour couvrir toutes les compétences mentionnées dans ce manuel.

Ensuite, je me suis mis en place avec un emploi du temps pour que mes engagements professionnels ne me poussent pas à dévier et j'ai priorisé l'apprentissage pendant ces ~ 20 jours.

Et c'est tout - j'ai commencé à me préparer à l'examen en utilisant ce programme composé de ces ressources recommandées et utiles:

[Imp]: Curriculum d'apprentissage - Examen de toutes les ressources que j'ai utilisées pour réussir l'examen

Pour quelqu'un qui découvre Tensorflow ou Machine learning, le manuel peut présenter une image terrifiante. Mais avoir un plan et établir un calendrier vous aidera à passer à travers. Voici le programme qui vous préparera bien à l'examen.

L'équipe Tensorflow a de nouveau fait un travail incroyable en suggérant les ressources en fonction de votre familiarité avec le Machine Learning. En plus de cela, j'avais suivi quelques livres et listes de lecture qui m'ont beaucoup aidé à consolider les principes fondamentaux de mon cerveau et à aller au-delà des exigences d'examen elles-mêmes.

J'ai également passé en revue toutes ces ressources que j'ai utilisées avec une échelle de notation de 5 , basée sur les qualités suivantes:

  • Utilité - pour réussir l'examen
  • Valeur d'apprentissage - peut ne pas avoir d'effet direct sur les résultats de l'examen, mais vous aidera à construire une base solide et à travailler sur des problèmes plus complexes.

Voici la liste des ressources avec le temps et le coût que chacune encourra:

1. Spécialisation TensorFlow en pratique de Coursera

Utilité: 5/5 - Ceci est absolument nécessaire pour bien réussir (voire réussir) à l'examen. Il vous aidera à couvrir toutes les compétences mentionnées sur la liste de contrôle des compétences dans le manuel. Il s'agit du cours recommandé sur la page d'accueil de la certification.

Si vous étudiez attentivement la liste de contrôle des compétences, puis la comparez avec le plan du cours, vous serez en mesure de déterminer la cartographie directe de chaque compétence. Il semble que le cours ait été créé avec l'examen de certification à l'esprit ou vice versa.

L'ensemble de la spécialisation comprend 4 cours:

  • Introduction à l'apprentissage automatique et à l'apprentissage profond.
  • Réseaux de neurones convolutifs dans TensorFlow
  • Traitement du langage naturel dans TensorFlow
  • Séquence, séries chronologiques et prédiction

Valeur d'apprentissage: 4/5 - Le cours lui-même dépend d'autres ressources pour vous aider à acquérir une compréhension approfondie des concepts fondamentaux et des sujets qu'il utilise. Il s'agit davantage d'un cours pratique.

Temps: cela devrait vous prendre 4 à 8 semaines selon le temps que vous consacrez. J'avais une expérience préalable avec des problèmes de classification d'images, et il m'a fallu 14 jours pour regarder toute la série de spécialisations et pratiquer tous les exercices qu'ils proposent.

Coût: Cela coûte 59 $ par mois après un essai gratuit de 7 jours. Ça vaut vraiment le coup si vous devez payer. Les autres ressources offrent une alternative gratuite.

2. Listes de lecture YouTube sur Machine Learning Foundation par Laurence Moroney

Utilité: 4/5 - Ceci est une alternative aux 2 cours de départ de la spécialisation TensorFlow sur la chaîne YouTube de Google Developers.

Il existe une liste de lecture PNL dédiée de zéro à héros du même auteur - Laurence Moroney.

Valeur d'apprentissage: 3/5 - Identique à celle ci-dessus, mais s'appuie sur d'autres vidéos et ressources au cas où vous êtes un débutant en apprentissage automatique

Durée: 1 à 2 semaines par liste de lecture si vous consacrez environ 3 à 4 heures par jour à votre préparation.

Sans coût

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

Utilité: 3/5 - Le score est dû à sa pertinence par rapport à l'examen . Pour les débutants, ce sera une ressource fondamentale pour comprendre le Machine Learning, puis plonger progressivement dans les profondeurs de Deep Learning, TensorFlow, Computer Vision, CNN, RNN, et bien plus encore.

