วิดีโอสรุป

Deep Learning เบื้องต้นด้วย PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

สรุป

  • บทที่ 1

    • ทำความรู้จัก deep learning
    • สร้าง neural network ขนาดเล็ก
    • เรียนรู้ linear layer

  • บทที่ 2

    • ใช้ฟังก์ชัน loss และ activation
    • คำนวณอนุพันธ์
    • ใช้ backpropagation

  • บทที่ 3

    • ฝึก neural network
    • ทดลองปรับ learning rate และ momentum
    • เรียนรู้ผลกระทบของพารามิเตอร์เหล่านั้น

  • บทที่ 4

    • กลยุทธ์ในการปรับปรุงโมเดล
    • ลด overfitting
    • ประเมินประสิทธิภาพของโมเดล
Deep Learning เบื้องต้นด้วย PyTorch

ขั้นตอนต่อไป

Deep Learning เบื้องต้นด้วย PyTorch

โชคดี!

Deep Learning เบื้องต้นด้วย PyTorch

Preparing Video For Download...