为了更好地帮助开发者解决应用 TensorFlow 时遇到的问题，提供更丰富的技术指引、应用灵感，TensorFlow 公众号上线了“码上作答”专栏，每个月针对开发者集中关心的问题，邀请各行各业、具有丰富 TensorFlow 经验的资深专家分享经验和心得，同时接受大家的提问，为各位开发者答疑解惑。
有请“码上作答”第二期嘉宾
段清华
“大家好，作为国内首个“吃螃蟹”的开发者，我很荣幸能第一时间参与TensorFlow 开发者认证计划，并在今年3月获得了证书。这次有机会和大家深入交流，我将毫无保留地分享关于 TensorFlow 开发者认证的经验、对深度学习框架的进阶心得，帮助各位顺利闯关。
欢迎大家在阅读后向我提问，我将在“码上作答”第二期的下篇为大家解答，记得持续关注！（提问方式请见文末）”
4年使用经验：
从 TensorFlow 0.X ~ TensoFlow 2.2
最早我开始使用 TensorFlow 始于 年，当时已经开始围绕对话机器人、金融等领域等应用，并有相关的开源项目和专利等。最早从 TensorFlow 0.x ~ 1.x 版本开始使用 TensorFlow ，主要目的是工程实践落地，后来在应用中使用 Keras / TensorFlow 2.x 更多。
在早期的 TensorFlow 1.x 时代，它一直是各种学术界研究和工业界落地的首选框架，不过在不断的发展过程中，也暴露出了一些学习成本较高、使用复杂等缺点。
直到 TensorFlow 2.x ，尤其是 2.2 版本的发布，随着动态图的应用，以及 2.2 版本引入的 train_step 等便利方法，配合 AutoKeras 、TFX 等正在不断发展的工具，一方面大部分早期遗留的 TensorFlow / Keras 问题都得到解决，另一方面也紧追最新的学术研究与工程落地，在易用性、效率、通用性等各个角度都达到了一个新的高度。
关于 TensorFlow 2.2 版本具体有哪些优点，我在这里就不赘述了，大家可以查看 码上作答第一期（上）| 10 个学好 TensorFlow 2.2 的理由 进行复习。从 TensorFlow 0.X ~ TensoFlow 2.2 的 4 年经验积累，为我后来获得认证打下良好基础。
<< 左滑看 TensorFlow 发展史
为什么第一时间
通过了 TensorFlow 开发者认证？
01
对企业来说，是 AI 人才筛选的重要手段
当前的互联网科技环境，对人工智能 (AI) 人才的需求一直在提高，不仅仅是量，也需要质的提高。企业招聘难题之一是如何快速地确认应聘者的水平，而在人工智能领域尤其如此。
作为创业公司的技术负责人，我期待有方法能快速筛选人才。听说 TensorFlow 推出开发者认证之后，我感到非常好奇。从经验判断，对 TensorFlow 水平的评估，基本上可以说是对于机器学习或人工智能水平的重要参考。即便之前使用其他机器学习框架，但是从市场工作、使用份额等角度来说，很少有开发者不熟悉 TensorFlow 的使用。
因此我第一时间参与了 TensorFlow 的认证考试。从实际体验来看，这个认证考试确实可以起到人才筛选的作用，可以帮助企业进行 AI 人才的快速筛选和候选人定位。
02
对开发者来说，是展示自身能力、
获得职场加分的重要渠道
经历了 5 个小时的鏖战，我的认证考试就结束了。24 小时以内会给出考试结果，我很快就收到了通过考试的正式邮件通知，14 天内获得了 TensorFlow 开发者认证证书，也因此成为了中国大陆地区第一个收获这项证书的开发者。
据我所知，TensorFlow 不仅提供了认证考试，还搭建了认证网络，目的是连接企业和开发者，把全球范围内通过认证考试的开发者加入人才库，在官方页面展示，企业可以按照地区进行人才检索。此外，通过认证的开发者还可以在个人简历、GitHub 、社交媒体（领英）上展示这项证书。
