พื้นฐาน Deep Learning ร่วมกับ TensorFlow

Deep learning เป็นขุมพลังให้กับแอปพลิเคชันปัญญาประดิษฐ์ยุคใหม่ ครอบคลุมทั้งการประมวลผลภาพ (computer vision), การวิเคราะห์เชิงทำนาย (predictive analytics) และการเข้าใจภาษาธรรมชาติ (natural language understanding) การเชี่ยวชาญรากฐานของโครงข่ายประสาทเทียมจะช่วยให้คุณสามารถแก้ปัญหาข้อมูลที่ซับซ้อน ซึ่งอัลกอริทึมแบบดั้งเดิมยากที่จะจัดการได้ หลักสูตรการอ่านนี้ให้รากฐานแนวคิดที่ชัดเจน ตามด้วยการลงมือทำผ่านโค้ดจริงโดยใช้ TensorFlow และ Keras API ระดับสูง คุณจะได้สำรวจการทำงานของสถาปัตยกรรมประสาทเทียมอย่างเบื้องลึก การเตรียมข้อมูลนำเข้า การกำหนดรูปแบบการทำงานของโมเดล (model pipelines) และการตีความตัววัดผลการฝึกฝนอย่างมั่นใจ สิ่งที่คุณจะได้เรียนรู้: - เข้าใจคำศัพท์พื้นฐานของ deep learning, เซลล์ประสาทเทียม (artificial neurons), ฟังก์ชันกระตุ้น (activation functions) และสถาปัตยกรรมของชั้นข้อมูล (layer architectures) - สร้างและคอมไพล์ feedforward neural networks สำหรับงานการถดถอย (regression) และการจำแนกประเภท (classification) บนข้อมูลแบบตาราง - ประยุกต์ใช้ loss functions, ตัววัดการประเมินผล (evaluation metrics) และอัลกอริทึมการปรับปรุงค่า (optimization algorithms) ที่เหมาะสมเพื่อชี้นำการฝึกฝน - แนวทางการฝึกฝนโมเดลสมัยใหม่ เช่น การแบ่งข้อมูล validation, การทำ regularization และการใช้ early stopping callbacks - บันทึก โหลด และรันการทำ inference บนโมเดลโครงข่ายประสาทเทียมที่ฝึกฝนแล้ว - ตรวจสอบประสิทธิภาพของโมเดลและวินิจฉัยปัญหาต่างๆ เช่น overfitting และ underfitting เนื้อหาการอ่านจะเริ่มต้นด้วยทฤษฎีที่จำเป็นและคำศัพท์พื้นฐาน ก่อนที่จะนำคุณไปสู่บทเรียนการเขียนแบบเป็นโครงสร้างและการลงมือทำผ่านโค้ดที่สะอาด หลักสูตรนี้ออกแบบมาสำหรับผู้ที่มุ่งสู่การเป็นนักปฏิบัติการด้านข้อมูลและโปรแกรมเมอร์ที่ยังใหม่กับ deep learning โดยต้องการเพียงความรู้พื้นฐานเกี่ยวกับ Python เท่านั้น เริ่มอ่านเพื่อสร้างพื้นฐานที่แข็งแกร่งใน deep learning ร่วมกับ TensorFlow