Google is committed to advancing racial equity for Black communities. See how.
Questa pagina è stata tradotta dall'API Cloud Translation.
Switch to English
Distinguiti con il certificato per sviluppatori TensorFlow

Dimostra la tua competenza nell'uso di TensorFlow per risolvere problemi di deep learning e ML. Fatti riconoscere per le tue capacità e unisciti alla nostra rete di certificati .

Panoramica del programma Certificato per sviluppatori TensorFlow

Esame | $ 100 USD

L'obiettivo di questo certificato è fornire a tutti nel mondo l'opportunità di mostrare la propria esperienza nel ML in un mercato del lavoro globale sempre più guidato dall'IA. Questo certificato nello sviluppo di TensorFlow è inteso come un certificato fondamentale per studenti, sviluppatori e data scientist che desiderano dimostrare abilità pratiche di apprendimento automatico attraverso la creazione e l'addestramento di modelli utilizzando TensorFlow.

Il programma consiste in un esame di valutazione sviluppato dal team di TensorFlow. Gli sviluppatori che superano l'esame possono aderire alla nostra rete di certificati e visualizzare il loro certificato e badge sul loro curriculum, su GitHub e sulle piattaforme di social media, incluso LinkedIn, semplificando la condivisione del loro livello di esperienza in TensorFlow con il mondo.

Resta sintonizzato mentre stiamo lavorando per aggiungere programmi di certificazione per professionisti TensorFlow più avanzati e specializzati. Torna presto per ulteriori informazioni.

Prima di sostenere l'esame, consulta il nostro Manuale del candidato .

A chi è rivolto il certificato TensorFlow?

Questo esame di certificazione di livello uno verifica le conoscenze fondamentali degli sviluppatori sull'integrazione dell'apprendimento automatico in strumenti e applicazioni. Il programma di certificazione richiede una comprensione della creazione di modelli TensorFlow utilizzando la visione artificiale, le reti neurali convoluzionali, l'elaborazione del linguaggio naturale e dati e strategie di immagini del mondo reale.

Per sostenere con successo l'esame, i partecipanti al test dovrebbero essere a proprio agio con:

  • Principi fondamentali di ML e Deep Learning

  • Creazione di modelli ML in TensorFlow 2.x

  • Creazione di riconoscimento di immagini, rilevamento di oggetti, algoritmi di riconoscimento del testo con reti neurali profonde e reti neurali convoluzionali

  • Utilizzo di immagini del mondo reale in diverse forme e dimensioni per visualizzare il viaggio di un'immagine attraverso le convoluzioni per capire come un computer "vede" le informazioni, perdita di trama e accuratezza

  • Esplorare strategie per prevenire l'overfitting, inclusi l'aumento e gli abbandoni

  • Applicazione di reti neurali per risolvere i problemi di elaborazione del linguaggio naturale utilizzando TensorFlow

Benefici
  • Impara qualcosa di nuovo. Aumenta la tua competenza nell'apprendimento automatico e metti alla prova le tue capacità con l'esame di valutazione TensorFlow.

  • Ricevi il riconoscimento della comunità. Fatti riconoscere dagli altri nella community globale di TensorFlow.

  • Mostra le tue abilità. Condividi il tuo certificato sul tuo curriculum e sulle piattaforme di social network come LinkedIn per essere riconosciuto come uno dei migliori candidati per i reclutatori che cercano sviluppatori TensorFlow di livello base.

  • Trova il talento TensorFlow. Scopri chi è il titolare di un certificato nella nostra rete di certificati e trova aiuto per le tue attività di machine learning.

TensorFlow Education Stipend

Crediamo fortemente nell'ampliare l'accesso a persone di background, esperienze, aree geografiche e prospettive diverse per trasformare il modo in cui si evolvono l'apprendimento automatico e le sue applicazioni. Siamo entusiasti di offrire un numero limitato di stipendi per il materiale didattico e / o il costo dell'esame per raggiungere questo obiettivo.

Esplora la nostra rete di certificati

Trova i titolari di certificati TensorFlow che hanno superato l'esame per aiutarti con le tue attività di machine learning e deep learning.

Come funziona