Voici les chapitres les plus utiles du livre:

  • Chapitre 10 - Introduction aux réseaux de neurones artificiels avec Keras
  • Chapitre 11 - Formation des 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 des séquences utilisant des RNN et des CNN
  • Chapitre 16 - Traitement du langage naturel avec RNN et attention

J'ai lu ce livre avant l'examen et l'auteur Aurelion a créé un joyau d'un livre pour les aspirants Data Scientists, ingénieurs ML / AI.

Il élucide les concepts fondamentaux, explique les mathématiques derrière chaque algorithme, puis explique le code pratique pour résoudre les problèmes ainsi que les meilleures pratiques, couvrant tout. Une lecture incontournable pour tous les aspirants au Machine Learning.

Valeur d'apprentissage: 5/5 - C'est de loin le meilleur livre pour démarrer avec l'apprentissage automatique.

Durée: 3 à 4 mois - Je vous recommande de lire lentement chaque chapitre, puis de pratiquer l'exercice donné à la fin de chaque chapitre.

Coût: Si vous pouvez vous le permettre, je vous recommande de souscrire à unabonnement O'Reilly Media pour 50 $ par mois, où vous obtenez non seulement ce livre, mais toutes les publications et vidéos / conférences en direct. Alternativement, vous pouvez acheter le livre de poche sur Amazon pour le prix qu'il est disponible dans votre région (environ 60 $).

Je suis un instructeur O'Reilly, j'ai donc les ressources disponibles sur mon portail.

4. Autres listes de lecture YouTube utiles

Voici quelques listes de lecture que j'ai parcourues pour avoir une bonne idée de chacun des concepts requis:

  • MIT 6.S191: Introduction au Deep Learning:

    Utilité 3/5 - Cela vous aidera à vous familiariser avec l'apprentissage en profondeur et le développement de réseaux de neurones à l'aide de TensorFlow. Vous devriez couvrir les 3 premières vidéos de la liste de lecture - Intro to DL, Recurrent Neural Network et Convolutional Neural Networks.

    Valeur d'apprentissage 4/5 - Vous donne un bon rappel sur les bases et je l'ai utilisée comme une bonne vidéo à regarder quand j'étais juste d'humeur à regarder et à ne pas faire beaucoup de travail pratique.

    Coût: gratuit

    Temps: 3 heures

  • Réseaux de neurones convolutifs par Andrew NG

    Tout comme la liste de lecture ci-dessus, mais avec la méthode d'Andrew NG pour expliquer l'apprentissage en profondeur. J'ai regardé cette série l'année dernière, très utile.

    J'ai regardé les vidéos que Laurence recommandait dans son cours.

    Utilité: 3/5 - En savoir plus sur les bases.

    Valeur d'apprentissage: 4/5

    Durée: 8 à 10 heures pour comprendre les concepts de chaque vidéo.

  • Modèles de séquences par Andrew NG

    Utilité: 3/5 - En savoir plus sur les bases.

    Valeur d'apprentissage: 4/5

    Durée: 8 à 10 heures pour comprendre les concepts de chaque vidéo.

5. Série de didacticiels PyCharm et directives de configuration de l'environnement

Si vous n'avez jamais travaillé dans un IDE auparavant, il est fortement recommandé de se familiariser avec l'environnement d'examen.

Utilité: 5/5 (obligatoire) - Il s'agit d'une série de démarrage pour les débutants de PyCharmqui vous aidera à vous familiariser avec l'utilisation efficace de PyCharm.

Valeur d'apprentissage: NA

Assurez-vous de lire les consignes de configuration de l'environnement pour passer l'examen de certificat de développeur TensorFlow.

Suivez les instructions mentionnées dans le PDF car l'équipe de certification ne peut être tenue responsable de votre négligence.

Whoa! C'est une longue liste de ressources, comment avez-vous réussi à étudier?

