ข้ามไปที่เนื้อหาหลัก
  • Machine Learning
แนวคิด ML
  • บทนำ
  • ข้อมูลเบื้องต้นเกี่ยวกับ ML
  • โมเดล ML
  • การถดถอยเชิงเส้น
  • การถดถอยแบบโลจิสติก
  • การจัดประเภท
  • ข้อมูล
  • การทำงานกับข้อมูลตัวเลข
  • การทำงานกับข้อมูลเชิงหมวดหมู่
  • ชุดข้อมูล การทั่วไป และการปรับให้พอดีมากเกินไป
  • โมเดล ML ขั้นสูง
  • โครงข่ายประสาทเทียม
  • การฝัง
  • ข้อมูลเบื้องต้นเกี่ยวกับโมเดลภาษาขนาดใหญ่
  • ML ในชีวิตจริง
  • ระบบ ML เวอร์ชันที่ใช้งานจริง
  • แมชชีนเลิร์นนิงอัตโนมัติ
  • ความยุติธรรม
หลักสูตรพื้นฐาน หลักสูตรขั้นสูง คำแนะนำ อภิธานศัพท์
  • ข้อกำหนดทั้งหมด
  • การเป็นตัวแทน
  • การคลัสเตอร์
  • Decision Forest
  • พื้นฐาน
  • GCP
  • Generative AI
  • เมตริก
  • Responsible AI
  • TensorFlow
/
  • English
  • Deutsch
  • Español
  • Español – América Latina
  • Français
  • Indonesia
  • Italiano
  • Polski
  • Português – Brasil
  • Tiếng Việt
  • Türkçe
  • Русский
  • Українська
  • עברית
  • العربيّة
  • فارسی
  • हिंदी
  • বাংলা
  • ภาษาไทย
  • 中文 – 简体
  • 中文 – 繁體
  • 日本語
  • 한국어
ลงชื่อเข้าใช้
  • แนวคิด ML
หน้าแรก หลักสูตรเร่งรัด
  • Machine Learning
  • แนวคิด ML
    • เพิ่มเติม
    • หน้าแรก
    • หลักสูตรเร่งรัด
  • หลักสูตรพื้นฐาน
  • หลักสูตรขั้นสูง
  • คำแนะนำ
  • อภิธานศัพท์
    • เพิ่มเติม
  • ลิงก์แบบรวดเร็ว
  • สิ่งที่ต้องดำเนินการก่อน
  • การออกกำลังกาย
  • ศูนย์ช่วยเหลือ
  • โมเดล ML
  • การถดถอยเชิงเส้น (80 นาที)
    • การถดถอยเชิงเส้น (10 นาที)
    • แพ้ (10 นาที)
    • แบบฝึกหัดแบบอินเทอร์แอกทีฟ: พารามิเตอร์ (5 นาที)
    • การลดค่าเชิงกริด (10 นาที)
    • ไฮเปอร์พารามิเตอร์ (10 นาที)
    • แบบฝึกหัดแบบอินเทอร์แอกทีฟ: การลดค่าการลาด (5 นาที)
    • แบบฝึกหัดการเขียนโปรแกรม (20 นาที)
    • ทดสอบความรู้ (10 นาที)
    • ขั้นตอนถัดไป
  • การถดถอยแบบโลจิสติก (35 นาที)
    • บทนำ (5 นาที)
    • การคำนวณความน่าจะเป็น (10 นาที)
    • การสูญเสียและการปรับให้เหมาะสม (10 นาที)
    • ทดสอบความรู้ (10 นาที)
    • ขั้นตอนถัดไป
  • การจัดประเภท (70 นาที)
    • บทนำ (3 นาที)
    • เกณฑ์และเมทริกซ์ความสับสน (12 นาที)
    • ความแม่นยำ การจดจํา ความแม่นยำ และเมตริกที่เกี่ยวข้อง (15 นาที)
    • ROC และ AUC (10 นาที)
    • ความเบี่ยงเบนของการคาดการณ์ (3 นาที)
    • การจัดประเภทแบบหลายคลาส (2 นาที)
    • การฝึกเขียนโปรแกรม (15 นาที)
    • ทดสอบความรู้ (10 นาที)
    • ขั้นตอนถัดไป
  • ข้อมูล
  • การทำงานกับข้อมูลตัวเลข (85 นาที)
    • บทนำ (3 นาที)
