รากฐานของ AI และโครงข่ายประสาทเทียมใน Python

ปัญญาประดิษฐ์ (Artificial intelligence) กำลังเปลี่ยนแปลงทุกอุตสาหกรรม แต่การทำความเข้าใจว่าระบบเหล่านี้เรียนรู้ได้อย่างไรอาจรู้สึกท่วมท้น หลักสูตรนี้จะไขความลับกลไกหลักของโครงข่ายประสาทเทียม โดยนำคุณจากแรงบันดาลใจทางชีววิทยาไปสู่สถาปัตยกรรม Deep Learning สมัยใหม่ คุณจะเปลี่ยนจากผู้เริ่มต้นที่อยากรู้อยากเห็นไปสู่ผู้ปฏิบัติงานที่มีความมั่นใจ สามารถออกแบบ ฝึกฝน และประเมินโครงข่ายประสาทเทียมได้ คุณจะเข้าใจรากฐานทางคณิตศาสตร์ของ gradient descent ทำงานกับไลบรารี Python มาตรฐานอุตสาหกรรม และเขียนโค้ดที่มีโครงสร้างที่สะอาดสำหรับงาน Machine Learning สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจแนวคิดพื้นฐานของปัญญาประดิษฐ์ สถาปัตยกรรมโครงข่ายประสาทเทียม และคำศัพท์สำคัญของ Machine Learning - อธิบายกลไกของ perceptrons, activation functions, forward propagation และ loss functions - ประยุกต์ใช้ backpropagation และ gradient descent optimization เพื่อฝึกฝนโครงข่ายประสาทเทียมอย่างมีประสิทธิภาพ - สร้างและประเมินโมเดลการจัดประเภท (classification models) โดยใช้ TensorFlow และ Keras ใน Jupyter Notebook - เตรียมชุดข้อมูลอย่างมีประสิทธิภาพโดยใช้หลักปฏิบัติและไลบรารีการจัดการข้อมูล Python สมัยใหม่ - สำรวจกระบวนทัศน์ AI สมัยใหม่ รวมถึง vector embeddings และแนวคิดพื้นฐานเบื้องหลัง transformer models หลักสูตรเริ่มต้นด้วยแนวคิด AI พื้นฐานและแรงบันดาลใจทางชีววิทยาก่อนที่จะก้าวไปทีละขั้นตอนผ่านการปรับให้เหมาะสมทางคณิตศาสตร์ (mathematical optimization) การฝึกฝนโครงข่ายประสาทเทียม และการนำโมเดลไปใช้จริง คุณจะได้อ่านคำอธิบายที่ชัดเจน วิเคราะห์ตัวอย่างโค้ดที่มีโครงสร้าง และศึกษาเวิร์กโฟลว์ Machine Learning ในโลกแห่งความเป็นจริง หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นที่มีความรู้พื้นฐานด้าน Python ที่ต้องการเข้าสู่สาขาปัญญาประดิษฐ์ ไม่จำเป็นต้องมีประสบการณ์ด้าน Machine Learning หรือคณิตศาสตร์ขั้นสูงมาก่อน เริ่มอ่านวันนี้เพื่อสร้างรากฐานของคุณในปัญญาประดิษฐ์และ Deep Learning