Mon calendrier de préparation

À la fin du mois d'avril, j'étais sûr de cocher cela sur ma liste. Je le prenais comme n'importe quel autre projet et j'étais déterminé à le mener à bien.

Donc, j'avais l'habitude de planifier tous les soirs ce que j'allais faire le lendemain matin. Les plages horaires de couleur rose sont bloquées pour l'étude du cours. Ces 3 à 4 heures du matin ont été mes plus productives là où j'ai pu saisir le plus.

J'ai eu une routine assez cohérente tout au long des 2 semaines et j'ai augmenté l'intensité lorsque je me suis approché du jour de l'examen avec plus de 5 à 6 heures de pratique chaque jour.

Ok, donc avec chapeau était votre processus d'étude?

Comment j'ai étudié

J'avais l'habitude de regarder d'abord les leçons de chaque semaine, puis de pratiquer le code dans le colab fourni à la suite des leçons vidéo.

À la fin de chaque semaine, je complétais le devoir conçu par Laurence dans son cours.

REMARQUE: j'avais l'habitude d'écrire tout le code moi-même plutôt que de simplement compléter le code d'espace réservé.

Je revisiterais également les chapitres du livre Hands-on ML plus tard dans la nuit avant de dormir ou à la fin de ma plage horaire juste pour que tout soit clair. Ensuite, j'apprendrais les prochaines étapes qui allaient au-delà du programme d'examen.

TL; DR: MONTRE. CODE. ENTRAINE TOI. LIS. RÉPÉTER.

Tous prêts à passer l'examen - Et maintenant?

Si vous pensez avoir couvert toutes les compétences mentionnées dans le manuel et que vous vous sentez prêt à passer l'examen, c'est parfait.

Vous êtes maintenant prêt à acheter votre examen. Il est servi par une plate-forme tierce appelée TrueAbility. Vous devez présenter votre pièce d'identité émise par le gouvernement (le passeport fonctionnerait) pour l'authentification.

Payez 100 $ pour l'examen. Vous êtes maintenant prêt à partir, vous pouvez commencer l'examen au fur et à mesure que vous vous sentez prêt.

Ils vous fournissent des instructions détaillées sur la configuration de votre PyCharm pour l'examen. Voici ce que je recommande de faire avant de commencer votre examen:

  • Assurez-vous que vous disposez d'une bonne connexion Internet fiable.
  • Assurez-vous que vous avez suivi le didacticiel pour débutants PyCharm si vous êtes nouveau dans l'IDE.
  • J'ai testé mon PyCharm en exécutant quelques didacticiels TensorFlow. Ils ont bien fonctionné et j'étais prêt à installer le plugin d'examen pour commencer.
  • J'ai lu attentivement les instructions de l'examen avant d'appuyer sur le bouton de démarrage de l'examen. Il vous sera fourni après votre inscription à l'examen.

CLIQUEZ sur le bouton Démarrer l'examen!

Pendant l'examen

Votre environnement d'examen sera créé et vous serez dirigé vers les questions que vous devrez résoudre. Je ne partagerai pas les détails de l'examen car ce serait contraire à l'éthique.

D'après mon expérience, tout s'est bien déroulé et j'étais assez confiant que je terminerais l'examen après avoir lu les questions. Et bien sûr, j'ai terminé l'examen dans les 3 heures.

Trucs et astuces

  • Assurez-vous de pratiquer quelques exercices sur PyCharm 1 à 2 jours avant l'examen plutôt que de simplement travailler sur des cahiers Colab.
  • Pour les modèles qui prenaient du temps sur ma machine locale, je les ai formés sur Google Colab, puis j'ai téléchargé le modèle entraîné dans le dossier du projet.
  • Continuez à travailler sur d'autres questions pendant que votre modèle s'entraîne; J'avais 3 modèles en cours de formation - 1 sur ma machine et 2 sur Google colab et je travaillais sur le 4 pendant que j'essayais de régler les hyperparamètres.
  • Si vous avez suffisamment de temps, essayez d'obtenir les meilleurs résultats pour chaque modèle.

