Learn TensorFlow

Softecks

មាន​ការផ្សាយ​ពាណិជ្ជកម្ម

អំពី​កម្មវិធីនេះ

សូមស្វាគមន៍មកកាន់កម្មវិធីសិក្សា TensorFlow ដ៏ល្អឥតខ្ចោះ—ជាឯកសារយោងអប់រំ និងជាមគ្គុទ្ទេសក៍របស់អ្នកក្នុងការធ្វើជាម្ចាស់លើក្របខ័ណ្ឌសិក្សាម៉ាស៊ីនប្រភពបើកចំហដ៏ពេញនិយមបំផុតមួយរបស់ពិភពលោក។ មិនថាអ្នកជាអ្នកចាប់ផ្តើមដំបូងដែលកំពុងបោះជំហានដំបូងចូលទៅក្នុងវិទ្យាសាស្ត្រទិន្នន័យ ឬវិស្វករកម្រិតមធ្យមដែលមានគោលបំណងធ្វើឱ្យប្រសើរឡើងនូវគំរូសិក្សាស៊ីជម្រៅនោះទេ កម្មវិធីនេះផ្តល់នូវផ្លូវដែលមានរចនាសម្ព័ន្ធទៅកាន់ការរៀន TensorFlow។

📱 ស្ថាបត្យកម្មអប់រំ DUAL-HUB
បរិស្ថានរបស់យើងត្រូវបានបែងចែកជាពីរម៉ូឌុលចម្បងដែលភ្ជាប់ទ្រឹស្តី និងការប្រតិបត្តិ៖
1. ផ្ទាំងសិក្សា៖ ស្វែងយល់ស៊ីជម្រៅអំពីគោលគំនិតបញ្ញាសិប្បនិម្មិតជាមូលដ្ឋាន មូលដ្ឋានគ្រឹះគណិតវិទ្យា ស្ថាបត្យកម្មគំរូ និងការបង្កើនប្រសិទ្ធភាពការបណ្តុះបណ្តាល។
2. ផ្ទាំងរបៀបធ្វើ៖ ការប្រមូលផ្តុំដ៏រឹងមាំនៃការបង្រៀនជាក់ស្តែងដែលបង្ហាញពីវាក្យសម្ព័ន្ធ ការដំឡើង និងភារកិច្ចសិក្សាស៊ីជម្រៅក្នុងពិភពពិត។

📚 កម្មវិធីសិក្សាទ្រឹស្តីដ៏ទូលំទូលាយ
ស្វែងយល់ពីបណ្ណាល័យនៃប្រធានបទទ្រឹស្តីដែលបានរៀបចំឡើងដើម្បីបង្កើតចំណេះដឹងសិក្សាម៉ាស៊ីនរបស់អ្នក៖
• មូលដ្ឋានគ្រឹះ៖ យល់ពីអ្វីដែល TensorFlow ជាអ្វី ប្រវត្តិរបស់វា និងរបៀបដែលវាសមនឹងប្រព័ន្ធអេកូឡូស៊ីសិក្សាស៊ីជម្រៅ។
• មូលដ្ឋានគ្រឹះ៖ យល់អំពីមូលដ្ឋានគ្រឹះ AI សំខាន់ៗ យល់ពី Tensor និងស្វែងយល់ពីគោលគំនិតគណិតវិទ្យាដែលគាំទ្រ TensorFlow។
• ការដំឡើង៖ រៀនដំឡើង TensorFlow នៅលើប្រព័ន្ធផ្សេងៗ ប្រើប្រាស់ API និងយល់ពីយុទ្ធសាស្ត្រចែកចាយ។
• ស្ថាបត្យកម្ម៖ ការផ្លាស់ប្តូរពី Perceptron មូលដ្ឋានទៅបណ្តាញសរសៃប្រសាទ Convolutional (CNNs) កម្រិតខ្ពស់ បណ្តាញសរសៃប្រសាទកើតឡើងវិញ (RNNs) និងការបង្កប់។
• ការបង្កើនប្រសិទ្ធភាព៖ ស្វែងយល់ពីមេកានិចបណ្តុះបណ្តាលគំរូ។ យល់ពីមុខងារបាត់បង់ ឧបករណ៍បង្កើនប្រសិទ្ធភាព ការតំរែតំរង់ និងការតាមដានការពិសោធន៍។

