เรียนรู้ AI: Deep Learning ด้วย Python from Udemy

What's inside

Learning objectives

เรียนแบบทั่วไป จะเรียนที่ไหนก็ได้ แต่ถ้าเรียนแบบให้เข้าใจ เป็น step ขอแนะนำคอร์สนี้
เรียนรู้ระบบเครือข่ายประสาทประดิษฐ์ (artificial neural network)
ใช้ tensorflow keras
หลักการ deep learning
Gradient descent และ optimizer

เรียนรู้ convolutional neural network: cnn สำหรับงาน computer vision
การเพิ่มประสิทธิภาพ model
ใช้งาน cpu และ gpu บน colab
การ train สร้าง model การบันทึกและการโหลดใช้งาน model
การติดตั้งและใช้งาน gpu เพื่อเพิ่มความเร็วการประมวลผล

เรียนแบบทั่วไป จะเรียนที่ไหนก็ได้ แต่ถ้าเรียนแบบให้เข้าใจ เป็น step ขอแนะนำคอร์สนี้
เรียนรู้ระบบเครือข่ายประสาทประดิษฐ์ (artificial neural network)
ใช้ tensorflow keras
หลักการ deep learning
Gradient descent และ optimizer
เรียนรู้ convolutional neural network: cnn สำหรับงาน computer vision
การเพิ่มประสิทธิภาพ model
ใช้งาน cpu และ gpu บน colab
การ train สร้าง model การบันทึกและการโหลดใช้งาน model
การติดตั้งและใช้งาน gpu เพื่อเพิ่มความเร็วการประมวลผล

Syllabus

Introduction

รู้จักผู้สอน

แนะนำคอร์ส

เบื้องต้นเกี่ยวกับ AI, Machine Learning และ Deep Learning

การใช้ Visual Studio Code (VSCode) กับ Jupyter โดยรวมก็คล้ายกับ Jupyter Lab และ Colab แต่ก็มีจุดเด่นในแบบฉบับของ VSCode มี Dropdown Help แสดงคำสั่ง ช่วยให้เขียนโปรแกรมง่ายขึ้น ผิดพลาดน้อยลง โดยในส่วนแรกแสดงการติดตั้งและ Setup บน Windows ส่วนท้ายจะแสดง macOs

หลักการของ Machine Learning เบื้องต้น

เรียนรู้หรือทบทวนเรื่องสมการเส้นตรง ซึ่งเป็นพื้นฐานที่สำคัญสำหรับงาน Regression และ Neural Network

เขียนโปรแกรมแบบปกติทั่วไป เพื่อเปรียบเทียบกับการใช้ Machine Learning

การสอนให้ Machine Learning มีความรู้

หลักการจำแนก ข้อมูลคุณลักษณะเด่น (Features) รู้จักข้อมูล IRIS

การติดตั้ง TensorFlow+Keras, การใช้งานสภาพแวดล้อม (Environment) แบ่งส่วนเพื่อไม่ให้ระบบ มีปัญหาหรือกวนกับ Project อื่น ๆ (ลักษณะแบ่งสัดส่วนหรือแบ่งห้องให้ใช้ TensorFlow โดยเฉพาะ)

แนะนำ Open-source Platform สำหรับ Deep Learning ที่ได้รับความนิยมอย่างสูง

Traffic lights

Read about what's good

what should give you pause

and possible dealbreakers

Examines Deep Learning, which is standard in industry

Explores Python, TensorFlow Keras, and Gradient Descent, which are relevant tools and technologies

Teaches fundamentals of AI: Deep Learning, which is useful for developing AI systems

Provides a strong foundation for understanding Convolutional Neural Networks (CNN) for Computer Vision, which is a core skill for data scientists

Develops skills in using TensorFlow Keras, which is a popular Deep Learning library

Requires no background in mathematics, making it accessible to beginners

Reviews summary

ปูพื้นฐาน deep learning ด้วย python ฉบับปฏิบัติ

ตามที่ผู้เรียนกล่าว, คอร์ส "เรียนรู้ AI: Deep Learning ด้วย Python" เป็นแหล่งความรู้ที่ ยอดเยี่ยมสำหรับผู้เริ่มต้น ที่ต้องการเข้าใจและลงมือปฏิบัติ Deep Learning ด้วย Python ได้จริง หลักสูตรนี้โดดเด่นด้วย เนื้อหาที่เน้นการปฏิบัติจริง และ คำอธิบายที่เข้าใจง่าย โดยเฉพาะเรื่อง คณิตศาสตร์ไม่ซับซ้อน ที่ใช้ภาพประกอบช่วยเสริมความเข้าใจ ผู้เรียนชื่นชม การเตรียมความพร้อมเครื่องมือ และ บทสรุป Python ที่เป็นประโยชน์อย่างยิ่ง ทำให้สามารถเริ่ม สร้างและ Train โมเดล Deep Learning ได้อย่างรวดเร็ว ครอบคลุมทั้ง TensorFlow Keras และ Convolutional Neural Network (CNN) เหมาะสำหรับผู้ที่ต้องการ นำ AI ไปประยุกต์ใช้ ได้ทันที.

