000			05975nam a2200277 a 4500
003			PIMLIB
005			20240830085857.0
008			240322s2566 th a 000 0 tha d
020			_a9786168282359
050			_aQ325.5 _b.จ722ส _y2566
100			_aเจรอน, ออเรเลียน _9100717
245	1	0	_aแนวคิด เครื่องมือ และเทคนิคสำหรับสร้างระบบอัจฉริยะ = _bHands-on machine learning with scikit-learn, keras & tensorflow / _cเขียน Aurelien Geron ; แปล/เรียบเรียง วิโรจน์ อัศวรังสี.
246	3	1	_aHands-on machine learning with scikit-learn, keras & tensorflow
246	3	0	_aแนวคิด เครื่องมือ และเทคนิคสำหรับสร้างระบบอัจฉริย
260			_aนนทบุรี : _bคอร์ฟังก์ชัน, _c2566.
300			_a728 หน้า : _bภาพประกอบ
505	0		_aส่วนที่ 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.
520			_aเนื้อหาเชิงลึกในเล่มเต็มไปด้วยเทคนิคที่หาอ่านจากเล่มอื่นได้ยาก 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.
650		0	_aการเรียนรู้ของเครื่อง. _962125
650		0	_aปัญญาประดิษฐ์ _927465
650		0	_aไพธอน (ภาษาคอมพิวเตอร์) _926311
690			_9100714 _a0027 วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์และปัญญาประดิษฐ์
700			_aวิโรจน์ อัศวรังสี _936310
700			_aGeron, Aurelien. _9100718
942			_2lcc _cBK _n0 _01
999			_c1001026 _d1001026