Deep learning ด้วย tensorflow และ keras

Overview

This course teaches the fundamentals of deep learning using TensorFlow and Keras. The learning outcomes include installing TensorFlow, running code, building single and multilayer neural network models, and understanding deep learning concepts such as activation functions and gradient descent. The course covers TensorFlow basics like constants, variables, and placeholders, as well as Keras basics like dense connected neural networks and saving/loading models. The teaching method involves hands-on coding exercises in Thai language. This course is intended for beginners interested in AI, deep learning, and image recognition using TensorFlow and Keras.

Syllabus

แนะนำกันก่อน ก่อนดู video ชุด tensorflow และ keras ครับ.
แนะนำหนังสือ AI สำหรับผู้เริ่มต้นเรียนรู้.
การเลือกเครื่องคอมพิวเตอร์เพื่อใช้งานในด้าน AI, deep learning.
1.1 ติดตั้ง TensorFlow GPU บน windows 10 ครับ (เก่าแล้วนะครับ).
1.1.1 ติดตั้ง TensorFlow CPU บน windows 10 ครับ (เก่าแล้วนะครับ).
ติดตั้ง Tensorflow 2.0.0 บน anaconda และทำให้สามารถใช้คำสั่งของ Tenserflow 1.0 ได้ (update 2019).
ทดลอง run code ของ Tenserflow 1.0 บน Tenserflow 2.0 (update 2019).
1.2 ทดลองการทำงานของ keras และ Tensorflow.
1.3 single layer perceptron model with tensorflow (ภาษาไทย).
1.4 Multilayer perceptron model with tensorflow (ภาษาไทย).
1.5 Multilayer deep convolutional neural network with tensorflow (ภาษาไทย).
1.6 Multilayer deep convolutional neural network with keras (ภาษาไทย).
1.7 Multilayer deep convolutional neural network for real life image with tensorflow (ภาษาไทย).
1.8 Multilayer deep convolutional neural network for real life image with keras (ภาษาไทย).
2.1 สอนพื้นฐาน tensorflow (Constant, Variable, placeholder, tensor) ภาษาไทย.
2.2 สอนพื้นฐานTensorFlow (Operation, Session, MultiGPU) ภาษาไทย.
2.3 สอนพื้นฐาน tensorflow (Save, Restore model) ภาษาไทย.
2.4 สอนพื้นฐาน Keras ด้วย tensorflow backend (Dense connected neural network) ภาษาไทย.
2.5 สอนพื้นฐาน Keras ด้วย tensorflow backend (save and load model) ภาษาไทย.
3.1 สอนพื้นฐาน Deep learning ด้วย tensorflow (Deep learning concept) ภาษาไทย.
3.2 สอนพื้นฐาน Deep learning ด้วย tensorflow (Single neuron) ภาษาไทย.
3.3 สอนพื้นฐาน Deep learning ด้วย tensorflow (activation function) ภาษาไทย.
3.4 สอนพื้นฐาน Deep learning ด้วย tensorflow (gradient descent ช่วงที่ 1) ภาษาไทย.
3.5 สอนพื้นฐาน Deep learning ด้วย tensorflow (ใช้ single neuron เพื่อแก้ปัญหา regression) ภาษาไทย.
3.6สอนพื้นฐาน Deep learning ด้วย tensorflow (ใช้ single neuron เพื่อแก้ปัญหา classification) ภาษาไทย.
4.1สอน Deep learning ระดับกลางด้วย tensorflow (Feedforward network concept,softmax function) ภาษาไทย.
4.2สอน Deep learning ระดับกลางด้วย tensorflow (เริ่มเขียน Deep neural network) ภาษาไทย reupload V2.
4.3 สอน Deep learning ระดับกลาง ด้วย tensorflow (Gradient descent variation) ภาษาไทย.
4.4 สอน Deep learning ระดับกลาง ด้วย tensorflow (Weight Initialization) ภาษาไทย.
4.5 สอน Deep learning ระดับกลาง ด้วย tensorflow (Overfitting) ภาษาไทย.
4.6 สอน Deep learning ระดับกลาง ด้วย tensorflow (L2 regularization) ภาษาไทย.
4.6.1 ตอบคำถาม L2 regularization " หลังจากมีการคำนวนL2REG แล้วทำไมต้อง ทำการReduce Mean อีกรอบครับ".
4.7 สอน Deep learning ระดับกลาง ด้วย tensorflow (L1 regularization) ภาษาไทย.
4.7.1 ตอบคำถาม L2,L1 regularization "ทำไม regularization จึงไม่ทำที่ bias ครับ ทำแต่ที่ weight ครับ".
4.8 สอน Deep learning ระดับกลาง ด้วย tensorflow (Dropout) ภาษาไทย.
4.9 สอน Deep learning ระดับกลาง ด้วย tensorflow (Early stopping) ภาษาไทย.
4.10 สอน Deep learning ระดับกลาง ด้วย tensorflow (สรุป Regularization) ภาษาไทย.
5.1 สอน Deep learning ระดับสูง (Gradient descent optimization, Momentum optimizer) ภาษาไทย.
5.2 สอน Deep learning ระดับสูง (Nesterov accelerated gradient) ภาษาไทย.
5.3 สอน Deep learning ระดับสูง (Gradient descent optimization, AdagradOptimizer) ภาษาไทย.
5.4 สอน Deep learning ระดับสูง (Gradient descent optimization, RMSprop, Adadelta) ภาษาไทย.
5.5 สอน Deep learning ระดับสูง (สรุป Gradient descent optimization ก่อนขึ้น ADAM) ภาษาไทย.
5.6 สอน Deep learning ระดับสูง (Gradient descent optimization, Adam optimizer) ภาษาไทย.
5.7 สอน Deep learning ระดับสูง (แนวทางการแก้ bug neural network) ภาษาไทย.
5.8 สอน Deep learning ระดับสูง (การพัฒนา optimizer ด้วยตนเอง ตอน 1) ภาษาไทย.
5.9 สอน Deep learning ระดับสูง (การพัฒนา optimizer ด้วยตนเอง ตอน 2) ภาษาไทย.