[E-Book] Fundamental of DEEP LEARNING in Practice -- SERAZU ร้านหนังสือออนไลน์

สินค้าในตะกร้า

0.00 ฿

สำนักพิมพ์ทั้งหมด

หมวดหมู่ทั้งหมด

[E-Book] Fundamental of DEEP LEARNING in Practice

หนังสือที่จะปูพื้นฐานที่จำเป็นสำหรับผู้เริ่มต้นศึกษาด้าน AI และ Deep Learning โดยมุ่งให้ผู้อ่านสามารถทำความเข้าใจแนวคิดที่เป็นรากฐานไปจนถึงขั้นการฝึกสอน Model เพื่อนำไปใช้งานทางด้านภาพ การเล่นเกม และระบบการแนะนำ ด้วยการลงมือเขียน Code ภาษา Python บน Jupyter Notebook โดยใช้ Library ต่างๆ อย่างเช่น TensorFlow, Scikit-learn และ NumPy ในยุคที่ AI และ Data Science ได้เข้ามามีบทบาทสำคัญในการขับเคลื่อนเศรษฐกิจโลก หนังสือเล่มนี้จะเป็นส่วนเล็กๆ ในการ Upskill/Reskill ให้แก่ นักศึกษา บุคลากรในภาคอุตสาหกรรมดิจิทัล รวมทั้งผู้ที่สนใจในงานทางด้านนี้

ขายแล้ว

0 ชิ้น

สำนักพิมพ์ :

Infopress

/ 8859161009276

฿545

ซื้อสินค้าครบ 1 บาท จัดส่งฟรีแบบJ&T

ข้อมูลสินค้า

Barcode

8859161009276

ISBN

8859161009276

ขนาดหนังสือ

17 x 22.86 ซม.

ความหนาสินค้า

2 ซม.

น้ำหนัก

1000 กรัม

วันวางจำหน่าย

25/12/64

นักเขียน

ผศ.ดร.ณัฐโชติ พรหมฤทธิ์,
อ.ดร.สัจจาภรณ์ ไวจรรยา

บรรณาธิการ

ภีรพล คชาเจริญ

DEEP LEARNING AI Data ปัญญาประดิษฐ์

หนังสือที่จะปูพื้นฐานที่จำเป็นสำหรับผู้เริ่มต้นศึกษาด้าน AI และ Deep Learning โดยมุ่งให้ผู้อ่านสามารถทำความเข้าใจแนวคิดที่เป็นรากฐานไปจนถึงขั้นการฝึกสอน Model เพื่อนำไปใช้งานทางด้านภาพ การเล่นเกม

และระบบการแนะนำ ด้วยการลงมือเขียน Code ภาษา Python บน Jupyter Notebook โดยใช้ Library ต่างๆ อย่างเช่น TensorFlow, Scikit-learn และ NumPy ในยุคที่ AI และ Data Science ได้เข้ามามีบทบาทสำคัญในการขับเคลื่อนเศรษฐกิจโลก

หนังสือเล่มนี้จะเป็นส่วนเล็กๆ ในการ Upskill/Reskill ให้แก่ นักศึกษา บุคลากรในภาคอุตสาหกรรมดิจิทัล รวมทั้งผู้ที่สนใจในงานทางด้านนี้

รายละเอียดเพิ่มเติมเล่มนี้
1. เรียนรู้พื้นฐานสำคัญของ AI และ Deep Learning โดยใช้เวลาไม่นานนัก
2. เป็นจุด Check Point ที่บอกว่าคุณมีความพร้อมที่จะเดินทางต่อไปยังระดับที่ Advance ขึ้น
3. เน้นลงมือเขียน Code ด้วย Python บน Jupyter Notebook แทนการอธิบายด้วยทฤษฎีหนักๆ

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)

รีวิวหนังสือ [E-Book] Fundamental of DEEP LEARNING in Practice