เน้นการปฏิบัติมากกว่าทฤษฎี อาจไม่เหมาะกับผู้ต้องการความลึกทางคณิตศาสตร์

"สำหรับคนที่ต้องการเจาะลึกคณิตศาสตร์เบื้องหลังอาจจะต้องหาข้อมูลเพิ่มเติมจากแหล่งอื่น"

"คอร์สนี้เน้นการนำไปใช้จริง ซึ่งตรงกับความต้องการของผม แต่หากคาดหวังทฤษฎีจ๋าๆ อาจจะไม่ใช่"

มีการแนะนำและติดตั้งเครื่องมือที่จำเป็นอย่างละเอียด

"ช่วยให้ผมตั้งค่า Jupyter, Colab, และ VSCode ได้อย่างราบรื่น ไม่ต้องเสียเวลางมเองเลย"

"การแนะนำการใช้งาน GPU บน Colab และการติดตั้ง GPU เป็นประโยชน์มากสำหรับการประมวลผล"

"มี Source code ให้ดาวน์โหลดพร้อมใช้งาน ทำให้เริ่มทำ Workshop ได้ทันที"

หลักสูตรครอบคลุมหัวใจสำคัญของ Deep Learning

"เนื้อหาครบถ้วนตั้งแต่พื้นฐาน ANN, MLP ไปจนถึง CNN และการปรับแต่งโมเดล"

"ได้เรียนรู้ทั้งหลักการ Gradient Descent และ Optimizer รวมถึงการป้องกัน Overfitting ซึ่งเป็นสิ่งจำเป็น"

"การสอนใช้ TensorFlow Keras ในการสร้างและจัดการโมเดลทำได้ดีมาก"

ให้ลงมือทำจริงพร้อมโค้ดตัวอย่างแบบ Step-by-step

"การได้ทำ Workshop พร้อมโค้ดตัวอย่างช่วยให้ผมเห็นภาพและเข้าใจการทำงานจริงของโมเดล"

"เรียนรู้การสร้างโมเดล TensorFlow Keras จากตัวอย่างที่ทำตามได้ง่ายมากๆ"

"ชอบที่ได้สร้าง CNN Model และส่องดู Feature Maps ด้วยตัวเอง ทำให้เข้าใจลึกซึ้งขึ้น"

ออกแบบมาเพื่อผู้ไม่มีพื้นฐาน AI หรือ Deep Learning

"ผมเป็นมือใหม่ด้าน AI มาก แต่คอร์สนี้ช่วยให้ผมเข้าใจหลักการและเริ่มต้นได้จริงๆ"

"อธิบายเรื่องยากๆ เช่น Gradient Descent ด้วยภาพ ทำให้เข้าใจง่าย ไม่ต้องมีพื้นคณิตศาสตร์ลึกซึ้ง"

"มีส่วน Python crash course ให้ทบทวน ทำให้ไม่ต้องกังวลเรื่องพื้นฐานภาษา"

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in เรียนรู้ AI: Deep Learning ด้วย Python with these activities:

Join a study group for this course

Show steps

Studying with others can help you learn the material more effectively. A study group will provide you with the opportunity to discuss the concepts covered in class, ask questions, and get help from your peers.

Show steps

Find a study group or start your own.
Meet regularly with your study group to discuss the course material.
Work together on assignments and projects.

Complete exercises from the course textbook

Show steps

Completing exercises from the course textbook will help you solidify your understanding of the concepts covered in this course.

Show steps

Purchase the course textbook.
Read the assigned chapters.
Complete the exercises at the end of each chapter.

Learn to visualize data with Matplotlib

Show steps

Visualizing data makes it easier to understand relationships and draw inferences. Matplotlib is a popular Python library for creating static, animated, and interactive visualizations.

Browse courses on Data Visualization

Show steps

Install Matplotlib.
Go through the Matplotlib tutorial.
Practice creating basic plots (scatter plots, line plots, bar charts).

Five other activities

Expand to see all activities and additional details

Show all eight activities

Create a cheat sheet of Deep Learning formulas and concepts

Show steps

A cheat sheet can be a useful reference for the formulas and concepts covered in this course. It will help you quickly recall important information when you need it.

Browse courses on Deep Learning

Show steps

Gather the formulas and concepts you need to include on your cheat sheet.
Create a visually appealing and easy-to-read cheat sheet.
Print out the cheat sheet and keep it with you.

Complete TensorFlow exercises

Show steps

TensorFlow is a powerful open-source machine learning library. Completing exercises will help you solidify your understanding of the concepts covered in this course.

Browse courses on TensorFlow

Show steps

Find TensorFlow exercises online or in a book.
Work through the exercises, debugging any errors you encounter.
Apply the techniques you learn to your own machine learning projects.

Attend the PyTorch Deep Learning workshop

Show steps

This workshop will provide you with hands-on experience with PyTorch, a popular Deep Learning framework. You will learn the basics of PyTorch and how to use it to build and train Deep Learning models.

Browse courses on Deep Learning

Show steps

Register for the workshop.
Attend the workshop and participate in the activities.
Complete the exercises and assignments.

Write a blog post about a Deep Learning project

Show steps

Writing about a Deep Learning project will help you solidify your understanding of the concepts and techniques involved. It will also give you an opportunity to share your knowledge with others.

Browse courses on Deep Learning

Show steps

Choose a Deep Learning project to write about.
Research the topic and gather information.
Write a blog post that explains the project, the techniques you used, and the results you achieved.
Share your blog post with others.

Contribute to an open-source Deep Learning project

Show steps

Contributing to an open-source project is a great way to learn about Deep Learning and get involved in the community. It will also give you the opportunity to work on real-world projects.

Browse courses on Deep Learning

Show steps

Find an open-source Deep Learning project to contribute to.
Read the project's documentation and familiarize yourself with its codebase.
Identify an area where you can make a contribution.
Submit a pull request with your changes.

Career center

Learners who complete เรียนรู้ AI: Deep Learning ด้วย Python will develop knowledge and skills that may be useful to these careers:

Reading list

We haven't picked any books for this reading list yet.

เรียนรู้ AI

Deep Learning ด้วย Python

What's inside

Learning objectives

Syllabus

Traffic lights

Save this course

Reviews summary

ปูพื้นฐาน deep learning ด้วย python ฉบับปฏิบัติ

Activities

Career center

Reading list

Share

Similar courses