ข้อมูลทรัพยากร

     เนื้อหาเชิงลึกในเล่มเต็มไปด้วยเทคนิคที่หาอ่านจากเล่มอื่นได้ยาก ครอบคลุมวิทยาการล่าสุดไม่ว่าจะเป็น Attention และ Transformer ซึ่งเป็นรากฐานของ ChatGPT ของ OpenAI และ Bard ของ Google, GAN โมเดลเรียนรู้จากฝ่ายตรงข้ามซึ่งเทรนด์ใหม่มาแรง, Diffusion Model ที่เป็นรากฐานให้กับ DALL-E 2 เนรมิตงานศิลป์ จินตนาการจากคำบรรยาย และที่ฮือฮาไปทั่วโลก Reinforcement Model ที่เป็นรากฐานของเกม AlphaGo และ AlphaZero ที่โค่นแชมป์โลก หมากล้อมและหมากรุก 
    เหมาะสำหรับใช้เป็นคู่มือเพิ่มไอเดียและประสบการณ์ระดับสูงให้กับนักพัฒนา นักวิจัยและผู้สนใจทั่วไปที่ต้องการสร้างโปรเจกต์ ML ที่ล้ำหน้า พร้อมทั้งอธิบายสมการคณิตศาสตร์และทฤษฎีที่สำคัญ ช่วยให้ศึกษาต่อหรือเรียนรู้งานวิจัยทั่วโลกได้ง่ายขึ้น โดยใช้ภาษา Python และเฟรมเวิร์คยอดนิยมที่พร้อมสำหรับงานจริง อย่างเช่น Scikit-Learn, Keras และ TensorFlow
    - ลองใช้ Scikit-Learn สร้างโปรเจกต์ ML ตั้งแต่เริ่มจนจบ ใช้ Keras และ TensorFlow เพื่อฝึกและคาดการณ์แบบกระจายงานบนหลาย GPU หรือหลายเซิร์ฟเวอร์ ทดลอง การทำงานทั้งบนเครื่องส่วนตัวและบนคลาวด์    
    - สำรวจโมเดลมากมาย เช่น Support Vector Machine, Decision Tree, Random Forest และกลุ่มโมเดล (ensemble)
    - ใช้ประโยชน์จากเทคนิคการเรียนรู้แบบไม่มีผู้สอน เช่น การลดมิติ (dimensionality reduction), การจัดกลุ่ม (clustering) และการตรวจจับความผิดปกติ (anomaly detection)    
    - ลงลึกสถาปัตยกรรมทันสมัยล่าสุด GAN: Generative Adversarial Networks, Autoencoders, Diffusion Models และ Transformers ที่กำลังเป็นกระแสจาก ChatGPT
    - ใช้ TensorFlow และ Keras เพื่อสร้างและฝึกนิวรอลเน็ตสำหรับคอมพิวเตอร์วิชั่น, การประมวลผลภาษาธรรมชาติ, เจนเนอเรทีฟโมเดล และดีฟ-รีอินฟอร์ซเมนต์เลิร์นนิ่ง