Python, TensorFlow နှင့် Keras တို့နှင့် EITC/AI/DLPTFK နက်ရှိုင်းစွာသင်ယူခြင်းသည်ဥရောပအိုင်တီအသိအမှတ်ပြုခြင်းအစီအစဉ်ဖြစ်ပြီး Python တွင်နက်ရှိုင်းစွာလေ့လာခြင်းကို TensorFlow နှင့် Keras စက်လေ့လာရေးစာကြည့်တိုက်များဖြင့်တည်ဆောက်သည်။
EITC/AI/DLPTFK နက်နက်နဲနဲ Python၊ TensorFlow နှင့် Keras နှင့်နက်ရှိုင်းစွာသင်ယူခြင်းတွင်လက်တွေ့ကျသောကျွမ်းကျင်မှုများကိုအလေးထားသည် EITC အသိအမှတ်ပြုလက်မှတ်အတွက်ရည်ညွှန်းချက်အဖြစ်အောက်ပါဖွဲ့စည်းပုံအတွင်းဖွဲ့စည်းထားသည့် TensorFlow နှင့် Keras စာကြည့်တိုက်များရှိ Python ပရိုဂရမ်းမင်းကိုလက်တွေ့လေ့လာသည်။
နက်ရှိုင်းသောသင်ယူမှု (နက်ရှိုင်းသောစနစ်တကျသင်ယူမှုဟုလည်းလူသိများသည်) သည်အတတ်ပညာဆိုင်ရာသင်ယူမှုပါသည့်အတုအာရုံကြောကွန်ယက်များပေါ်တွင်အခြေခံသည့်စက်ပစ္စည်းလေ့လာမှုနည်းလမ်း၏ပိုမိုကျယ်ပြန့်သောမိသားစု၏အစိတ်အပိုင်းဖြစ်သည်။ သင်ယူခြင်းကိုကြီးကြပ်နိုင်သည်၊ တစ်စိတ်တစ်ပိုင်းကြီးကြပ်နိုင်သည်သို့မဟုတ်မကြီးကြပ်နိုင်သည်။ နက်ရှိုင်းသောအာရုံကြောဆိုင်ရာကွန်ယက်များ၊ နက်ရှိုင်းသောယုံကြည်မှုကွန်ယက်များ၊ ထပ်တလဲလဲအာရုံကြောဆိုင်ရာကွန်ယက်များနှင့်အပြိုင်အဆိုင်အာရုံကြောကွန်ယက်များကဲ့သို့သောနက်ရှိုင်းသောသင်ယူမှုဗိသုကာများကိုကွန်ပျူတာအမြင်၊ စက်အမြင်၊ မိန့်ခွန်းအသိအမှတ်ပြုခြင်း၊ သဘာဝဘာသာစကားပြုပြင်ခြင်း၊ အသံအသိအမှတ်ပြုခြင်း၊ လူမှုကွန်ယက်စစ်ထုတ်ခြင်း၊ မူးယစ်ဆေးဝါးဒီဇိုင်း၊ ဆေးဘက်ဆိုင်ရာပုံရိပ်ခွဲခြမ်းစိတ်ဖြာခြင်း၊ ပစ္စည်းစစ်ဆေးခြင်းနှင့်ဘုတ်အဖွဲ့ဂိမ်းအစီအစဉ်များသည်ရလဒ်များနှင့်နှိုင်းယှဉ်။ အချို့သောကိစ္စများတွင်လူ့ကျွမ်းကျင်မှုစွမ်းရည်ထက်သာလွန်သည်။
Python သည်အနက်၊ အဆင့်မြင့်နှင့်အထွေထွေရည်ရွယ်သည့်ပရိုဂရမ်းမင်းဘာသာစကားဖြစ်သည်။ Python's design philosophy သည်ထူးခြားသော whitespace ကိုအသုံးပြုခြင်းဖြင့် code ဖတ်နိုင်မှုကိုအလေးထားသည်။ ၎င်း၏ဘာသာစကားတည်ဆောက်မှုနှင့်အရာဝတ္ထု -oriented ချဉ်းကပ်မှုသည်ပရိုဂရမ်မာများကိုအသေးစားနှင့်အကြီးစားစီမံကိန်းများအတွက်ရှင်းရှင်းလင်းလင်း၊ Python ကို၎င်း၏ပုံမှန်ပြည့်စုံသောစာကြည့်တိုက်ဖြင့်“ ဘက်ထရီပါ ၀ င်သော” ဘာသာစကားအဖြစ်မကြာခဏဖော်ပြလေ့ရှိသည်။ Python ကို TensorFlow, Keras, Pytorch နှင့် Scikit-learn ကဲ့သို့သောစာကြည့်တိုက်များ၏အကူအညီဖြင့်အတုထောက်လှမ်းရေးစီမံကိန်းများနှင့်စက်သင်ကြားရေးစီမံကိန်းများတွင်အသုံးပြုသည်။
