000			03361aam a2200277 4500
003			SPU
005			20250320125949.0
008			221123b th ||||| |||| 00| 0 tha d
020			_a9786164872745 _c545
040			_aSPU
049			_aSPU_CHN
050			_aQ 335 _bณ328ฟ 2564
100			_aณัฐโชติ พรหมฤทธิ์ _9243084
245			_aFundamental of Deep Learning in Practice / _cณัฐโชติ พรหมฤทธิ์
260			_aกรุงเทพฯ : _bไอดีซี พรีเมียร์ _c2564
300			_a490 หน้า : _bภาพประกอบ ; _c23 ซม.
505			_aทำความรู้จักกับ AI พื้นฐาน Machine Learning และการเตรียม Environment หน้า 1-39 -- Machine Learning Pipeling หน้า 40-66 -- การทำ Feature engineering ด้วย Pandas หน้า 67-88 -- การอิมพลิเมนต์ Back propagation algorithm ด้วย Numpy หน้า 89-102 -- การใช้ความชันจากการสุ่มแบ่งข้อมูลฝึกเพื่อลดค่า LOSS ในการสอน Neural Network model ด้วย Tensorflow และ Keras หน้า 103-123 -- วิธีปรับค่า Learning rate และ Momentum เพื่อเพิ่มประสิทธิภาพให้ Machine Learning model หน้า 124-143 -- การวิเคราะห์ประสิทธิภาพ Machine learning model ด้วย Learning curve หน้า 144-173 -- การทำ Regularization แบบสมัยใหม่ด้วย Augmentation, Batch normalization และ Dropout หน้า 174-210 -- การ Visualizing kernels และ Feature maps ใน Deep learning model (CNN) หน้า 211-245 -- การเลือกใช้ Loss function ในการ Train deep learning model หน้า 246-307 -- การประยุกต์ใช้ Evaluation metrics เพื่อหา model ที่ใช้งานได้จริง หน้า 308-336 -- การ DEPLOY Machine learning model บน Production ด้วย Fastap, Uvicorn และ Docker หน้า 337-368 -- การสอน AI เรียนรู้การเล่นเกมด้วย Deep reinforcement learning บน Google colab pro หน้า 369-413 -- การ Transfer learning ด้วย Keras สำหรับ Computer Vision Applications หน้า 414-462 -- การทำระบบแนะนำหนังสือ (Book Recommendation workshop) หน้า 463-489
650		0	_9145828 _aปัญญาประดิษฐ์
650		0	_9248860 _aการเขียนโปรแกรมสำหรับระบบฐานความรู้
650		0	_954523 _aMACHINE LEARNING
650		0	_9248861 _aARTIFICAL INTELLIGENCE
850			_aSPU
910			_aคณะเทคโนโลยีสารสนเทศ _bศูนย์หนังสือจุฬาลงกรณ์มหาวิทยาลัย สาขา ม.บูรพา _c161122 _pA091821
942			_2lcc _cGEN
998			_bnapasorn 231122 _atanuchcha 251122
999			_c206754