我相信随着谷歌的大力推进，这项认证会逐渐成为职业道路上的必要选择之一，会有越来越多的开发者通过这项认证向企业展现自己的机器学习技能。人工智能和机器学习领域的大神——吴恩达老师也在社交媒体上推荐了这项认证。
想要了解 TensorFlow 开发者认证证书， 建议可以观看B站视频《TensorFlow DevSummit 主题演讲》（ 26 分 21 秒开始）。也可以上 TensorFlow 官网认证计划页面（点击文末“阅读原文”），提前了解考试介绍和考前准备事项。
接下来，我就针对评估考试本身，分享个人经验，希望能给各位开发者提供实际参考。
01
备考前：如何扎实打稳学习基础
很多深度学习的初学者不知道应该如何学习，从哪开始学习，我认为应该从三个角度着手：理论知识、工程代码经验、最新研究成果。
理论知识：
以各种入门书籍、视频为主， TensorFlow 的初级入门代码与跑通一些简单的项目与例子为辅。通过各种书籍与视频积累基本的理论知识，建议可以参考 TensorFlow 官方列出的精选课程、书籍（官方精选学习资源），也可以从周志华老师的《机器学习》开始读。另外我认为，即便从中文教材开始读，也要在积累一定经验后，阅读英文相关资源。
???? /resources/learn-ml
工程代码经验：
首先，建议多看 TensorFlow 相关的入门代码教程，或者将例如OpenNMT-tf这样项目的示例代码跑通，不仅能积累一些实操经验，也有助于保持对深度学习的热情。
工程代码的经验要以参考其他项目代码为主，例如OpenNMT-tf或 TensorFlow 各种官方模型，包括 TensorFlow Hub、Model Garden的实现代码，从别人的模型实践中学习经验，同时尽可能地从头开始完整复现一些经典模型，例如VGG/ResNet/BERT等，而不仅仅是要求自己跑通别人的项目。甚至，尝试将一些模型代码与实际工作结合，制作一些具体的项目或应用，例如配合 TensorFlow.js 实现一些简单的网页应用。
在浏览器和 Node.js 中训练和运营模型，可以观看B站视频 《TensorFlow.js: 不止于网页端的机器学习探索》学习。
TensorFlow Hub:
????https://tfhub.dev/
Model Garden:
????/tensorflow/models/tree/master/official
[中字] TensorFlow.js: 不止于网页端的机器学习探索 - TF Dev Summit '20：
????/video/BV1uf4y1m7B8
最新研究成果：
机器学习的相关开发者，无论是倾向于研究还是工程落地，都需要对于最新的各种研究成果保持敏锐直觉。这个时候可以通过订阅 GitHub 中感兴趣的项目/开发者/ Topic ，也需要订阅如 arXiv 的关键字，经常获取关注领域的最新进展。对于自己感兴趣的研究结果，应考虑尝试复现，在这个过程中积累工程与研究经验。
可以进入 TensorFlow Github 页面搜索感兴趣的内容 ，也可以多阅读和收藏 TensorFlow 官方微信的前沿研究合集。
在学习的过程中，需要充分利用自己的业余时间，在互联网与科技行业，技术不断发展，前、5年前用到的技术和今天都有巨大区别，人工智能相关行业发展则更快。在这种情况下，需要不断学习进阶，才能紧跟行业的发展。对于在职人员，不仅要充分利用业余时间学习，同时可以考虑加入 TFUG ，多参加 TensorFlow 官方或社区组织的活动，接触更多志同道合的人，共同进步。
TFUG 活动
掌握了以上入门技巧后，已经可以逐步上手，进行实际的项目落地。在实际落地过程中，需要积累的经验包括：
能从零开始复现各种研究论文；
知道根据不同的业务需求，对模型或代码需要做哪些修改工作；
熟练知道模型调优的相关技巧，例如使用 AutoKeras 这样的工具，或者不使用类似工具分别如何进行，各自的优劣；
知道如何在不同平台进行部署的方法，知道 TFX / TensorFlow.js / TFLite 的使用场景和利弊；