Python သည် dynamically-typed (စုစည်းနေစဉ်အတွင်း static programming language လုပ်ဆောင်လေ့ရှိသောပရိုဂရမ်းမင်းအပြုအမူများစွာကို runt runtime တွင်လုပ်ဆောင်သည်) နှင့်အမှိုက်သိမ်းဆည်းခြင်း (automatic memory management) ဖြင့်ပြုလုပ်သည်။ ၎င်းသည်စနစ်တကျ (အထူးသဖြင့်လုပ်ထုံးလုပ်နည်းများ)၊ အရာဝတ္ထု -oriented နှင့်အလုပ်လုပ်သောပရိုဂရမ်များအပါအ ၀ င်မျိုးစုံသောပရိုဂရမ်парадигဂမ်များကိုထောက်ပံ့သည်။ ၎င်းကို ၁၉၈၀ ပြည့်လွန်နှစ်များနှောင်းပိုင်းတွင်တီထွင်ခဲ့ပြီး ၁၉၉၁ ခုနှစ်တွင် ABC ပရိုဂရမ်ဘာသာစကားကိုဆက်ခံသူအဖြစ် Guido van Rossum ကစတင်မိတ်ဆက်ခဲ့သည်။ ၂၀၀၀ ခုနှစ်တွင်ဖြန့်ချိခဲ့သည့် Python 1980 သည်စာရင်းပြုစုခြင်းနှင့်ရည်ညွှန်းရေတွက်ခြင်းနှင့်အမှိုက်သိမ်းဆည်းခြင်းစနစ်များကဲ့သို့သောအင်္ဂါရပ်အသစ်များကိုမိတ်ဆက်ခဲ့သည်။ ၂၀၂၀ ခုနှစ်တွင်ဗားရှင်း ၂.၇ ဖြင့်ရပ်စဲခဲ့သည်။ Python 1991 ကို ၂၀၀၈ ခုနှစ်တွင်ထုတ်ဝေခဲ့သည်၊ လုံးဝနောက်ပြန်ကိုက်ညီမှုမရှိခြင်းနှင့် Python 2.0 ကုဒ်များစွာသည် Python 2000 တွင်ပြုပြင်မွမ်းမံခြင်းမလုပ်ပါ။ Python 2.7 ၏သက်တမ်းကုန်ဆုံးခြင်းနှင့် (၂၀၂၁ ခုနှစ်တွင် pip ကိုထောက်ပံ့မှုကျဆင်းခြင်း) Python 2020.x နှင့်နောက်ပိုင်းတွင်သာထောက်ပံ့သည်။ ဥပမာအားဖြင့် Windows 3.0 ကိုထောက်ပံ့ခြင်း (နှင့် 2008-bit ၀ င်းဒိုးကိုသာကန့်သတ်မထားသောထည့်သွင်းတပ်ဆင်သူများ)
Python စကားပြန်များကိုပင်မလည်ပတ်မှုစနစ်များအတွက်ပံ့ပိုးပေးပြီးအနည်းငယ်အတွက်ရရှိနိုင်သည် (ယခင်ကများစွာသောအားဖြင့်ထောက်ပံ့ထားသည်) ။ ကမ္ဘာလုံးဆိုင်ရာပရိုဂရမ်မာအသိုင်းအ ၀ ိုင်းသည်အခမဲ့နှင့်ပွင့်လင်းသောအရင်းအမြစ်ရည်ညွှန်းမှုအကောင်အထည်ဖော်မှုဖြစ်သော CPython ကိုတီထွင်။ ထိန်းသိမ်းသည်။ အကျိုးအမြတ်မယူသောအဖွဲ့အစည်းဖြစ်သော Python Software Foundation သည် Python နှင့် CPython ဖွံ့ဖြိုးရေးအတွက်အရင်းအမြစ်များကိုစီမံခန့်ခွဲသည်။
