ข้อมูลสินค้า
ขนาดหนังสือ
17 x 22.86 ซม.
ตัวอย่างหนังสือ
Download https://serazu.com/web/download/link-file?id=1090
SourceCode
Download https://serazu.com/web/download/link-file?id=1106
Chapter 01
ทำความรู้จักกับ AI พื้นฐาน Machine Learning และการเตรียม Environment
Chapter 02
MACHINE LEARNING PIPELINE
Chapter 03
การทำ FEATURE ENGINEERING ด้วย PANDAS
Chapter 04
การอิมพลิเมนต์ BACK PROPAGATION ALGORITHM ด้วย NUMPY
Chapter 05
การใช้ความชันจากการสุ่มแบ่งข้อมูลฝึกเพื่อลดค่า LOSS
ในการสอน NEURAL NETWORK MODEL ด้วย TENSORFLOW และ KERAS
Chapter 06
วิธีปรับค่า LEARNING RATE และ MOMENTUM
เพื่อเพิ่มประสิทธิภาพให้ MACHINE LEARNING MODEL
Chapter 07
การวิเคราะห์ประสิทธิภาพ MACHINE LEARNING MODEL ด้วย LEARNING CURVE
Chapter 08
การทำ REGULARIZATION แบบสมัยใหม่ ด้วย
AUGMENTATION, BATCH NORMALIZATION และ DROPOUT
Chapter 09
การ VISUALIZING KERNELS และ FEATURE MAPS ใน DEEP LEARNING MODEL (CNN)
Chapter 10
การเลือกใช้ LOSS FUNCTION ในการ TRAIN DEEP LEARNING MODEL ตอนที่ 1
Chapter 11
การเลือกใช้ LOSS FUNCTION ในการ TRAIN DEEP LEARNING MODEL ตอนที่ 2
Chapter 12
การประยุกต์ใช้ EVALUATION METRICS เพื่อหา MODEL ที่ใช้งานได้จริง
Chapter 13
การ DEPLOY MACHINE LEARNING MODEL บน PRODUCTION
ด้วย FASTAPI, UVICORN และ DOCKER
Chapter 14
การสอน AI เรียนรู้การเล่นเกมด้วย DEEP REINFORCEMENT LEARNING
บน GOOGLE COLAB PRO
Chapter 15
การ TRANSFER LEARNING ด้วย KERAS สำหรับ COMPUTER VISION APPLICATIONS
Chapter 16
การทำระบบแนะนำหนังสือ (BOOK RECOMMENDATION WORKSHOP)