พื้นฐาน Generative Deep Learning ด้วย TensorFlow

Generative deep learning กำลังเปลี่ยนแปลงวิธีการที่เราโต้ตอบกับเทคโนโลยี ทำให้เครื่องจักรสามารถสร้างภาพ สไตล์ และรูปแบบข้อมูลใหม่ทั้งหมดได้ หลักสูตรนี้จะนำคุณไปสู่หลักการสำคัญของโมเดลเชิงกำเนิด (generative models) โดยใช้เฟรมเวิร์ก TensorFlow อันทรงพลัง ด้วยการศึกษาคำอธิบายที่มีโครงสร้างของเราและการวิเคราะห์การใช้งานโค้ดที่ชัดเจน คุณจะเปลี่ยนจากการทำความเข้าใจโครงข่ายประสาทเทียมพื้นฐาน (basic neural networks) ไปสู่การสร้างระบบที่สามารถสังเคราะห์และแปลงข้อมูลภาพได้ คุณจะได้รับความคุ้นเคยเชิงปฏิบัติกับสถาปัตยกรรมของโมเดลเชิงกำเนิด ทำให้คุณสามารถนำเทคนิคเหล่านี้ไปใช้กับงานประมวลผลภาพในโลกแห่งความเป็นจริงได้ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจแนวคิดหลักของการสร้างแบบจำลองเชิงกำเนิด (generative modeling) และความแตกต่างจากโมเดลเชิงจำแนก (discriminative models) - สร้างและกำหนดค่า autoencoders เพื่อบีบอัด สร้างใหม่ และลดสัญญาณรบกวน (de-noise) ชุดข้อมูลภาพ - เปรียบเทียบสถาปัตยกรรม deep neural network และ convolutional สำหรับการสร้างภาพใหม่ - ประยุกต์ใช้ neural style transfer โดยใช้ transfer learning เพื่อผสมผสานเนื้อหาของภาพหนึ่งเข้ากับสไตล์ศิลปะของอีกภาพหนึ่ง - ใช้แนวทางปฏิบัติของ TensorFlow สมัยใหม่ รวมถึง Keras functional API และ custom training loops เพื่อควบคุมกระบวนการสร้าง หลักสูตรเริ่มต้นด้วยคำจำกัดความที่จำเป็นและแนวคิดพื้นฐานของ machine learning ก่อนที่จะเข้าสู่การแนะนำโค้ดทีละขั้นตอนสำหรับ autoencoders และ style transfer คุณจะได้สำรวจวิธีการจัดโครงสร้างไปป์ไลน์การฝึกอบรมและประเมินผลลัพธ์เชิงกำเนิดอย่างมีประสิทธิภาพ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นใน deep learning ที่มีความรู้พื้นฐานเกี่ยวกับ Python และต้องการเข้าสู่สาขา generative AI ไม่จำเป็นต้องมีข้อกำหนดเบื้องต้นขั้นสูง เริ่มอ่านวันนี้เพื่อปลดล็อกศักยภาพเชิงสร้างสรรค์ของ deep learning