Learn Machine Learning & AI
star
ការវាយតម្លៃ 515
គ្រប់គ្នា
info
10 ពាន់+
ការទាញយក
គ្រប់គ្នា
ស្វែងយល់បន្ថែម
អំពីកម្មវិធីនេះ
រៀន Machine Learning & AI គឺជាវគ្គសិក្សាដែលមានរចនាសម្ព័ន្ធដែលនាំអ្នកពី "អ្វីទៅជាការរៀនម៉ាស៊ីន" រហូតដល់ការយល់ដឹងអំពីក្បួនដោះស្រាយនៅពីក្រោយបញ្ញាសិប្បនិម្មិតទំនើប ក្នុងមេរៀនខ្លីៗដែលអ្នកអាចអាននៅលើទូរស័ព្ទរបស់អ្នក។
មិនតម្រូវឱ្យមានបទពិសោធន៍ AI ពីមុនមកទេ។ ប្រសិនបើអ្នកអាចធ្វើតាមពិជគណិតមូលដ្ឋាន និង Python បន្តិចបន្តួច អ្នកអាចធ្វើតាមវគ្គសិក្សានេះ។
អ្វីដែលអ្នកនឹងរៀន
មូលដ្ឋានគ្រឹះនៃការរៀនម៉ាស៊ីន
តើការរៀនម៉ាស៊ីនជាអ្វី របៀបដែលវាខុសពីការសរសេរកម្មវិធីបែបប្រពៃណី លំហូរការងារនៃការរៀនម៉ាស៊ីន ទិន្នន័យបណ្តុះបណ្តាល និងសាកល្បង ការបំពេញលើស ការបំពេញលើស ភាពលំអៀង និងភាពប្រែប្រួល និងរបៀបដែលគំរូត្រូវបានវាយតម្លៃ។
ការរៀនដែលមានការត្រួតពិនិត្យ
តំរែតំរង់លីនេអ៊ែរ តំរែតំរង់ឡូជីស្ទីក ដើមឈើសម្រេចចិត្ត ព្រៃចៃដន្យ ម៉ាស៊ីនវ៉ិចទ័រគាំទ្រ អ្នកជិតខាងដែលនៅជិតបំផុត k និង Bayes ដែលមិនចេះនិយាយ ដែលនីមួយៗមានវិចារណញាណនៅពីក្រោយវា និងកន្លែងដែលវាត្រូវបានប្រើប្រាស់។
ការរៀនដែលមិនបានត្រួតពិនិត្យ
K មានន័យថាការដាក់ជាក្រុម ការដាក់ជាក្រុមឋានានុក្រម ការកាត់បន្ថយវិមាត្រ ការវិភាគសមាសធាតុចម្បង និងការរកឃើញភាពមិនប្រក្រតី។
ការរៀនសូត្រស៊ីជម្រៅ និងបណ្តាញសរសៃប្រសាទ
Perceptrons មុខងារធ្វើឱ្យសកម្ម ការរីករាលដាលត្រឡប់មកវិញ បណ្តាញសរសៃប្រសាទ convolutional សម្រាប់រូបភាព បណ្តាញដដែលៗ និង LSTMs សម្រាប់លំដាប់ និងការណែនាំអំពីឧបករណ៍បំលែង។
ការរៀនសូត្រពង្រឹង
ភ្នាក់ងារ បរិស្ថាន រង្វាន់ ការរៀនសូត្រ Q និងវិធីសាស្រ្តផ្អែកលើគោលនយោបាយត្រូវបានពន្យល់ដោយមិនចាំបាច់គណិតវិទ្យាធ្ងន់។
ដំណើរការភាសាធម្មជាតិ
Tokenization ការបង្កប់ ការវិភាគអារម្មណ៍ និងរបៀបដែលគំរូភាសាធំៗត្រូវបានបង្កើតឡើងនៅលើកំពូលនៃគំនិតទាំងនេះ។
