โครงข่ายประสาทเทียมจากศูนย์ด้วย Python

คุณเคยต้องการที่จะมองเข้าไปใน "กล่องดำ" ของ machine learning หรือไม่? หลักสูตรนี้จะไขความลับของโครงข่ายประสาทเทียม (neural networks) โดยนำคุณเข้าสู่กระบวนการสร้างโครงข่ายตั้งแต่เริ่มต้น โดยเน้นที่หลักการพื้นฐานแทนที่จะพึ่งพาไลบรารีระดับสูง คุณจะได้รับความเข้าใจอย่างลึกซึ้งและเป็นธรรมชาติว่าโครงข่ายประสาทเทียมเรียนรู้ได้อย่างไร เมื่อจบคอร์ส คุณจะสามารถเขียนโค้ดสำหรับโครงข่ายประสาทเทียมที่ใช้งานได้จริง โดยเข้าใจกลไกสำคัญของการแพร่ไปข้างหน้า (forward propagation), การแพร่ย้อนกลับ (backpropagation), และการลดความชัน (gradient descent) ซึ่งเป็นพลังขับเคลื่อนปัญญาประดิษฐ์ยุคใหม่ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจองค์ประกอบหลักของเซลล์ประสาท (neuron) รวมถึงน้ำหนัก (weights), ไบแอส (biases), และฟังก์ชันกระตุ้น (activation functions) - สร้างกระบวนการ forward propagation เพื่อสร้างการคาดการณ์จากข้อมูลอินพุต - เชี่ยวชาญอัลกอริทึม backpropagation เพื่อคำนวณ error gradients อย่างมีประสิทธิภาพ - ประยุกต์ใช้ gradient descent เพื่ออัปเดตน้ำหนักเครือข่ายซ้ำๆ และปรับปรุงความแม่นยำของโมเดล - จัดโครงสร้างเครือข่ายของคุณโดยใช้ Python classes เพื่อให้โค้ดสะอาด เป็นระเบียบ และนำกลับมาใช้ใหม่ได้ - สร้างและฝึกฝนเครือข่ายที่สมบูรณ์ของคุณเพื่อแก้ปัญหาการจำแนกประเภทที่ใช้งานได้จริง - เข้าใจคณิตศาสตร์ที่จำเป็นเบื้องหลัง deep learning ผ่านคำอธิบายที่เป็นลายลักษณ์อักษรที่ชัดเจนและเป็นขั้นตอน หลักสูตรเริ่มต้นด้วยทฤษฎีพื้นฐานของ perceptrons และสถาปัตยกรรมเครือข่าย (network architecture) จากนั้นจึงเข้าสู่แบบฝึกหัดการเขียนโค้ดเชิงปฏิบัติที่คุณจะได้สร้างแต่ละองค์ประกอบทีละส่วน เราจะสรุปด้วยการฝึกฝนเครือข่ายที่คุณสร้างขึ้นบน dataset หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้น ความคุ้นเคยพื้นฐานกับไวยากรณ์ Python จะเป็นประโยชน์ แต่ไม่จำเป็นต้องมีประสบการณ์ด้าน machine learning หรือคณิตศาสตร์ที่ซับซ้อนมาก่อน เราอธิบายทุกอย่างตั้งแต่หลักการแรกเริ่ม เริ่มต้นการเดินทางของคุณสู่ความเข้าใจพื้นฐานของ deep learning ได้แล้ววันนี้