-
-
บทที่ 1 : การให้เหตุผลแบบอัตโนมัติ: ตรรกศาสตร์เชิงประพจน์และตรรกศาสตร์ภาคแสดง
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 2 : การให้เหตุผลแบบอัตโนมัติ : การอนุมานและกฎการแยกชัดสำหรับการไขปัญหา
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 3 : การแทนองค์ความรู้ด้วยกฎการสร้างและระบบผู้เชี่ยวชาญ
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว
-
-
-
บทที่ 1: การประมวลผลภาษาธรรมชาติคืออะไร
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 2: การประยุกต์ใช้งานการประมวลผลภาษาธรรมชาติ
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 3: วิธีการประมวลผลภาษาธรรมชาติแบบคลาสสิค
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 4: การประมวลผลเบื้องต้นและการฝังคำ
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 5: การเรียนรู้เชิงลึกและแบบจำลอง RNN
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 6: การประยุกต์ใช้ RNN กับการประมวลผลภาษาธรรมชาติ
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว
-
-
-
บทที่ 1 : บทนำ และประวัติโดยย่อของ "Computer Vision" หรือ "คอมพิวเตอร์วิทัศน์ "
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 2 : โมเดล และการเรียนรู้
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 3 : การเรียนรู้เชิงลึก และโครงข่ายประสาทเทียม
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 4 : การจำแนกวัตถุ
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 5 : การตรวจจับ และการแบ่งแยกวัตถุ
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 6 : การเรียนรู้แบบทรานส์เฟอร์ และการปฏิบัติ
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว
-
-
-
บทที่ 1 : การเรียนรู้เชิงลึกคืออะไร
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 2 : โครงข่ายประสาทเทียมและการเรียนรู้เชิงลึก
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 3 : โครงข่ายประสาทแบบคอนโวลูชัน
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 4 : โครงข่ายประสาทแบบเกิดซ้ำ
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 5 : ตัวอย่างการใช้งานการเรียนรู้เชิงลึกในสถานการณ์จริง
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว
-
-
-
บทที่ 1: ภาพรวมของงานที่เกี่ยวข้องกับการแบ่งประเภทข้อความ
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 2: การสร้างโทเค็น (Tokenization)
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 3: การแบ่งประเภทข้อความด้วย Bag-of-words และ การใช้แบบจำลองแบบดั้งเดิม
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 4: การแบ่งประเภทข้อความด้วยโมเดล Embedding และ การทดลองใช้ Universal sentence encoder
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 5: การแบ่งประเภทข้อความด้วยโมเดล Transformer และ การทดลองใช้โมเดลประมวลผลภาษาไทย WangchanBERTa
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว
-