ឧបករណ៍ និងបណ្ណាល័យ
កន្លែងដែល Python, TensorFlow, Keras, scikit learn, NumPy និង Pandas សមនឹងលំហូរការងាររៀនម៉ាស៊ីនពិតប្រាកដ។
ការរៀនសូត្រម៉ាស៊ីនអនុវត្ត
របៀបដែលវិធីសាស្រ្តទាំងនេះត្រូវបានប្រើប្រាស់ក្នុងការថែទាំសុខភាព ហិរញ្ញវត្ថុ ប្រព័ន្ធអនុសាសន៍ ការរកឃើញការក្លែងបន្លំ ចក្ខុវិស័យកុំព្យូទ័រ និងការព្យាករណ៍។
បង្កើតឡើងសម្រាប់ការរៀននៅលើទូរស័ព្ទ
មេរៀនខ្លីៗ។ ប្រធានបទនីមួយៗត្រូវបានបែងចែកជាផ្នែកដែលអ្នកអាចបញ្ចប់ក្នុងរយៈពេលពីរបីនាទី ដូច្នេះអ្នកអាចធ្វើឱ្យមានវឌ្ឍនភាពនៅក្នុងចន្លោះប្រហោងនៅក្នុងថ្ងៃរបស់អ្នកជាជាងរង់ចាំល្ងាចទំនេរ។
ភាសាធម្មតាជាមុនសិន គណិតវិទ្យាបន្ទាប់។ ក្បួនដោះស្រាយនីមួយៗត្រូវបានពន្យល់ជាពាក្យមុនពេលសញ្ញាណណាមួយលេចឡើង ដូច្នេះអ្នកយល់ពីអ្វីដែលវាធ្វើមុនពេលអ្នកឃើញពីរបៀបដែលវាត្រូវបានសរសេរ។
ស្វែងរកនៅទូទាំងវគ្គសិក្សាទាំងមូល ដូច្នេះអ្នកអាចស្វែងរកពាក្យមួយនៅពេលដែលអ្នកវាយវានៅក្នុងអត្ថបទ ឬការបង្រៀន។
ចំណាំ និងបន្ត ដូច្នេះប្រធានបទវែងមួយនៅតែមានការរំខាន។
ធ្វើបច្ចុប្បន្នភាពជាបន្តបន្ទាប់នៅពេលដែលវាលផ្លាស់ទី។
កម្មវិធីនេះគឺសម្រាប់អ្នកណា
សិស្សដែលកំពុងសិក្សាវគ្គសិក្សារៀនម៉ាស៊ីន បញ្ញាសិប្បនិម្មិត ឬវិទ្យាសាស្ត្រទិន្នន័យ ដែលចង់បានការពន្យល់ទីពីរនៅពេលដែលការបង្រៀនមិនបានមកដល់។
អ្នកអភិវឌ្ឍន៍កម្មវិធីកំពុងផ្លាស់ប្តូរទៅជាវិស្វកម្មរៀនម៉ាស៊ីន ឬវិទ្យាសាស្ត្រទិន្នន័យ។
បេក្ខជនកំពុងរៀបចំសម្រាប់ការសម្ភាសន៍រៀនម៉ាស៊ីន និងវិទ្យាសាស្ត្រទិន្នន័យ ដែលសំណួរភាគច្រើននៅតែអំពីមូលដ្ឋានគ្រឹះ។
អ្នកវិភាគ និងអ្នកជំនាញដែលត្រូវយល់ពីអ្វីដែលប្រព័ន្ធ AI នៅក្នុងឧស្សាហកម្មរបស់ពួកគេកំពុងធ្វើ។
អ្នកណាដែលចង់ដឹងអំពីរបៀបដែលបញ្ញាសិប្បនិម្មិតដំណើរការនៅក្រោមផលិតផលដែលពួកគេប្រើជារៀងរាល់ថ្ងៃ។
ហេតុអ្វីបានជារៀនរៀនម៉ាស៊ីនឥឡូវនេះ