Rituels post-examen

Lorsque vous avez terminé, cliquez sur le bouton Soumettre et terminer l'examen. Lorsque j'ai terminé, j'ai reçu un e-mail de TrueAbility me félicitant d'avoir réussi l'examen:

Il n'y a pas d'analyse détaillée ou de rapport sur la façon dont vous avez réussi l'examen. Ils mentionnent simplement si vous avez réussi ou non l'examen.

Après avoir réussi l'examen, vous êtes invité à rejoindre le réseau de certificats TensorFlow qui vous indique les détenteurs de certificats dans différentes régions:

Où est le certificat?

Il faut environ une semaine pour mettre la main sur le certificat. J'ai eu le mien 3 jours après l'examen.

Une fois que vous avez reçu votre certificat, vous pouvez flasher ce badge sur vos profils de réseaux sociaux et le marquer comme une réussite dans votre CV.

FAQ sur les examens

Est-ce vraiment si important de passer l'examen, ne puis-je pas simplement travailler sur un projet équivalent basé sur chaque section?

Je dirais que vous pouvez certainement le faire et en fait, c'est probablement la meilleure approche lorsque vous développez une nouvelle compétence.

Mais l'examen vous aide à être reconnu et, comme il vient de Google, c'est bien de l'avoir. Ce n'est pas une solution complète pour apprendre le Deep Learning ou TensorFlow.

Je veux partir de zéro, quelles ressources dois-je rechercher?

Apprenez en faisant des choses. De nombreux blogs parlent d'abord d'apprendre les mathématiques approfondies, mais vous perdrez bientôt l'intérêt en utilisant cette approche.

Commencez par apprendre la programmation (Python ou tout autre langage), puis plongez progressivement dans le Machine Learning. Vous pouvez également consulter ce cours d'Andrew NG.

J'ai toujours besoin d'un mentor ou de quelqu'un pour me pousser à faire les choses et à résoudre mes doutes et mes problèmes, pouvez-vous proposer une solution?

Un mentor aide en effet dans de nombreux cas. Si vous voulez que quelqu'un vous aide avec ces détails en dehors de ces ressources, vous pouvez consulter Codementor où vous trouverez des experts en ML et en IA qui peuvent vous aider à résoudre toutes vos requêtes.

C'est un peu cher pour moi, y a-t-il une approche gratuite ou moins chère?

Oui, l'équipe Tensorflow offre quelques allocations aux personnes qui pourraient avoir du mal à se permettre l'examen. Visitez ce lien pour plus de détails.

Si votre question n'est pas abordée ici, n'hésitez pas à répondre à ce message et je vous répondrai. :)

Et après?

Comme pour toute autre compétence, commencez à construire des choses et à travailler sur des projets réels. Commencez à rechercher des projets open source tels que TensorFlow. Postulez à des emplois avec ce badge et partagez votre histoire avec d'autres.

Je travaille sur une série complète de Deep Learning Foundation qui sera utile pour les aspirants ML / DL. Vous pouvez me regarder enseigner sur ma chaîne Youtube en attendant.

Voici une vidéo basée sur ce blog où vous pouvez me regarder partager mon parcours:

Je vais bientôt lancer une série complète sur TensorFlow. Abonnez-vous à ma chaîne pour un contenu intéressant sur la science des données.

Science des données avec Harshit

Avec ce canal, je prévois de déployer quelques séries couvrant tout l'espace de la science des données. Voici pourquoi vous devriez vous abonner à la chaîne:

  • Ces séries couvriraient tous les didacticiels de qualité requis / demandés sur chacun des sujets et sous-sujets tels que les principes de base de Python pour la science des données.
  • Mathématiques expliquées et dérivations de pourquoi nous faisons ce que nous faisons en ML et Deep Learning.
  • Podcasts avec des data scientists et des ingénieurs de Google, Microsoft, Amazon, etc., et des PDG de grandes entreprises axées sur les données.
  • Projets et instructions pour mettre en œuvre les sujets appris jusqu'à présent.