Cập nhật chứng chỉ nhà phát triển TensorFlow

Chúng tôi đã triển khai chương trình thi Chứng chỉ Nhà phát triển TensorFlow gần bốn năm trước. Hơn 11.000 người đã vượt qua kỳ thi và kết quả là nhiều người đã nhận thấy tác động tích cực, bao gồm cả việc nhận được việc làm với tư cách là nhà phát triển ML.

Trong khi đánh giá bước tiếp theo trong chương trình chứng chỉ của mình, chúng tôi sẽ kết thúc kỳ thi Chứng chỉ TensorFlow.

Ngày cuối cùng để đăng ký tham gia kỳ thi là ngày 30 tháng 4 năm 2024 và ngày cuối cùng để tham gia kỳ thi là ngày 31 tháng 5 năm 2024. Sau khi bạn vượt qua kỳ thi, thông tin đăng nhập của bạn sẽ có hiệu lực trong 3 năm.

Tổng quan về chương trình Chứng chỉ Nhà phát triển TensorFlow

thi | 100 USD

Mục tiêu của chứng chỉ này là mang đến cho mọi người trên thế giới cơ hội thể hiện chuyên môn của họ về ML trong thị trường việc làm toàn cầu ngày càng được thúc đẩy bởi AI. Chứng chỉ phát triển TensorFlow này nhằm mục đích là chứng chỉ nền tảng cho sinh viên, nhà phát triển và nhà khoa học dữ liệu muốn thể hiện các kỹ năng học máy thực tế thông qua việc xây dựng và đào tạo các mô hình bằng TensorFlow.

Chương trình bao gồm một bài kiểm tra đánh giá được phát triển bởi nhóm TensorFlow. Các nhà phát triển vượt qua bài kiểm tra có thể tham gia Mạng chứng chỉ của chúng tôi và hiển thị chứng chỉ cũng như huy hiệu của họ trên sơ yếu lý lịch, GitHub và các nền tảng truyền thông xã hội bao gồm LinkedIn, giúp họ dễ dàng chia sẻ trình độ chuyên môn về TensorFlow của mình với thế giới.

Hãy chú ý theo dõi vì chúng tôi đang nỗ lực bổ sung các chương trình chứng chỉ dành cho những người thực hành TensorFlow chuyên sâu và nâng cao hơn. Kiểm tra lại sớm để biết thêm thông tin.

Trước khi làm bài kiểm tra, vui lòng xem lại Sổ tay thí sinh của chúng tôi .

Chứng chỉ TensorFlow dành cho ai?

Kỳ thi chứng chỉ cấp một này kiểm tra kiến ​​thức nền tảng của nhà phát triển về việc tích hợp máy học vào các công cụ và ứng dụng. Chương trình chứng chỉ yêu cầu hiểu biết về cách xây dựng các mô hình TensorFlow bằng cách sử dụng Thị giác máy tính, Mạng thần kinh tích chập, Xử lý ngôn ngữ tự nhiên cũng như các chiến lược và dữ liệu hình ảnh trong thế giới thực.

Để làm bài thi thành công, thí sinh phải cảm thấy thoải mái với:

  • Các nguyên tắc cơ bản của ML và Deep Learning

  • Xây dựng mô hình ML trong TensorFlow 2.x

  • Xây dựng thuật toán nhận dạng hình ảnh, phát hiện đối tượng, nhận dạng văn bản với mạng nơ-ron sâu và mạng nơ-ron tích chập

  • Sử dụng hình ảnh trong thế giới thực với nhiều hình dạng và kích thước khác nhau để trực quan hóa hành trình của hình ảnh thông qua các vòng xoắn nhằm hiểu cách máy tính “nhìn thấy” thông tin, độ mất cốt truyện và độ chính xác

  • Khám phá các chiến lược để ngăn chặn việc trang bị quá mức, bao gồm cả tăng cường và bỏ học

  • Ứng dụng mạng nơ-ron giải quyết các bài toán xử lý ngôn ngữ tự nhiên bằng TensorFlow

Những lợi ích
  • Tìm hiểu cái gì mới. Nâng cao trình độ học máy của bạn và kiểm tra khả năng của bạn bằng bài kiểm tra đánh giá TensorFlow.

  • Nhận được sự công nhận của cộng đồng. Được những người khác trong cộng đồng TensorFlow toàn cầu công nhận.

  • Thể hiện kỹ năng của bạn. Chia sẻ chứng chỉ của bạn trên sơ yếu lý lịch và các nền tảng mạng xã hội như LinkedIn để được công nhận là ứng cử viên hàng đầu cho các nhà tuyển dụng đang tìm kiếm nhà phát triển TensorFlow cấp đầu vào.

  • Tìm nhân tài TensorFlow. Xem ai là chủ sở hữu chứng chỉ trong Mạng chứng chỉ của chúng tôi và tìm trợ giúp cho các tác vụ học máy của bạn.

Trợ cấp giáo dục TensorFlow

Chúng tôi tin tưởng mạnh mẽ vào việc mở rộng khả năng tiếp cận cho những người có nền tảng, kinh nghiệm, địa lý và quan điểm đa dạng để thay đổi cách phát triển của máy học và các ứng dụng của nó. Chúng tôi rất vui được cung cấp một số khoản trợ cấp có giới hạn cho tài liệu giáo dục và/hoặc chi phí thi để đạt được điều này. Ngày cuối cùng để nộp đơn xin trợ cấp là ngày 1 tháng 3 năm 2024.

Khám phá Mạng chứng chỉ của chúng tôi

Tìm những người sở hữu Chứng chỉ TensorFlow đã vượt qua bài kiểm tra để giúp bạn thực hiện các nhiệm vụ học máy và học sâu.