การเรียนรู้เชิงลึก
2(1-3-5)
วิชาบังคับก่อน: ENG62 3110 การเรียนรู้ของเครื่อง
โครงข่ายประสาทเทียม โครงข่ายประสาทแบบป้อนไปหน้า การเรียนรู้เชิงลึก มองเห็นของเครื่อง การถ่ายทอดการเรียนรู้ การประมวลผลภาษาธรรมชาติ โครงข่ายแบบวนซ้ำ การเรียนรู้แบบเสริมกำลัง การสร้างแบบจำลองด้วยเฟลมเวิร์คต่าง ๆ เช่น Scikit learn, TensorFlow, Pytorch เป็นต้น
ผลลัพธ์การเรียนรู้ที่คาดหวังระดับรายวิชา
- มีความรู้ความเข้าใจเกี่ยวกับ โครงข่ายประสาทเทียม การเรียนรู้เชิงลึก โครงข่ายประสาทแบบป้อนไปหน้า การใช้งานโครงข่ายประสาทเทียมแบบคอนโวลูชัน การใช้งานและความสำคัญของฟังก์ชันกระตุ้น
- สามารถใช้วิธีการถ่ายทอดการเรียนรู้ในการสร้างแบบจำลองเพื่อลดระยะเวลาในการเตรียมชุดข้อมูล และเพิ่มประสิทธิภาพของแบบจำลองได้
- สามารถนำความรู้ในด้านการเรียนรู้เชิงลึก ไปประยุกต์ใช้งานด้านการมองเห็นของเครื่องได้
- สามารถใช้งานโครงข่ายแบบวนซ้ำเพื่อทำนายข้อมูลในอนาคตได้
Deep Learning
Prerequisite: ENG62 3110 Machine Learning
Neural network forward-facing neural network deep learning machine vision learning transfer natural language processing iterative network Reinforced learning Modeling with different flameworks such as Scikit learn, TensorFlow, Pytorch, etc.
Course Learning Outcomes (CLOs)
- have knowledge and understanding about neural network deep learning forward-facing neural network Implementation of convolutional neural networks The use and importance of the stimulation function.
- The learning transfer method can be used in modeling to reduce the preparation time of the data set. and increase the efficiency of the model.
- Able to apply knowledge in deep learning to apply in the field of vision of the machine.
- A loop network can be used to predict future data.