💻 ការណែនាំអំពីការអនុវត្តជាក់ស្តែង
ការផ្លាស់ប្តូរពីទ្រឹស្តីទៅការអនុវត្តជាមួយនឹងការបង្រៀនប្រតិបត្តិយ៉ាងទូលំទូលាយរបស់យើង៖
• ការដំឡើងដំបូង៖ ការណែនាំជាជំហានៗដើម្បីដំឡើង TensorFlow និងប្រើប្រាស់ Google Colab ប្រកបដោយប្រសិទ្ធភាពសម្រាប់ការហ្វឹកហាត់ Cloud ដែលអាចធ្វើមាត្រដ្ឋានបាន។
• បណ្តាញមូលដ្ឋាន៖ បង្កើត និងបណ្តុះបណ្តាលបណ្តាញសរសៃប្រសាទដំបូងរបស់អ្នកជាមួយនឹងសំណុំទិន្នន័យសាមញ្ញៗពីដំបូង។
• ដំណើរការទិន្នន័យ៖ បង្កើតបំពង់ទិន្នន័យប្រកបដោយប្រសិទ្ធភាពដោយប្រើ TensorFlow Data API ដើម្បីផ្ទុក និងដំណើរការសំណុំទិន្នន័យជាមុន។
• ការកសាងគំរូ៖ អនុវត្តបណ្តាញ feedforward (MLP)។ បង្កើតគំរូ CNN សម្រាប់ការទទួលស្គាល់រូបភាព និង RNN សម្រាប់អត្ថបទ ឬស៊េរីពេលវេលា។
• ការមើលឃើញ៖ តាមដានរង្វាស់ដំណើរការគំរូ និងមើលឃើញវឌ្ឍនភាពបណ្តុះបណ្តាលដោយប្រើឧបករណ៍ឧស្សាហកម្ម។
• ការរៀនសូត្រផ្ទេរ៖ រក្សាទុក ផ្ទុក និងប្រើប្រាស់គំរូឡើងវិញ។ ប្រើគំរូដែលបានបណ្តុះបណ្តាលជាមុន ដើម្បីបង្កើនល្បឿនលទ្ធផលរបស់អ្នក និងបង្កើនភាពត្រឹមត្រូវ។
• បច្ចេកទេសកម្រិតខ្ពស់៖ បង្កើនភាពចម្រុះនៃសំណុំទិន្នន័យជាមួយនឹងការបង្កើនរូបភាព និងដោះស្រាយការ overfitting ដោយប្រើ dropout regularization។
• គំរូបង្កើត៖ បង្កើត autoencoders សម្រាប់ការកាត់បន្ថយវិមាត្រ និងបណ្តាញប្រឆាំងបង្កើត (GANs) ដើម្បីបង្កើតរូបភាពថ្មី។
• ការដាក់ពង្រាយ៖ ដាក់ពង្រាយគំរូដែលបានបណ្តុះបណ្តាលនៅក្នុងផលិតកម្ម។ នាំចេញគំរូជាមួយ TFX និងបង្កើនប្រសិទ្ធភាពដោយប្រើ quantization និងការកាត់ចេញ។
• ការបំបាត់កំហុស៖ ប្រើឧបករណ៍បំបាត់កំហុស និង profilers ដំណើរការ និងរួមបញ្ចូល TensorFlow ជាមួយបណ្ណាល័យ Python ផ្សេងទៀត។

🎯 អ្នករៀនគោលដៅ និងអត្ថប្រយោជន៍អប់រំ
• អ្នកវិទ្យាសាស្ត្រទិន្នន័យដែលមានមហិច្ឆតា និងវិស្វកររៀនម៉ាស៊ីនដែលត្រូវការមគ្គុទ្ទេសក៍អប់រំជាមូលដ្ឋាន។
• អ្នកអភិវឌ្ឍន៍កម្មវិធីដែលរួមបញ្ចូលសមត្ថភាពបញ្ញាសិប្បនិម្មិតទៅក្នុងកម្មវិធីទំនើប។
• និស្សិតវិទ្យាសាស្ត្រកុំព្យូទ័រ និងអ្នកសរសេរកម្មវិធីដែលរៀនដោយខ្លួនឯង ដែលកំពុងស្វែងរកឯកសារយោងដែលមានរចនាសម្ព័ន្ធសម្រាប់ប្រធានបទ AI។
• អត្ថប្រយោជន៍៖ សូមរីករាយជាមួយកម្មវិធីសិក្សាដែលរៀបចំដោយឡូជីខល ឧទាហរណ៍វាក្យសម្ព័ន្ធជាក់ស្តែង និងឃ្លាំងទិន្នន័យដ៏ធំទូលាយមួយដែលភ្ជាប់ទ្រឹស្តីជាមួយនឹងការអនុវត្តជាក់ស្តែង។ កម្មវិធីនេះបម្រើជាដៃគូចុងក្រោយរបស់អ្នកសម្រាប់ការប្រឡង ឬការសម្ភាសន៍។

🔄 ការអាប់ដេតអប់រំជាប្រចាំ
យើងចេញផ្សាយការអាប់ដេតទូទៅជាប្រចាំ ដើម្បីបង្កើនសម្ភារៈសិក្សា កែលម្អការបង្រៀនការរៀនម៉ាស៊ីន និងធានាថាខ្លឹមសារស្របតាមស្តង់ដារឧស្សាហកម្ម។ ការអាប់ដេតជាប្រចាំទាំងនេះក៏ផ្តោតលើការបង្កើនប្រសិទ្ធភាពដំណើរការកម្មវិធី ការជួសជុលកំហុសតូចតាច និងធានាបាននូវស្ថេរភាពវេទិកាសម្រាប់ដំណើរសិក្សាដ៏រលូន និងមិនមានការរំខាន។

អ្វី​ដែល​ថ្មី

App contents re-structured
How to Section added
App Stability & Design Improvements