知道如何使用 GPU /多 GPU / TPU /多主机训练模型；
知道如何使用 Google Cloud / Azure / AWS 等云工具训练与使用模型。
TensorFlow Extended ( TFX )：面向生产环境的机器学习
TensorFlow Lite ，干货合集！
TensorFlow.js，干货合集！
02
考试准备：从手册中抓重点
当已经有足够的知识和实践储备以后，就进入了下一阶段——考试准备。TensorFlow 认证中提供的 《TensorFlow 开发者认证候选人手册 (Handbook)》是首先要看的。它指出了考试的重点方向，其中的 Skills checklist ，列出了考试中可能遇到的问题，换个角度说，这些问题也是一个机器学习开发者必须掌握的技能。
从应用的角度来说，手册中也列出了主要的技能：使用 TensorFlow 2.x 构建和训练神经网络模型，图像分类，自然语言处理 （ NLP ），时间序列、序列和预测。后面三个应用是工作中经常会遇到的主要问题，事实上大部分工作中遇到需要机器学习处理的模型，都可以一定程度上转换为这些模型之一的变种。
如果准备参加这项考试，应该以手册列出的内容为索引，先检视自己是不是能完成这些任务。发现哪里有欠缺，可以有针对性地去阅览其他补充资源，例如去 TensorFlow 官方提供的学习频道中，寻找相关的文档、参考书籍、在线课程等，其中就包括吴恩达老师推荐的《TensorFlow in Practice 专项课程》，还有官方公众号的《简单粗暴 TensorFlow 2.0 系列》。
《TensorFlow 开发者认证候选人手册》:
????/site-assets/downloads/marketing/cert/TF_Certificate_Candidate_Handbook_zh-cn.pdf
03
考试过程：把控时间、善用资源
到了正式参加考试，需要报名、认证个人信息，并在 Pycharm 环境下进行。考试使用在线形式，时间不超过 5 个小时，还可以使用平时的资源。所有细节都在手册里面进行提醒，我就不在这里详细展开，我就为大家分享考试过程中的一些心得：
考试时间相对较长，确保自己确实有足够时间，也确保自己的网络尽可能稳定；
考试有5 道题，可以大概都先看一下，组织一个基本思路；
一个题目不要纠结太久，毕竟后续有其他的题目而时间有限；
结果有在线测试的打分，但是在做题过程中不要过于纠结满分，如果 5 道题都完成了，后续有时间可以再调试；
根据手册的介绍，考试本质也是和其他工作中的开发一样，搜寻其他参考也是很重要的；
不仅仅是模型实现，也要认真考虑 TensorFlow 2 其他部分的学习，例如高效的数据输入/预测。
需要注意的是，TensorFlow 规定第一次没通过考试需要等 14 天才能再次报名，连续两次没通过则需要等两个月，而连续三次没通过要等一年才能再次测试。
按地区检索通过认证的 AI 开发者
官网显示，目前中国大陆只有 10 名开发者成功通过认证，这说明你也有机会成为国内第一批“持证”的开发者！赶快掌握 TensorFlow 技能、通过官方认证，让这项高含金量的技能真正成为你的职场加分项吧！
关于考证，还有其他问题？
在“码上作答”第二期推文文末留言提出你的疑问（截止至7月25日周六下午5点前），官方将筛选问题，并在7月31日下周五“码上作答”第二期的下集为大家作出解答。
期待大家的踊跃提问，也祝愿各位能成为首批获得 TensorFlow 官方认证的 AI 人才！
学习、考证、职场进阶，
TensorFlow 助你一步到位！
想要自信地展示在机器学习方面的能力，扎实打好学习基础必不可少。在 TensorFlow 官方公众号回复 “TF2” 领取 “TensorFlow 2.X 学习大礼包”，即可轻松掌握这一深度学习框架的实战技能！
持续关注“码上作答”精彩内容，一起向着高阶 AI 人才更进一步吧！
