텐서플로우 자격증 - 시험에 대해 알아보자

Tenserflow Certificate

구글에서 인증하는 텐서플로우 자격증이다. 해당 자격 시험은 약 5시간 동안 기초 선형 회귀, 이미지 분류, 텍스트 분류, 시계열 분류 등 다섯 종류의 모델을 구현하면 되는 평가이다.

가이드라인 확인하기

스킬 체크리스트

❏ Use TensorFlow 2.x.

TensorFlow 2.x를 사용하십시오.

❏ Build, compile and train machine learning (ML) models using TensorFlow.

TensorFlow를 사용하여 기계 학습 (ML) 모델을 빌드, 컴파일 및 교육하십시오.

❏ Preprocess data to get it ready for use in a model.

모델에서 사용할 수 있도록 데이터를 사전 처리합니다.

❏ Use models to predict results.

모델을 사용하여 결과를 예측하십시오.

❏ Build sequential models with multiple layers.

여러 레이어로 순차적 모델을 구축하십시오.

❏ Build and train models for binary classification.

이진 분류를위한 모델을 구축하고 훈련시킵니다.

❏ Build and train models for multi-class categorization.

다중 등급 분류를위한 모델을 구축하고 훈련시킵니다.

❏ Plot loss and accuracy of a trained model.

훈련 된 모델의 플롯 손실 및 정확도.

❏ Identify strategies to prevent overfitting, including augmentation and dropout.

확대 및 제거를 포함하여 과적 합을 방지하기위한 전략을 식별합니다.

❏ Use pretrained models (transfer learning).

사전 훈련 된 모델을 사용하십시오 (전송 학습).

❏ Extract features from pre-trained models.

사전 훈련 된 모델에서 형상을 추출합니다.

❏ Ensure that inputs to a model are in the correct shape.

모델 입력이 올바른 모양인지 확인하십시오.

❏ Ensure that you can match test data to the input shape of a neural network.

테스트 데이터를 신경망의 입력 형태와 일치시킬 수 있는지 확인하십시오.

❏ Ensure you can match output data of a neural network to specified input shape for test data.

신경망의 출력 데이터를 테스트 데이터의 지정된 입력 형태와 일치시킬 수 있는지 확인하십시오.

❏ Understand batch loading of data.

데이터의 배치 로딩을 이해합니다.

❏ Use callbacks to trigger the end of training cycles.

콜백을 사용하여 훈련주기 종료를 트리거합니다.

❏ Use datasets from different sources.

다른 소스의 데이터 세트를 사용하십시오.

❏ Use datasets in different formats, including json and csv.

json 및 csv를 포함한 다른 형식의 데이터 세트를 사용하십시오.

❏ Use datasets from tf.data.datasets.

tf.data.datasets의 데이터 세트를 사용하십시오.

Image Classification | 이미지 분류

You need to understand how to build image recognition and object detection models with deep neural networks and convolutional neural networks using TensorFlow 2.x. You need to know how to

❏ Define Convolutional neural networks with Conv2D and pooling layers.

❏ Build and train models to process real-world image datasets.

❏ Understand how to use convolutions to improve your neural network.

❏ Use real-world images in different shapes and sizes..

❏ Use image augmentation to prevent overfitting.

❏ Use ImageDataGenerator.

❏ Understand how ImageDataGenerator labels images based on the directory structure.

Natural Language Processing (NLP) | 자연어 처

You need to understand how to use neural networks to solve natural language processing problems using TensorFlow. You need to know how to:

❏ Build natural language processing systems using TensorFlow.

❏ Prepare text to use in TensorFlow models.

❏ Build models that identify the category of a piece of text using binary categorization

❏ Build models that identify the category of a piece of text using multi-class categorization

❏ Use word embeddings in your TensorFlow model.

❏ Use LSTMs in your model to classify text for either binary or multi-class categorization.

❏ Add RNN and GRU layers to your model.

❏ Use RNNS, LSTMs, GRUs and CNNs in models that work with text.

❏ Train LSTMs on existing text to generate text (such as songs and poetry)

Time series, sequences and predictions | 타임시리즈 및 시퀀스 데이터 예측

You need to understand how to solve time series and forecasting problems in TensorFlow.You need to know how to:

❏ Train, tune and use time series, sequence and prediction models.

❏ Prepare data for time series learning.

❏ Understand Mean Average Error (MAE) and how it can be used to evaluate accuracy of sequence models.

❏ Use RNNs and CNNs for time series, sequence and forecasting models.

❏ Identify when to use trailing versus centred windows. TensorFlow Certificate Candidate Handbook 3

❏ Use TensorFlow for forecasting.

❏ Prepare features and labels.

❏ Identify and compensate for sequence bias.

❏ Adjust the learning rate dynamically in time series, sequence and prediction models.

시험보기 링크

시험 정보

• 시험료 : $100

• 시험시간 : 5시간 온라인

• 결과는 24시간 이내 확인 가능

• 시험 범위가 정해져 있다. 구글에서 만든 강의도 있다.

• 강의는 꼭 듣는 것을 추천한다.

• 커트라인은 90점

• 시험 강의 링크 : 코세라

  • 해당 강의는 구글 브레인의 Laurence Moroney가 진행되고 있다. 주로 강의 내용은 텐서 플로우 기초 사용법, 이미지 분류, 자연어 처리, 시계열 분석에 맞춰서 실제 텐서플로우 코드로 스텝 바이 스텝 구현으로 맞춰져 있다. 이론 부분은 엔드류 응 교수님 강의를 들어보라고 하고 스킵 하며, tensorflow 2.0으로 모델을 구현하는 것이 주된 내용이다.
  • 강의 자체는 그다지 길지 않고, 텐서플로우를 이용한 모델 구현을 아주 자세히 설명해준다. 텐서플로우 2.0을 익히고 싶으시거나, 머신러닝에 처음 입문하시는 분들에게도 꽤나 유익할 것 같다. 시험은 이 강의에서 다룬 내용의 범위를 벗어나지 않으며, 해당 강의를 충실히 들었다면 쉽게 통과하실 수 있다.