Name: TensorFlow เบื้องต้นใน Python
Rating: 4.821428571428571 (56 reviews)

รายละเอียดคอร์ส

รับรู้เบื้องต้นเกี่ยวกับ TensorFlow

เมื่อไม่นานมานี้ อัลกอริทึมคอมพิวเตอร์วิทัศน์ล้ำสมัยยังไม่สามารถแยกความแตกต่างระหว่างภาพแมวกับภาพสุนัขได้ ปัจจุบัน นักวิทยาศาสตร์ข้อมูลที่มีทักษะและมีเพียงแล็ปท็อปเครื่องเดียวก็สามารถจำแนกวัตถุได้หลายหมื่นชิ้นด้วยความแม่นยำสูงกว่าสายตามนุษย์

ในหลักสูตรนี้ คุณจะใช้ TensorFlow 2.6 เพื่อพัฒนา ฝึกฝน และสร้างการคาดการณ์ด้วยโมเดลที่อยู่เบื้องหลังความก้าวหน้าครั้งสำคัญในระบบแนะนำ การจำแนกภาพ และ FinTech

ใช้โมเดลเชิงเส้นเพื่อสร้างการคาดการณ์

คุณจะได้เรียนรู้วิธีใช้ TensorFlow 2.6 เพื่อสร้างการคาดการณ์ด้วยโมเดลการถดถอยเชิงเส้น และจะได้ทดสอบความรู้ของคุณด้วยการคาดการณ์ราคาบ้านใน King County ส่วนนี้ของหลักสูตรจะนำเสนอภาพรวมของฟังก์ชันการสูญเสีย และวิธีที่คุณสามารถลดการใช้ทรัพยากรได้ด้วยการฝึกโมเดลเชิงเส้นของคุณเป็นชุดๆ

ฝึกฝนโครงข่ายประสาทเทียมของคุณ

ในช่วงครึ่งหลังของหลักสูตร คุณจะใช้เครื่องมือเดียวกันนี้เพื่อสร้างการคาดการณ์โดยใช้โครงข่ายประสาทเทียม คุณจะได้ฝึกฝนการเทรนเครือข่ายใน TensorFlow โดยการเพิ่มตัวแปรที่ฝึกได้ และใช้โมเดลของคุณรวมถึงฟีเจอร์ทดสอบเพื่อทำนายค่าที่เป็นเป้าหมาย

ผสาน TensorFlow เข้ากับ Keras API

เพิ่ม API อันทรงพลังของ Keras เข้าไปในชุดทักษะของคุณ และเรียนรู้วิธีผสานเข้ากับ TensorFlow 2.6 เพื่อสร้างการคาดการณ์และประเมินโมเดล เมื่อจบหลักสูตรนี้ คุณจะเข้าใจวิธีใช้ Estimators API เพื่อทำให้การกำหนดโมเดลเป็นไปอย่างคล่องตัวและหลีกเลี่ยงข้อผิดพลาด

ข้อกำหนดเบื้องต้น

Supervised Learning with scikit-learn

หลักสูตร

โครงสร้างคอร์ส

TensorFlow เบื้องต้น

ก่อนจะสร้างโมเดลขั้นสูงใน TensorFlow 2 ได้ ต้องทำความเข้าใจพื้นฐานก่อน ในบทนี้จะได้เรียนรู้วิธีกำหนดค่าคงที่และตัวแปร การบวกและคูณเทนเซอร์ รวมถึงการคำนวณอนุพันธ์ ความรู้ด้านพีชคณิตเชิงเส้นจะเป็นประโยชน์ แต่ไม่ใช่สิ่งจำเป็น

เริ่มบทเรียน

โมเดลเชิงเส้น

ในบทนี้จะได้เรียนรู้วิธีสร้าง แก้ปัญหา และสร้างการพยากรณ์ด้วยโมเดลใน TensorFlow 2 โดยจะมุ่งเน้นที่โมเดลประเภทหนึ่งที่เรียบง่าย ได้แก่ โมเดลการถดถอยเชิงเส้น เพื่อพยากรณ์ราคาบ้าน เมื่อจบบทนี้จะรู้จักวิธีโหลดและจัดการข้อมูล สร้างฟังก์ชันการสูญเสีย ทำการมินิไมซ์ สร้างการพยากรณ์ และลดการใช้ทรัพยากรด้วยการฝึกแบบ batch

เริ่มบทเรียน

โครงข่ายประสาทเทียม

บทก่อนหน้าสอนวิธีสร้างโมเดลใน TensorFlow 2 ในบทนี้จะนำเครื่องมือเดิมมาใช้สร้าง ฝึก และสร้างการพยากรณ์ด้วยโครงข่ายประสาทเทียม จะได้เรียนรู้วิธีกำหนด dense layer การใช้ activation function การเลือก optimizer และการใช้ regularization เพื่อลด overfitting นอกจากนี้ยังจะได้ใช้ประโยชน์จากความยืดหยุ่นของ TensorFlow ทั้งผ่านพีชคณิตเชิงเส้นระดับต่ำและการดำเนินการ Keras API ระดับสูงในการกำหนดและฝึกโมเดล

เริ่มบทเรียน

API ระดับสูง

ในบทสุดท้าย จะได้ใช้ API ระดับสูงใน TensorFlow 2 เพื่อฝึกตัวจำแนกตัวอักษรภาษามือ โดยจะใช้ทั้ง sequential และ functional Keras API ในการฝึก ตรวจสอบ สร้างการพยากรณ์ และประเมินโมเดล รวมถึงจะได้เรียนรู้การใช้ Estimators API เพื่อปรับกระบวนการกำหนดและฝึกโมเดลให้มีประสิทธิภาพยิ่งขึ้น และลดโอกาสเกิดข้อผิดพลาด