ការរៀនម៉ាស៊ីនបានឈប់ជាជំនាញឯកទេស ហើយបានក្លាយជាផ្នែកមួយនៃមូលដ្ឋានសម្រាប់ការងារបច្ចេកទេស។ ការយល់ដឹងពីរបៀបដែលគំរូត្រូវបានបណ្តុះបណ្តាល ហេតុអ្វីបានជាពួកគេបរាជ័យ និងអ្វីដែលពួកគេអាចធ្វើបាន និងមិនអាចធ្វើបាន ឥឡូវនេះមានប្រយោជន៍ស្ទើរតែគ្រប់តួនាទីបច្ចេកទេសទាំងអស់ — ហើយកាន់តែខ្លាំងឡើងនៅក្នុងតួនាទីមិនមែនបច្ចេកទេស។
វគ្គសិក្សានេះផ្តល់ឱ្យអ្នកនូវការយល់ដឹងនោះក្នុងទម្រង់ដែលអ្នកពិតជានឹងបញ្ចប់៖ មេរៀនខ្លីៗ ភាសាច្បាស់លាស់ គ្មានវីដេអូដើម្បីរក្សាទុក មិនត្រូវការគណនីទេ។
បើកមេរៀនដំបូងរបស់អ្នកនៅថ្ងៃនេះ។
សំណួរ ការកែតម្រូវ ឬប្រធានបទដែលអ្នកចង់បន្ថែម? ផ្ញើអ៊ីមែលទៅ mail@ehsanur.com — យើងធ្វើបច្ចុប្បន្នភាពកម្មវិធីដោយផ្អែកលើអ្វីដែលអ្នករៀនស្នើសុំ។
មិនតម្រូវឱ្យមានបទពិសោធន៍ AI ពីមុនមកទេ។ ប្រសិនបើអ្នកអាចធ្វើតាមពិជគណិតមូលដ្ឋាន និង Python បន្តិចបន្តួច អ្នកអាចធ្វើតាមវគ្គសិក្សានេះ។
អ្វីដែលអ្នកនឹងរៀន
មូលដ្ឋានគ្រឹះនៃការរៀនម៉ាស៊ីន
តើការរៀនម៉ាស៊ីនជាអ្វី របៀបដែលវាខុសពីការសរសេរកម្មវិធីបែបប្រពៃណី លំហូរការងារនៃការរៀនម៉ាស៊ីន ទិន្នន័យបណ្តុះបណ្តាល និងសាកល្បង ការបំពេញលើស ការបំពេញលើស ភាពលំអៀង និងភាពប្រែប្រួល និងរបៀបដែលគំរូត្រូវបានវាយតម្លៃ។
ការរៀនដែលមានការត្រួតពិនិត្យ
តំរែតំរង់លីនេអ៊ែរ តំរែតំរង់ឡូជីស្ទីក ដើមឈើសម្រេចចិត្ត ព្រៃចៃដន្យ ម៉ាស៊ីនវ៉ិចទ័រគាំទ្រ អ្នកជិតខាងដែលនៅជិតបំផុត k និង Bayes ដែលមិនចេះនិយាយ ដែលនីមួយៗមានវិចារណញាណនៅពីក្រោយវា និងកន្លែងដែលវាត្រូវបានប្រើប្រាស់។
ការរៀនដែលមិនបានត្រួតពិនិត្យ
K មានន័យថាការដាក់ជាក្រុម ការដាក់ជាក្រុមឋានានុក្រម ការកាត់បន្ថយវិមាត្រ ការវិភាគសមាសធាតុចម្បង និងការរកឃើញភាពមិនប្រក្រតី។
ការរៀនសូត្រស៊ីជម្រៅ និងបណ្តាញសរសៃប្រសាទ
Perceptrons មុខងារធ្វើឱ្យសកម្ម ការរីករាលដាលត្រឡប់មកវិញ បណ្តាញសរសៃប្រសាទ convolutional សម្រាប់រូបភាព បណ្តាញដដែលៗ និង LSTMs សម្រាប់លំដាប់ និងការណែនាំអំពីឧបករណ៍បំលែង។
ការរៀនសូត្រពង្រឹង
