แนวคิด เครื่องมือ และเทคนิคสำหรับสร้างระบบอัจฉริยะ = Hands-on machine learning with scikit-learn, keras & tensorflow /
เจรอน, ออเรเลียน
แนวคิด เครื่องมือ และเทคนิคสำหรับสร้างระบบอัจฉริยะ = Hands-on machine learning with scikit-learn, keras & tensorflow / Hands-on machine learning with scikit-learn, keras & tensorflow แนวคิด เครื่องมือ และเทคนิคสำหรับสร้างระบบอัจฉริย เขียน Aurelien Geron ; แปล/เรียบเรียง วิโรจน์ อัศวรังสี. - นนทบุรี : คอร์ฟังก์ชัน, 2566. - 728 หน้า : ภาพประกอบ
ส่วนที่ 1 ความรู้พื้นฐานแมชชีนเลิร์นนิ่ง -- บทที่ 1 ทำความเข้าใจกับแมชชีนเลิร์นนิ่ง -- บทที่ 2 โปรเจ็กต์แมชชีนเลิร์นนิ่งแบบครบวงจร -- บทที่ 3 การแยกประเภท (Classification) -- บทที่ 4 การฝึกโมเดล -- บทที่ 5 ซัพพอร์ตเวกเตอร์แมชชีน -- บทที่ 6 ดิซิชันทรี (Dicision Trees) -- บทที่ 7 การเรียนรู้แบบกลุ่มโมเดลและแรนดอมฟอร์เรสต์ -- บทที่ 8 การลดขนาดมิติข้อมูล -- บทที่ 9 เทคนิคการเรียนรู้แบบไม่มีผู้สอน -- ส่วนที่ 2 นิวรอลเน็ตเวิร์คและดีฟเลิร์นนิ่ง -- บทที่ 10 ความรู้เบื้องต้นของนิวรอลเน็ตเวิร์คด้วย Keras -- บทที่ 11 การฝึก Deep Neural Networks -- บทที่ 12 โมเดลที่กำหนดเองและฝึกด้วย Tensorflow -- บทที่ 13 การโหลดและประมวลผลข้อมูลล่วงหน้าด้วย Tensorflow -- บทที่ 14 ดีฟคอมพิวเตอร์วิชั่นโดยใช้คอนโวลูชันนิวรอลเน็ตเวิร์ค -- บทที่ 15 การประมวลผลข้อมูลลำดับโดยใช้ RNN และ CNN -- บทที่ 16 การประมวลผลภาษาธรรมชาติด้วย RNN และ Attention -- บทที่ 17 ออโต้เอ็นโค้ดเดอร์, GAN และดิฟฟิวชันโมเดล -- บทที่ 18 รีอินฟอร์ซเมนต์เลิร์นนิ่ง -- บทที่ 19 การฝึกและนำโมเดล Tensorflow ไปใช้จริง.
เนื้อหาเชิงลึกในเล่มเต็มไปด้วยเทคนิคที่หาอ่านจากเล่มอื่นได้ยาก ครอบคลุมวิทยาการล่าสุดไม่ว่าจะเป็น Attention และ Transformer ซึ่งเป็นรากฐานของ ChatGPT ของ OpenAI และ Bard ของ Google, GAN โมเดลเรียนรู้จากฝ่ายตรงข้ามซึ่งเทรนด์ใหม่มาแรง, Diffusion Model ที่เป็นรากฐานให้กับ DALL-E 2 เนรมิตงานศิลป์ จินตนาการจากคำบรรยาย และที่ฮือฮาไปทั่วโลก Reinforcement Model ที่เป็นรากฐานของเกม AlphaGo และ AlphaZero ที่โค่นแชมป์โลก หมากล้อมและหมากรุก เหมาะสำหรับใช้เป็นคู่มือเพิ่มไอเดียและประสบการณ์ระดับสูงให้กับนักพัฒนา นักวิจัยและผู้สนใจทั่วไปที่ต้องการสร้างโปรเจกต์ ML ที่ล้ำหน้า พร้อมทั้งอธิบายสมการคณิตศาสตร์และทฤษฎีที่สำคัญ ช่วยให้ศึกษาต่อหรือเรียนรู้งานวิจัยทั่วโลกได้ง่ายขึ้น โดยใช้ภาษา Python และเฟรมเวิร์คยอดนิยมที่พร้อมสำหรับงานจริง อย่างเช่น Scikit-Learn, Keras และ TensorFlow.
9786168282359
การเรียนรู้ของเครื่อง.
