Deep Learning Basics
บทความโดย อ.ดร.ณัฐโชติ พรหมฤทธิ์
ภาควิชาคอมพิวเตอร์
คณะวิทยาศาสตร์
มหาวิทยาลัยศิลปากร
- Introduction to AI, Machine Learning and AI Toolboxes
- Introduction to Deep Learning (Machine Learning Pipeline)
- Feature Engineering for AI and Machine Learning (การทำ Feature Engineering ด้วย Pandas)
- Implement the Back-propagation Algorithm from Scratch with NumPy
- Introduction to Stochastic Gradient Descent with Tensorflow and Keras Framework
- The Effects of the Learning Rate on Model Performance
- การวิเคราะห์ประสิทธิภาพ Machine Learning Model ด้วย Learning Curve
- การทำ Regularization แบบสมัยใหม่ ด้วยเทคนิค Augmentation, Batch Normalization และ Dropout
- Visualizing Kernels and Feature Maps in Deep Learning Model (CNN)
- การเลือกใช้ Loss Function ในการพัฒนา Deep Learning Model (ตอนที่ 1)
- การเลือกใช้ Loss Function ในการพัฒนา Deep Learning Model (ตอนที่ 2)
- Evaluation Metrics for Classification Model
- การ Deploy Machine Learning Model บน Production ด้วย FastAPI, Uvicorn และ Docker
- Introduction to Deep Reinforcement Learning on Google Colab Pro
- Transfer Learning with Keras for Computer Vision Applications
- A Book Recommendation Example: Collaborative Filtering using Autoencoder Model