ភ្នាក់ងារ បរិស្ថាន រង្វាន់ ការរៀនសូត្រ Q និងវិធីសាស្រ្តផ្អែកលើគោលនយោបាយត្រូវបានពន្យល់ដោយមិនចាំបាច់គណិតវិទ្យាធ្ងន់។
ដំណើរការភាសាធម្មជាតិ
Tokenization ការបង្កប់ ការវិភាគអារម្មណ៍ និងរបៀបដែលគំរូភាសាធំៗត្រូវបានបង្កើតឡើងនៅលើកំពូលនៃគំនិតទាំងនេះ។
ឧបករណ៍ និងបណ្ណាល័យ
កន្លែងដែល Python, TensorFlow, Keras, scikit learn, NumPy និង Pandas សមនឹងលំហូរការងាររៀនម៉ាស៊ីនពិតប្រាកដ។
ការរៀនសូត្រម៉ាស៊ីនអនុវត្ត
របៀបដែលវិធីសាស្រ្តទាំងនេះត្រូវបានប្រើប្រាស់ក្នុងការថែទាំសុខភាព ហិរញ្ញវត្ថុ ប្រព័ន្ធអនុសាសន៍ ការរកឃើញការក្លែងបន្លំ ចក្ខុវិស័យកុំព្យូទ័រ និងការព្យាករណ៍។
បង្កើតឡើងសម្រាប់ការរៀននៅលើទូរស័ព្ទ
មេរៀនខ្លីៗ។ ប្រធានបទនីមួយៗត្រូវបានបែងចែកជាផ្នែកដែលអ្នកអាចបញ្ចប់ក្នុងរយៈពេលពីរបីនាទី ដូច្នេះអ្នកអាចធ្វើឱ្យមានវឌ្ឍនភាពនៅក្នុងចន្លោះប្រហោងនៅក្នុងថ្ងៃរបស់អ្នកជាជាងរង់ចាំល្ងាចទំនេរ។
ភាសាធម្មតាជាមុនសិន គណិតវិទ្យាបន្ទាប់។ ក្បួនដោះស្រាយនីមួយៗត្រូវបានពន្យល់ជាពាក្យមុនពេលសញ្ញាណណាមួយលេចឡើង ដូច្នេះអ្នកយល់ពីអ្វីដែលវាធ្វើមុនពេលអ្នកឃើញពីរបៀបដែលវាត្រូវបានសរសេរ។
ស្វែងរកនៅទូទាំងវគ្គសិក្សាទាំងមូល ដូច្នេះអ្នកអាចស្វែងរកពាក្យមួយនៅពេលដែលអ្នកវាយវានៅក្នុងអត្ថបទ ឬការបង្រៀន។
ចំណាំ និងបន្ត ដូច្នេះប្រធានបទវែងមួយនៅតែមានការរំខាន។
ធ្វើបច្ចុប្បន្នភាពជាបន្តបន្ទាប់នៅពេលដែលវាលផ្លាស់ទី។
កម្មវិធីនេះគឺសម្រាប់អ្នកណា
សិស្សដែលកំពុងសិក្សាវគ្គសិក្សារៀនម៉ាស៊ីន បញ្ញាសិប្បនិម្មិត ឬវិទ្យាសាស្ត្រទិន្នន័យ ដែលចង់បានការពន្យល់ទីពីរនៅពេលដែលការបង្រៀនមិនបានមកដល់។
អ្នកអភិវឌ្ឍន៍កម្មវិធីកំពុងផ្លាស់ប្តូរទៅជាវិស្វកម្មរៀនម៉ាស៊ីន ឬវិទ្យាសាស្ត្រទិន្នន័យ។
បេក្ខជនកំពុងរៀបចំសម្រាប់ការសម្ភាសន៍រៀនម៉ាស៊ីន និងវិទ្យាសាស្ត្រទិន្នន័យ ដែលសំណួរភាគច្រើននៅតែអំពីមូលដ្ឋានគ្រឹះ។
អ្នកវិភាគ និងអ្នកជំនាញដែលត្រូវយល់ពីអ្វីដែលប្រព័ន្ធ AI នៅក្នុងឧស្សាហកម្មរបស់ពួកគេកំពុងធ្វើ។