၂၀၂၁ ခုနှစ်ဇန်နဝါရီလတွင် Python သည် TIOBE ၏ C နှင့် Java နောက်တွင်လူကြိုက်အများဆုံးပရိုဂရမ်ဘာသာစကားများ၏အညွှန်းကိန်းတွင်တတိယနေရာတွင်ရပ်တည်ခဲ့ပြီး၊ ၂၀၂၀ တွင်လူကြိုက်အများဆုံးအမြတ်အတွက်ဒုတိယရရှိခဲ့သည်။ ၂၀၀၇၊ ၂၀၁၀ တွင် Programming of the Year ကိုရွေးချယ်ခဲ့သည်။ နှင့် 2021 ။
လက်တွေ့လေ့လာမှုတစ်ခုအရ Python ကဲ့သို့သော scripting languages များသည် C နှင့် Java ကဲ့သို့သမားရိုးကျဘာသာစကားများထက်ပိုမိုအကျိုးဖြစ်ထွန်းကြောင်း၊ အဘိဓာန်တွင်ရှာဖွေခြင်းနှင့်ရှာဖွေခြင်းနှင့်ပတ်သက်သောပရိုဂရမ်းမင်းပြproblemsနာများအတွက်မှတ်ဥာဏ်သုံးစွဲမှုသည်မကြာခဏ“ Java ထက်ပိုကောင်းပြီး၊ အများကြီးပိုဆိုး C သို့မဟုတ် C ++ "။ Python ကိုအသုံးပြုသောအဖွဲ့အစည်းကြီးများတွင် ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram တို့ပါဝင်သည်။
Python သည်၎င်း၏အတုထောက်လှမ်းရေး application များအပြင်၊ modular architecture၊ ရိုးရှင်းသော syntax နှင့်ကြွယ်ဝသော text processing tools များပါဝင်သော scripting language တစ်ခုအဖြစ်သဘာဝဘာသာစကားအပြောင်းအလဲအတွက်မကြာခဏအသုံးပြုသည်။
TensorFlow သည်အခမဲ့သင်ကြားရန်ဆော့ဖ်ဝဲစာကြည့်တိုက်ဖြစ်သည်။ ၎င်းသည်အမျိုးမျိုးသောအလုပ်များတွင်အသုံးပြုနိုင်သော်လည်းနက်ရှိုင်းသောအာရုံကြောကွန်ယက်များကိုလေ့ကျင့်ခြင်းနှင့်လေ့လာခြင်းအပေါ်အထူးအာရုံစိုက်နိုင်သည်။ ၎င်းသည် dataflow နှင့်ကွဲပြားခြားနားသောပရိုဂရမ်များပေါ်တွင်အခြေခံထားသောသင်္ကေတသင်္ချာစာကြည့်တိုက်ဖြစ်သည်။ ဒါဟာ Google မှာသုတေသနနှင့်ထုတ်လုပ်မှုနှစ်ခုလုံးအတွက်အသုံးပြုသည်။
၂၀၁၁ ခုနှစ်မှ စတင်၍ Google Brain သည်နက်ရှိုင်းသောသင်ယူမှုအာရုံကြောကွန်ယက်များပေါ်တွင်အခြေခံသည့်ကိုယ်ပိုင်လေ့လာသင်ယူသည့်စနစ်အနေဖြင့် DistBelief ကိုတည်ဆောက်ခဲ့သည်။ သုတေသနနှင့်ကူးသန်းရောင်းဝယ်ရေးအတွက်နှစ်မျိုးစလုံးတွင်အမျိုးမျိုးသော Alphabet ကုမ္ပဏီများတွင်၎င်းကိုအလျင်အမြန်အသုံးပြုခဲ့သည်။ Google သည် DistBelief ၏ codebase ကို TensorFlow ဖြစ်လာသည့်ပိုမိုမြန်ဆန်။ အားကောင်းသော application-grade စာကြည့်တိုက်ထဲသို့လွယ်ကူချောမွေ့စေရန် Jeff Dean အပါအ ၀ င်ကွန်ပျူတာသိပ္ပံပညာရှင်များကိုတာဝန်ပေးခဲ့သည်။ ၂၀၀၉ ခုနှစ်တွင် Geoffrey Hinton ဦး ဆောင်သည့်အဖွဲ့သည် backpropagation နှင့်အခြားတိုးတက်မှုများကိုအကောင်အထည်ဖော်ခဲ့ပြီး၊ အာရုံကြောကွန်ယက်ထုတ်လုပ်မှုကိုတိကျမှန်ကန်မှုပိုမိုမြင့်မားစေသည်။ ဥပမာမိန့်ခွန်းအသိအမှတ်ပြုမှုတွင် ၂၅% လျှော့ချနိုင်သည်။
TensorFlow သည် Google Brain ၏ဒုတိယမျိုးဆက်စနစ်ဖြစ်သည်။ Version 1.0.0 ကို ၂၀၁၇ ခုနှစ်၊ ဖေဖော်ဝါရီလ ၁၁ ရက်နေ့တွင်ထုတ်ပြန်ခဲ့သည်။ ရည်ညွှန်းမှုအကောင်အထည်ဖော်မှုသည်တစ်ခုတည်းသောစက်များပေါ်တွင်လည်ပတ်နေစဉ် TensorFlow သည် CPUs နှင့် GPUs များစွာတွင်အသုံးပြုနိုင်သည် (ဂရပ်ဖစ်အပြောင်းအလဲယူနစ်များတွင်ယေဘုယျရည်ရွယ်ချက်တွက်ချက်မှုအတွက် CUDA နှင့် SYCL တိုးချဲ့မှုများဖြင့်) ။ TensorFlow ကို 11-bit Linux, macOS, Windows နှင့် Android နှင့် iOS အပါအဝင် mobile computing platform များပေါ်တွင်ရရှိနိုင်သည်။ ၎င်း၏ပြောင်းလွယ်ပြင်လွယ်သောဗိသုကာသည်အမျိုးမျိုးသောပလက်ဖောင်းများ (CPUs, GPUs, TPUs) နှင့်စားပွဲတင်ကွန်ပျူတာများမှဆာဗာအစုအဝေးများသို့မိုဘိုင်းနှင့်အစွန်းစက်ပစ္စည်းများသို့လွယ်ကူစွာဖြန့်ကျက်နိုင်သည်။ TensorFlow တွက်ချက်မှုကိုအခြေအနေရှိ dataflow ဂရပ်များအဖြစ်ဖော်ပြသည်။ TensorFlow ဟူသောအမည်ကိုထိုကဲ့သို့သောအာရုံကြောကွန်ယက်များသည် multidimensional data arrays များပေါ်တွင်လုပ်ဆောင်သောစစ်ဆင်ရေးများမှဆင်းသက်လာသည်။ ၂၀၁၆ ခုနှစ်ဇွန်လတွင်ပြုလုပ်ခဲ့သော Google I/O ညီလာခံတွင်ဂျက်ဖ်ဒင်း (Jeff Dean) က GitHub ရှိ repositories ၁၅၀၀ သည် TensorFlow ကိုဖော်ပြခဲ့ပြီး ၅ ခုသာ Google မှဖြစ်သည်။ ၂၀၁၇ ခုနှစ်ဒီဇင်ဘာလတွင် Google, Cisco, RedHat, CoreOS နှင့် CaiCloud မှ developer များသည် Kubeflow ကိုကွန်ဖရင့်တွင်မိတ်ဆက်ခဲ့သည်။ Kubeflow သည် Kubernetes တွင် TensorFlow ကိုလည်ပတ်စေပြီးခွင့်ပြုသည်။ ၂၀၁၈ ခုနှစ်မတ်လတွင်ဂူဂဲလ်သည်စက်ပစ္စည်းများကိုလေ့လာရန် TensorFlow.js version 2017 ကိုကြေငြာခဲ့သည်။ 64 ဇန်နဝါရီလတွင် Google သည် TensorFlow 2016 ကိုကြေငြာခဲ့သည်။ ၎င်းကိုစက်တင်ဘာ ၁၉၉၉ တွင်တရားဝင်ရရှိခဲ့သည်။ မေလ ၂၀၁၉ တွင် Google သည်ကွန်ပျူတာဂရပ်ဖစ်အတွက်နက်ရှိုင်းစွာသင်ယူခြင်းအတွက် TensorFlow Graphics ကိုကြေငြာခဲ့သည်။
