Deep Learning Notes

StudyZoom

ປະກອບ​ມີ​ໂຄ​ສະ​ນາ

ກ່ຽວກັບແອັບນີ້

📘 ບັນທຶກການຮຽນຮູ້ເລິກເຊິ່ງ (ສະບັບ 2025-2026)

📚 The Deep Learning Notes (2025-2026) Edition ເປັນຊັບພະຍາກອນທາງວິຊາການ ແລະພາກປະຕິບັດທີ່ສົມບູນ ເໝາະສຳລັບນັກສຶກສາມະຫາວິທະຍາໄລ, ນັກສຶກສາວິທະຍາໄລ, ສາຂາວິສະວະກຳຊອບແວ, ແລະນັກພັດທະນາທີ່ຕ້ອງການ. ກວມເອົາຫຼັກສູດການຮຽນຮູ້ເລິກທັງໝົດໃນແບບທີ່ມີໂຄງສ້າງ ແລະເປັນມິດກັບນັກຮຽນ, ສະບັບນີ້ລວມເອົາຫຼັກສູດທີ່ສົມບູນກັບ MCQs ແລະແບບສອບຖາມເພື່ອເຮັດໃຫ້ການຮຽນຮູ້ມີປະສິດທິພາບ ແລະມີສ່ວນຮ່ວມ.

ແອັບນີ້ໃຫ້ຄຳແນະນຳເທື່ອລະຂັ້ນຕອນເພື່ອຮຽນຮູ້ແນວຄວາມຄິດອັນເລິກເຊິ່ງ, ເລີ່ມຕົ້ນຈາກພື້ນຖານຂອງການຂຽນໂປຣແກຣມ ແລະ ກ້າວໄປສູ່ຫົວຂໍ້ຂັ້ນສູງເຊັ່ນ: ເຄືອຂ່າຍ convolutional, ເຄືອຂ່າຍ neural ທີ່ເກີດຂຶ້ນຊ້ຳໆ ແລະແບບຈໍາລອງທີ່ມີໂຄງສ້າງ. ແຕ່ລະຫນ່ວຍໄດ້ຖືກອອກແບບຢ່າງລະມັດລະວັງດ້ວຍຄໍາອະທິບາຍ, ຕົວຢ່າງ, ແລະຄໍາຖາມປະຕິບັດເພື່ອສ້າງຄວາມເຂົ້າໃຈແລະກະກຽມນັກຮຽນສໍາລັບການສອບເສັງທາງວິຊາການແລະການພັດທະນາວິຊາຊີບ.

---

🎯 ຜົນການຮຽນ:

- ເຂົ້າໃຈແນວຄວາມຄິດການຮຽນຮູ້ເລິກເຊິ່ງຕັ້ງແຕ່ພື້ນຖານໄປສູ່ການຂຽນໂປລແກລມຂັ້ນສູງ.
- ເສີມ​ຂະ​ຫຍາຍ​ຄວາມ​ຮູ້​ທີ່​ມີ MCQs ຫນ່ວຍ​ບໍ​ລິ​ການ​ສະ​ຫລາດ​ແລະ​ແບບ​ທົດ​ສອບ​.
- ໄດ້ຮັບປະສົບການການຂຽນລະຫັດແບບມື.
- ກະກຽມການສອບເສັງມະຫາວິທະຍາໄລ ແລະ ການສໍາພາດດ້ານວິຊາການຢ່າງມີປະສິດທິພາບ.

---

📂 ໜ່ວຍ ແລະຫົວຂໍ້

🔹 ໜ່ວຍທີ 1: ການແນະນຳການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງ
- ການຮຽນຮູ້ເລິກເຊິ່ງແມ່ນຫຍັງ?
- ແນວໂນ້ມປະຫວັດສາດ
- ການຮຽນຮູ້ເລິກເລື່ອງຄວາມສໍາເລັດ

🔹 ໜ່ວຍທີ 2: Linear Algebra
- Scalars, Vectors, Matrices, ແລະ Tensors
- ການຄູນມາຕຣິກເບື້ອງ
- Eigendecomposition
- ການວິເຄາະອົງປະກອບຫຼັກ