អ្នកណាដែលចង់ដឹងអំពីរបៀបដែលបញ្ញាសិប្បនិម្មិតដំណើរការនៅក្រោមផលិតផលដែលពួកគេប្រើជារៀងរាល់ថ្ងៃ។
ហេតុអ្វីបានជារៀនរៀនម៉ាស៊ីនឥឡូវនេះ
ការរៀនម៉ាស៊ីនបានឈប់ជាជំនាញឯកទេស ហើយបានក្លាយជាផ្នែកមួយនៃមូលដ្ឋានសម្រាប់ការងារបច្ចេកទេស។ ការយល់ដឹងពីរបៀបដែលគំរូត្រូវបានបណ្តុះបណ្តាល ហេតុអ្វីបានជាពួកគេបរាជ័យ និងអ្វីដែលពួកគេអាចធ្វើបាន និងមិនអាចធ្វើបាន ឥឡូវនេះមានប្រយោជន៍ស្ទើរតែគ្រប់តួនាទីបច្ចេកទេសទាំងអស់ — ហើយកាន់តែខ្លាំងឡើងនៅក្នុងតួនាទីមិនមែនបច្ចេកទេស។
វគ្គសិក្សានេះផ្តល់ឱ្យអ្នកនូវការយល់ដឹងនោះក្នុងទម្រង់ដែលអ្នកពិតជានឹងបញ្ចប់៖ មេរៀនខ្លីៗ ភាសាច្បាស់លាស់ គ្មានវីដេអូដើម្បីរក្សាទុក មិនត្រូវការគណនីទេ។
បើកមេរៀនដំបូងរបស់អ្នកនៅថ្ងៃនេះ។
សំណួរ ការកែតម្រូវ ឬប្រធានបទដែលអ្នកចង់បន្ថែម? ផ្ញើអ៊ីមែលទៅ mail@ehsanur.com — យើងធ្វើបច្ចុប្បន្នភាពកម្មវិធីដោយផ្អែកលើអ្វីដែលអ្នករៀនស្នើសុំ។
វគ្គសិក្សាអំពីការរៀនម៉ាស៊ីន៖ បញ្ញាសិប្បនិម្មិត (AI) ការរៀនស៊ីជម្រៅ បណ្តាញសរសៃប្រសាទ និងវិទ្យាសាស្ត្រទិន្នន័យ
បានដំឡើងកំណែនៅ
សុវត្ថិភាពចាប់ផ្ដើមពីការយល់ដឹងអំពីរបៀបដែលអ្នកអភិវឌ្ឍន៍ប្រមូល និងចែករំលែកទិន្នន័យរបស់អ្នក។ ការអនុវត្តចំពោះសន្តិសុខ និងឯកជនភាពទិន្នន័យអាចខុសគ្នាទៅតាមការប្រើប្រាស់ តំបន់ និងអាយុរបស់អ្នក។ អ្នកអភិវឌ្ឍន៍បានផ្ដល់ព័ត៌មាននេះ និងអាចធ្វើបច្ចុប្បន្នភាពវានៅពេលខាងមុខ។
- មិនចែករំលែកទិន្នន័យជាមួយភាគីទីបីឡើយស្វែងយល់បន្ថែមអំពីរបៀបដែលអ្នកអភិវឌ្ឍន៍ប្រកាសអំពីការចែករំលែកទិន្នន័យ
- មិនប្រមូលទិន្នន័យឡើយស្វែងយល់បន្ថែមអំពីរបៀបដែលអ្នកអភិវឌ្ឍន៍ប្រកាសអំពីការប្រមូលទិន្នន័យ
ការដាក់ផ្កាយ និងមតិវាយតម្លៃ
ការវាយតម្លៃ 492
គ្រប់គ្នា
ស្វែងយល់បន្ថែមជំនួយកម្មវិធី
អំពីអ្នកអភិវឌ្ឍន៍
Shekh Ehsanur Rahman
pit.service.co@gmail.com
House No. 58, baliyapukur, Siroil Mothpukur,
Ghoramara, Boalia, Rajshahi City Corporation
Rajshahi 6100
Bangladesh
