พื้นฐาน Deep Learning ที่จำเป็น

คุณกำลังสนใจในพลังของปัญญาประดิษฐ์และวิธีที่เครื่องจักรเรียนรู้จากข้อมูลอยู่ใช่ไหม? คอร์สเรียนนี้จะมอบบทนำในรูปแบบข้อความที่ชัดเจนเกี่ยวกับแนวคิดพื้นฐานและสถาปัตยกรรมต่างๆ ที่ขับเคลื่อน AI สมัยใหม่ เมื่อจบคอร์สนี้ คุณจะมีความเข้าใจอย่างถ่องแท้เกี่ยวกับหลักการสำคัญของ Deep Learning ซึ่งจะช่วยให้คุณเข้าใจการทำงานของโครงข่ายประสาทเทียมและสามารถประยุกต์ใช้โมเดลพื้นฐานกับข้อมูลประเภทต่างๆ ได้ สิ่งที่คุณจะได้เรียนรู้: * เรียนรู้หลักการพื้นฐานของโครงข่ายประสาทเทียมและ Deep Learning * เข้าใจสถาปัตยกรรมและกระบวนการเทรนของ Multi-Layer Perceptrons (MLPs) * ประยุกต์ใช้ Convolutional Neural Networks (CNNs) สำหรับงานที่เกี่ยวข้องกับข้อมูลรูปภาพ * สำรวจ Recurrent Neural Networks (RNNs) และการใช้งานกับข้อมูลเชิงลำดับ (Sequential data) * ทำความเข้าใจแนวคิดหลักที่อยู่เบื้องหลังสถาปัตยกรรม Transformer สมัยใหม่ * เข้าใจพื้นฐานของการเรียนรู้แบบส่งผ่าน (Transfer learning) และการปรับแต่งโมเดลที่ผ่านการเทรนมาแล้ว (Fine-tuning pre-trained models) * ฝึกฝนการสร้างและเรียนรู้แนวคิดการเทรนโมเดล Deep Learning รูปแบบต่างๆ ผ่านแบบฝึกหัดการเขียน คอร์สนี้เริ่มต้นด้วยการสำรวจองค์ประกอบพื้นฐานของโครงข่ายประสาทเทียม จากนั้นจะค่อยๆ แนะนำสถาปัตยกรรมประเภทต่างๆ และปิดท้ายด้วยภาพรวมของแนวคิดโมเดลสมัยใหม่ รวมถึงข้อควรพิจารณาในการใช้งานจริง คอร์สนี้ออกแบบมาสำหรับผู้เริ่มต้นอย่างแท้จริงโดยไม่จำเป็นต้องมีประสบการณ์มาก่อนในด้าน Deep Learning, คณิตศาสตร์ชั้นสูง หรือการเขียนโปรแกรม คำอธิบายทั้งหมดจัดทำให้อยู่ในรูปแบบข้อความที่อ่านเข้าใจง่าย เริ่มต้นการเดินทางสู่โลกอันน่าตื่นเต้นของ Deep Learning ได้แล้ววันนี้