🔹 ໜ່ວຍທີ 3: ຄວາມເປັນໄປໄດ້ ແລະ ທິດສະດີຂໍ້ມູນຂ່າວສານ
- ການແຈກຢາຍຄວາມເປັນໄປໄດ້
- ຄວາມເປັນໄປໄດ້ຂອງຂອບແລະເງື່ອນໄຂ
- ກົດລະບຽບ Bayes
- Entropy ແລະ KL Divergence

🔹 ໜ່ວຍທີ 4: ການຄຳນວນຕົວເລກ
- Overflow ແລະ Underflow
- Gradient-Based optimization
- ການເພີ່ມປະສິດທິພາບທີ່ຖືກຈໍາກັດ
- ຄວາມ​ແຕກ​ຕ່າງ​ອັດ​ຕະ​ໂນ​ມັດ​

🔹 ໜ່ວຍທີ 5: ພື້ນຖານການຮຽນຮູ້ເຄື່ອງຈັກ
- ຂັ້ນຕອນການຮຽນຮູ້
- ຄວາມອາດສາມາດ ແລະ overfitting ແລະ underfitting

🔹 ໜ່ວຍທີ 6: ເຄືອຂ່າຍ Feedforward ທີ່ເລິກເຊິ່ງ
- ສະຖາປັດຕະຍະກໍາຂອງ Neural Networks
- ຟັງຊັນການເປີດໃຊ້ງານ
- ການ​ປະ​ມານ​ທົ່ວ​ໄປ​
- ຄວາມເລິກທຽບກັບຄວາມກວ້າງ

🔹 ໜ່ວຍທີ 7: ການຈັດລະບຽບເພື່ອການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງ
- L1 ແລະ L2 ປົກກະຕິ
- ອອກໂຮງຮຽນ
- ການຢຸດເຊົາກ່ອນໄວອັນຄວນ
- ການ​ເພີ່ມ​ຂໍ້​ມູນ​

🔹 ຫນ່ວຍທີ 8: ການເພີ່ມປະສິດທິພາບສໍາລັບການຝຶກອົບຮົມແບບເລິກ
- Gradient Descent ຕົວແປ
- ຈັງຫວະ
- ອັດຕາການຮຽນຮູ້ແບບປັບຕົວ
- ສິ່ງທ້າທາຍໃນການເພີ່ມປະສິດທິພາບ

🔹 ໜ່ວຍທີ 9 : ເຄືອຄ່າຍ
- ການ​ດໍາ​ເນີນ​ງານ Convolution​
- ຊັ້ນລວມ
- ສະຖາປັດຕະຍະກຳ CNN
- ຄໍາຮ້ອງສະຫມັກໃນວິໄສທັດ

🔹 ໜ່ວຍທີ 10: ການສ້າງແບບຈຳລອງ: ໜໍ່ຊ້ຳ ແລະ ຊ້ຳ
- ເຄືອຂ່າຍ Neural ທີ່ເກີດຂຶ້ນຊ້ຳ
- ຄວາມ​ຊົງ​ຈໍາ​ໄລ​ຍະ​ສັ້ນ​ຍາວ​
- GRU
- ເຄືອຂ່າຍ Neural Recursive

🔹 ໜ່ວຍທີ 11: ວິທີການປະຕິບັດ
- ການປະເມີນປະສິດທິພາບ
- ຍຸດທະສາດການດີບັກ
- ການເພີ່ມປະສິດທິພາບ Hyperparameter
- ຖ່າຍທອດການຮຽນຮູ້

🔹 ໜ່ວຍທີ 12: ການນຳໃຊ້
- ວິໄສທັດຄອມພິວເຕີ
- ການຮັບຮູ້ສຽງເວົ້າ
- ການປຸງແຕ່ງພາສາທໍາມະຊາດ
- ການ​ຫຼິ້ນ​ເກມ​

🔹 ໜ່ວຍທີ 13: ແບບຈຳລອງການຜະລິດແບບເລິກເຊິ່ງ
- ເຄື່ອງເຂົ້າລະຫັດອັດຕະໂນມັດ
- ຕົວປ່ຽນລະຫັດອັດຕະໂນມັດ
- ເຄື່ອງຈັກ Boltzmann ທີ່ຖືກຈໍາກັດ
- ເຄືອຂ່າຍ Adversarial ທົ່ວໄປ