Keras သည်ပွင့်လင်းသောအရင်းအမြစ်ဆော့ဝဲလ်စာကြည့်တိုက်ဖြစ်သည်။ ၎င်းသည်တုပအာရုံကြောကွန်ယက်များအတွက် Python interface ကိုထောက်ပံ့ပေးသည်။ Keras ဟာ TensorFlow စာကြည့်တိုက်အတွက် interface တစ်ခုအဖြစ်ဆောင်ရွက်သည်။
Keras တွင်အလွှာများ၊ ရည်မှန်းချက်များ၊ activation လုပ်ဆောင်ချက်များ၊ optimizer နှင့်ပုံနှင့်စာသားဒေတာများနှင့်အလုပ်လုပ်သောနက်ရှိုင်းသောအာရုံကြောကွန်ယက်ကုဒ်ကိုရေးသားရန်လိုအပ်သောကုဒ်များကိုပိုမိုလွယ်ကူစေရန်အလို့ငှာအသုံးများသောအာရုံကြော - ကွန်ယက်တည်ဆောက်ခြင်းအများအပြား၏အကောင်အထည်ဖော်မှုများစွာပါရှိသည်။ ကုဒ်နံပါတ်ကို GitHub တွင်ထားရှိပြီး၊ လူထုထောက်ခံမှုဖိုရမ်များတွင် GitHub issues page နှင့် Slack channel တို့ပါဝင်သည်။
စံအာရုံကြောကွန်ယက်များအပြင်, Keras သည် convolutional နှင့်မှုများထပ်တလဲလဲအာရုံကြောကွန်ယက်များကိုထောက်ပံ့သည်။ ၎င်းသည်အခြားအသုံးများသော utility အလွှာများဖြစ်သော dropout, batch normalization and pooling စသည်။ Keras သည်အသုံးပြုသူများအားနက်ရှိုင်းသောမော်ဒယ်များကိုစမတ်ဖုန်းများ (iOS နှင့် Android)၊ ဝဘ်တွင်သို့မဟုတ် Java Virtual Machine ပေါ်တွင်ထုတ်လုပ်ရန်ခွင့်ပြုသည်။ ၎င်းသည် Graphics processing unit (GPU) နှင့် tensor processing unit (TPU) များအကြားနက်ရှိုင်းသောလေ့လာမှုပုံစံများကိုဖြန့်ဝေထားသောသင်တန်းများကိုအသုံးပြုခွင့်ပေးသည်။ Keras ကို Python (programming language) နှင့်၎င်း၏ကိုယ်ပိုင်အသုံးပြုရန်နှင့်တပ်ဆင်ရန်လွယ်ကူမှုကြောင့်သိပ္ပံဆိုင်ရာသုတေသနတွင်အသုံးပြုရန်အသုံးပြုခဲ့သည်။ Keras သည် KDnuggets 10 software poll တွင်ရည်ညွှန်းထားသော ၁၀ ခုမြောက်ကိရိယာဖြစ်ပြီး ၂၂% အသုံးပြုမှုကိုမှတ်ပုံတင်ခဲ့သည်။
အောင်လက်မှတ် သင်ရိုးညွှန်းတမ်းနှင့် အသေးစိတ် သိစေရန်အတွက် အောက်ပါဇယားကို ချဲ့ထွင်ပြီး ခွဲခြမ်းစိတ်ဖြာနိုင်ပါသည်။