ปัญญาประดิษฐ์
ไพธอน (ภาษาคอมพิวเตอร์)
Q325.5 / .จ722ส
แนวคิด เครื่องมือ และเทคนิคสำหรับสร้างระบบอัจฉริยะ = Hands-on machine learning with scikit-learn, keras & tensorflow / Hands-on machine learning with scikit-learn, keras & tensorflow แนวคิด เครื่องมือ และเทคนิคสำหรับสร้างระบบอัจฉริย เขียน Aurelien Geron ; แปล/เรียบเรียง วิโรจน์ อัศวรังสี. - นนทบุรี : คอร์ฟังก์ชัน, 2566. - 728 หน้า : ภาพประกอบ
ส่วนที่ 1 ความรู้พื้นฐานแมชชีนเลิร์นนิ่ง -- บทที่ 1 ทำความเข้าใจกับแมชชีนเลิร์นนิ่ง -- บทที่ 2 โปรเจ็กต์แมชชีนเลิร์นนิ่งแบบครบวงจร -- บทที่ 3 การแยกประเภท (Classification) -- บทที่ 4 การฝึกโมเดล -- บทที่ 5 ซัพพอร์ตเวกเตอร์แมชชีน -- บทที่ 6 ดิซิชันทรี (Dicision Trees) -- บทที่ 7 การเรียนรู้แบบกลุ่มโมเดลและแรนดอมฟอร์เรสต์ -- บทที่ 8 การลดขนาดมิติข้อมูล -- บทที่ 9 เทคนิคการเรียนรู้แบบไม่มีผู้สอน -- ส่วนที่ 2 นิวรอลเน็ตเวิร์คและดีฟเลิร์นนิ่ง -- บทที่ 10 ความรู้เบื้องต้นของนิวรอลเน็ตเวิร์คด้วย Keras -- บทที่ 11 การฝึก Deep Neural Networks -- บทที่ 12 โมเดลที่กำหนดเองและฝึกด้วย Tensorflow -- บทที่ 13 การโหลดและประมวลผลข้อมูลล่วงหน้าด้วย Tensorflow -- บทที่ 14 ดีฟคอมพิวเตอร์วิชั่นโดยใช้คอนโวลูชันนิวรอลเน็ตเวิร์ค -- บทที่ 15 การประมวลผลข้อมูลลำดับโดยใช้ RNN และ CNN -- บทที่ 16 การประมวลผลภาษาธรรมชาติด้วย RNN และ Attention -- บทที่ 17 ออโต้เอ็นโค้ดเดอร์, GAN และดิฟฟิวชันโมเดล -- บทที่ 18 รีอินฟอร์ซเมนต์เลิร์นนิ่ง -- บทที่ 19 การฝึกและนำโมเดล Tensorflow ไปใช้จริง.
เนื้อหาเชิงลึกในเล่มเต็มไปด้วยเทคนิคที่หาอ่านจากเล่มอื่นได้ยาก ครอบคลุมวิทยาการล่าสุดไม่ว่าจะเป็น Attention และ Transformer ซึ่งเป็นรากฐานของ ChatGPT ของ OpenAI และ Bard ของ Google, GAN โมเดลเรียนรู้จากฝ่ายตรงข้ามซึ่งเทรนด์ใหม่มาแรง, Diffusion Model ที่เป็นรากฐานให้กับ DALL-E 2 เนรมิตงานศิลป์ จินตนาการจากคำบรรยาย และที่ฮือฮาไปทั่วโลก Reinforcement Model ที่เป็นรากฐานของเกม AlphaGo และ AlphaZero ที่โค่นแชมป์โลก หมากล้อมและหมากรุก เหมาะสำหรับใช้เป็นคู่มือเพิ่มไอเดียและประสบการณ์ระดับสูงให้กับนักพัฒนา นักวิจัยและผู้สนใจทั่วไปที่ต้องการสร้างโปรเจกต์ ML ที่ล้ำหน้า พร้อมทั้งอธิบายสมการคณิตศาสตร์และทฤษฎีที่สำคัญ ช่วยให้ศึกษาต่อหรือเรียนรู้งานวิจัยทั่วโลกได้ง่ายขึ้น โดยใช้ภาษา Python และเฟรมเวิร์คยอดนิยมที่พร้อมสำหรับงานจริง อย่างเช่น Scikit-Learn, Keras และ TensorFlow.
9786168282359
การเรียนรู้ของเครื่อง.
ปัญญาประดิษฐ์
ไพธอน (ภาษาคอมพิวเตอร์)
Q325.5 / .จ722ส