🔹 ໜ່ວຍທີ 14: Linear Factor Models
- PCA ແລະການວິເຄາະປັດໄຈ
- ICA
- ການ​ຂຽນ​ລະ​ຫັດ​ທີ່​ແຕກ​ຕ່າງ​ກັນ​
- ມາຕຣິກເບື້ອງປັດໄຈ

🔹 ໜ່ວຍທີ 15: ຕົວເຂົ້າລະຫັດອັດຕະໂນມັດ
- ເຄື່ອງເຂົ້າລະຫັດອັດຕະໂນມັດພື້ນຖານ
- Denoising Autoencoders
- ເຄື່ອງເຂົ້າລະຫັດອັດຕະໂນມັດຕາມສັນຍາ
- ຕົວປ່ຽນລະຫັດອັດຕະໂນມັດ

🔹 ໜ່ວຍທີ 16: ການຮຽນຮູ້ແບບຕົວແທນ
- ແຈກຢາຍຕົວແທນ
- ການຮຽນຮູ້ Manifold
- ເຄືອຂ່າຍຄວາມເຊື່ອທີ່ເລິກເຊິ່ງ
- ເຕັກນິກການຝຶກຝົນ

🔹 ໜ່ວຍທີ 17: ໂຄງສ້າງແບບຈຳລອງຄວາມເປັນໄປໄດ້ສຳລັບການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງ
- ຕົວແບບກຣາບຟິກແບບຊີ້ທາງ ແລະບໍ່ມີທິດທາງ
- ການ​ປະ​ເມີນ​ໂດຍ​ປະ​ມານ​
- ການຮຽນຮູ້ກັບຕົວແປທີ່ແຝງ

---

🌟ເປັນຫຍັງຕ້ອງເລືອກແອັບນີ້?
- ກວມເອົາຫຼັກສູດການຮຽນຮູ້ເລິກທີ່ສົມບູນໃນຮູບແບບທີ່ມີໂຄງສ້າງທີ່ມີ MCQs, ແລະແບບສອບຖາມສໍາລັບການປະຕິບັດ.
- ເຫມາະ​ສົມ​ສໍາ​ລັບ BS / CS​, BS / IT​, ນັກ​ສຶກ​ສາ​ວິ​ສະ​ວະ​ກໍາ​ຊອບ​ແວ​, ແລະ​ການ​ພັດ​ທະ​ນາ​.
- ສ້າງພື້ນຖານທີ່ເຂັ້ມແຂງໃນການແກ້ໄຂບັນຫາແລະການດໍາເນີນໂຄງການແບບມືອາຊີບ.

---

✍ app ນີ້​ໄດ້​ຮັບ​ການ​ດົນ​ໃຈ​ໂດຍ​ຜູ້​ຂຽນ​:
Ian Goodfellow, Yoshua Bengio, Aaron Courville

📥 ດາວໂຫລດດຽວນີ້!
ຮັບເອົາບັນທຶກການຮຽນຮູ້ເລິກຂອງທ່ານ (2025-2026) ສະບັບມື້ນີ້! ຮຽນ​ຮູ້, ປະ​ຕິ​ບັດ, ແລະ​ຕົ້ນ​ສະ​ບັບ​ແນວ​ຄວາມ​ຄິດ​ການ​ຮຽນ​ຮູ້​ເລິກ​ໃນ​ທາງ​ທີ່​ມີ​ໂຄງ​ສ້າງ, ຮັດ​ກຸມ​ການ​ສອບ​ເສັງ, ແລະ​ເປັນ​ມື​ອາ​ຊີບ.

ມີຫຍັງໃໝ່

🚀 Initial Launch of Deep Learning Notes

✨ What’s Inside:
✅ Complete syllabus covering deep learning fundamentals
✅ Interactive MCQs & quizzes for self-assessment
✅ Perfect for students & developers who want to master the subject

🎯 Suitable For:
👩‍🎓 Students of BSCS, BSIT, Software Engineering & ICS
📘 University & college exams (CS/IT related subjects)
🏆 Test prep for certifications & technical assessments
💻 Beginners aiming for freelancing & entry-level developer jobs