Deep Learning

การเรียนรู้เชิงลึก                                                                               

1(6-12)

วิชาบังคับก่อน :โดยความเห็นชอบของสาขาวิชา

ศึกษาการเรียนรู้เชิงลึก โครงข่ายประสาทเทียม สร้าง ฝึก และใช้โครงข่ายนิวรอนเชื่อมต่อกันอย่างเต็มรูปแบบ รู้วิธีการใช้โครงข่ายนิวรอนที่มีประสิทธิภาพการประยุกต์ใช้งาน ฝึกปฏิบัติโดยประยุกต์ใช้แอปพลิเคชันในคอมพิวเตอร์วิทัศน์หรือการประมวลผลภาษา

ผลลัพธ์การเรียนรู้ที่คาดหวังระดับรายวิชา

1. เข้าใจหลักการทำงานของการเรียนรู้เชิงลึกและโครงข่ายประสาทเทียม
2. สามารถสร้าง ฝึกและใช้โครงข่ายนิวรอนได้
3. สามารถประยุกต์ใช้การเรียนรู้เชิงลึก เครื่องมือทางวิศวกรรม อาทิเช่น คอมพิวเตอร์วิทัศน์หรือการประมวลผลภาษาได้

Deep Learning

Prerequisite : Consent of the school

Student will learn about deep learning and neural network. Learner will be able to build, train and apply fully connected deep neural networks, and understand the key parameters in a neural network’s architecture Practice by applying applications in computer vision or language processing etc.

Course Learning Outcomes (CLOs)

1. Understand the working principles of deep learning and neural networks.
2. Be able to build, train and use neuron networks.

Can apply deep learning engineering tools such as computer vision or language processing.