Fundamental of DEEP LEARNING in Practice

ผู้เขียน: อ.ดร.ณัฐโชติ พรหมฤทธิ์, อ.ดร.สัจจาภรณ์ ไ

สำนักพิมพ์: อินโฟเพรส/Infopress

หมวดหมู่: คอมพิวเตอร์ , คอมพิวเตอร์ Internet

0 รีวิว เขียนรีวิว

491.00 บาท

545.00 บาท ประหยัด 54.00 บาท (9.91 %)

จำนวนคะแนนที่ได้รับ 19 แต้ม

ทำความเข้าใจแนวคิด การพัฒนาโมเดล และการประยุกต์ใช้งานด้วยการาเขียนโค้ด Python บน Jupyter Notebook โดยใช้ Library < แสดงน้อยลง ทำความเข้าใจแนวคิด การพัฒนาโมเดล และการประยุกต์ใช้งานด้วยการาเขียนโค้ด Python บน Jupyter Notebook โดยใช้ Library
  • ส่วนลด:
    ลด 10%
  • โปรโมชั่น:Naiin.com หนังสือลด 10%

Tags: Fundamental , DEEP LEARNING , โปรแกรมคอมพิวเตอร์ , การเขียนโปรแกรม , Best Practice , Machine Learning , ปัญญาประดิษฐ์ , Artificial Intelligence , AI , พัฒนาโมเดล , ดิจิทัลเทคโนโลยี , เขียนโค้ด , Python , Jupyter Notebook

491.00 บาท

545.00 บาท
545.00 บาท
ประหยัด 54.00 บาท (9.91 %)

จำนวนคะแนนที่ได้รับ 19 แต้ม

จำนวน :

1

จำนวนหน้า
504 หน้า
ประเภทสินค้า
ขนาด
16.9 x 20.6 x 3.6 CM
น้ำหนัก
0.725 KG
บาร์โค้ด
9786164872745

รายละเอียด : Fundamental of DEEP LEARNING in Practice

Fundamental of DEEP LEARNING in Practice

ปัญญาประดิษฐ์ หรือ Artificial Intelligence (AI) เป็น Keyword ที่นับวันยิ่งถูกนำมาพูดถึงมากขึ้นในการพัฒนา ระบบงาน และการพัฒนาผลิตภัณฑ์ต่างๆ จนเสมือนว่างานใดก็ตามที่ไม่มี AI เป็นส่วนหนึ่งในนั้น มันจะกลายเป็นงานที่ไม่สามารถทัดเทียมคู่แข่งได้ นั่นทำให้ AI กลายเป็นศาสตร์ที่มีบทบาทสำคัญในการวิวัฒน์ของดิจิทัลเทคโนโลยี

หนังสือเล่มนี้จะปูพื้นฐานที่จำเป็นสำหรับผู้เริ่มต้นศึกษาด้าน AI และ Deep Learning โดยมุ่งให้ผู้อ่านสามารถทำความเข้าใจแนวคิดที่เป็นรากฐานไปจนถึงขั้นการฝึกสอน Model เพื่อนำไปใช้งานทางด้านภาพ การเล่นเกม และระบบการแนะนำ ด้วยการลงมือเขียน Code ภาษา Python บน Jupyter Notebook โดยใช้ Library เช่น TensorFlow, Scikit-learn และ NumPy แทนที่จะเน้นการอธิบายด้วยทฤษฎีหนักๆ โดยหนังสือเล่มนี้จะครอบคลุม AI Technologies และ Business Applications ใน 3 ส่วน Machine Learning, AI Capabilities, AI Applications


สารบัญ : Fundamental of DEEP LEARNING in Practice

    • Chapter 1 ทำความรู้จักกับ AI พื้นฐาน Machine Learning และการเตรียม Environment
    • Chapter 02 Machine Learning Pipeine
    • 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 Lerrning Rate และ Momentum เพื่อเพิ่มประสิทธิภาพให้ Machine Learning Model
    • Chapter 07 การวิเคราะห์ประสิทธิภาพ Machine Learning Model ด้วย Learning Curve 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
    • ฯลฯ

รีวิว


0.0
  • 5
    0%
  • 4
    0%
  • 3
    0%
  • 2
    0%
  • 1
    0%
loading