    • วิธีที่โมเดลนำเข้าข้อมูลด้วยเวกเตอร์ลักษณะ (5 นาที)
    • ขั้นตอนแรก (5 นาที)
    • แบบฝึกหัดการเขียนโปรแกรม (10 นาที)
    • การแปลงเป็นรูปแบบมาตรฐาน (20 นาที)
    • การแบ่งกลุ่ม (15 นาที)
    • การเล่นแบบสลับไปมา (5 นาที)
    • คุณภาพของฟีเจอร์ตัวเลขที่ดี (5 นาที)
    • การเปลี่ยนรูปแบบพหุนาม (5 นาที)
    • ทดสอบความรู้ (10 นาที)
    • สรุป (2 นาที)
    • ขั้นตอนถัดไป
  • การทำงานกับข้อมูลเชิงหมวดหมู่ (50 นาที)
    • บทนำ (5 นาที)
    • คําศัพท์และการเข้ารหัสแบบฮอตเวิร์ก (10 นาที)
    • ปัญหาที่พบได้ทั่วไปเกี่ยวกับข้อมูลเชิงหมวดหมู่ (5 นาที)
    • ทางแยก (5 นาที)
    • การออกกำลังกายแบบครอสฟีเจอร์ (15 นาที)
    • ทดสอบความรู้ (10 นาที)
    • ขั้นตอนถัดไป
  • ชุดข้อมูล การทั่วไป และการประมาณที่มากเกินไป (105 นาที)
    • บทนำ (5 นาที)
    • ลักษณะของข้อมูล (10 นาที)
    • ป้ายกำกับ (10 นาที)
    • ชุดข้อมูลที่ไม่สมดุล (10 นาที)
    • การแบ่งชุดข้อมูลเดิม (10 นาที)
    • การเปลี่ยนรูปแบบข้อมูล (5 นาที)
    • การทั่วไป (5 นาที)
    • Overfitting (10 นาที)
    • ความซับซ้อนของโมเดล (10 นาที)
    • Regularization แบบ L2 (10 นาที)
    • การตีความเส้นโค้งการสูญเสีย (10 นาที)
    • ทดสอบความรู้ (10 นาที)
    • ขั้นตอนถัดไป
  • โมเดล ML ขั้นสูง
  • โครงข่ายประสาทเทียม (75 นาที)
    • บทนำ (5 นาที)
    • โหนดและเลเยอร์ที่ซ่อนอยู่ (15 นาที)
    • ฟังก์ชันการเปิดใช้งาน (10 นาที)
    • การฝึกโดยใช้ Backpropagation (10 นาที)
    • แบบฝึกหัดแบบอินเทอร์แอกทีฟ (15 นาที)
    • การจัดประเภทแบบหลายคลาส (10 นาที)
    • ทดสอบความรู้ (10 นาที)
    • ขั้นตอนถัดไป
  • การฝัง (45 นาที)
    • บทนำ (5 นาที)
    • พื้นที่การฝังและการฝังแบบคงที่ (10 นาที)
    • แบบฝึกหัดแบบอินเทอร์แอกทีฟ (15 นาที)
    • การรับข้อมูลการฝัง (15 นาที)
    • ทดสอบความรู้ (10 นาที)
    • ขั้นตอนถัดไป
  • ข้อมูลเบื้องต้นเกี่ยวกับโมเดลภาษาขนาดใหญ่ (45 นาที)
    • โมเดลภาษาคืออะไร (10 นาที)
    • โมเดลภาษาขนาดใหญ่คืออะไร (15 นาที)
    • การปรับแต่ง การปรับให้เหมาะสม และการวิศวกรรมพรอมต์ (10 นาที)
    • ทดสอบความรู้ (10 นาที)
    • ขั้นตอนถัดไป
  • ML ในชีวิตจริง
  • ระบบ ML ที่ใช้งานจริง (80 นาที)
    • บทนำ (2 นาที)
    • การฝึกแบบคงที่กับแบบไดนามิก (10 นาที)
    • การให้เหตุผลแบบคงที่กับแบบไดนามิก (10 นาที)
    • กรณีที่ควรเปลี่ยนรูปแบบข้อมูล (3 นาที)
    • การทดสอบการทำให้ใช้งานได้ (5 นาที)
    • ไปป์ไลน์การตรวจสอบ (25 นาที)
    • คำถามที่ควรถาม (10 นาที)
    • ทดสอบความรู้ (15 นาที)
    • ขั้นตอนถัดไป
  • แมชชีนเลิร์นนิงอัตโนมัติ (30 นาที)