Python၊ TensorFlow နှင့် Keras Certification Curriculum ဖြင့် EITC/AI/DPTFK Deep Learning သည် Harrison Kinsley ၏ ဗီဒီယိုဖောင်တစ်ခုတွင် အဖွင့်-ဝင်ရောက်ခွင့်ဆိုင်ရာ သင်ကြားရေးပစ္စည်းများကို ရည်ညွှန်းသည်။ သင်ယူမှု လုပ်ငန်းစဉ်ကို သက်ဆိုင်ရာ သင်ရိုးညွှန်းတမ်း အစိတ်အပိုင်းများ အကျုံးဝင်သော အဆင့်ဆင့်ဖွဲ့စည်းပုံ (ပရိုဂရမ်များ -> သင်ခန်းစာများ -> ခေါင်းစဉ်များ) ဖြင့် ပိုင်းခြားထားသည်။
ဒိုမိန်းကျွမ်းကျင်သူများနှင့်အကန့်အသတ်မရှိအကြံပေးမှုများလည်းရှိသည်။
Certification လုပ်ထုံးလုပ်နည်းအသေးစိတ်အတွက် စစ်ဆေးပါ။ ဘယ်လိုအလုပ်လုပ်လဲ.
သင်ရိုးညွှန်းတမ်းကိုးကားစရာအရင်းအမြစ်များ
Google TensorFlow
https://www.tensorflow.org/
Google TensorFlow သင်ယူမှုအရင်းအမြစ်များ
https://www.tensorflow.org/learn/
TensorFlow API မှတ်တမ်းများ
https://www.tensorflow.org/api_docs/
TensorFlow ပုံစံများနှင့်ဒေတာများ
https://www.tensorflow.org/resources/models-datasets/
TensorFlow ကွန်မြူနတီ
https://www.tensorflow.org/community/
TensorFlow နှင့် Google Cloud AI ပလက်ဖောင်းသင်တန်း
https://cloud.google.com/ai-platform/training/docs/tensorflow-2/
Python ကိုစာရွက်စာတမ်းများ
https://www.python.org/doc/
Python က download လုပ်တယ်
https://www.python.org/downloads/
Python for Beginners လမ်းညွှန်
https://www.python.org/about/gettingstarted/
Python Wiki Beginners လမ်းညွှန်
https://wiki.python.org/moin/BeginnersGuide
W3Schools Python စက်သင်ယူမှုကျူတိုရီရယ်
https://www.w3schools.com/python/python_ml_getting_started.asp
EITC/AI/DLPTFK Deep Learning with Python၊ TensorFlow နှင့် Keras ပရိုဂရမ်အတွက် အော့ဖ်လိုင်းကိုယ်ပိုင်သင်ယူခြင်းဆိုင်ရာ အပြည့်အစုံကို PDF ဖိုင်တွင် ဒေါင်းလုဒ်လုပ်ပါ။
EITC/AI/DLPTFK ကြိုတင်ပြင်ဆင်ပစ္စည်းများ - စံဗားရှင်း
EITC/AI/DLPTFK ကြိုတင်ပြင်ဆင်ပစ္စည်းများ - ပြန်လည်သုံးသပ်မေးခွန်းများဖြင့် တိုးချဲ့ဗားရှင်း