-
-
บทนำ
-
บทที่ 1: ความรู้เบื้องต้นของการจัดกลุ่มและการจำแนกประเภท
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 2: Decision Tree, Random Forest, และ LDA
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 3: Logistic Regression
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 4: SVM และ Neural Network
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 5: Similarity และ k-Nearest Neighbor (kNN)
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 6: การจัดกลุ่มของข้อมูล
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว
-
-
-
บทนำ
-
บทที่ 1: Regression กับ Time Series Regression
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 2: การสำรวจข้อมูลอนุกรมเวลา
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 3: การอธิบายคุณลักษณะของข้อมูลอนุกรมเวลา
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 4: หลักการพื้นฐานของ LSTM
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 5: โมเดลต่าง ๆ ของ LSTM
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 6: ตัวอย่างการสร้างโมเดล LSTM ด้วย Keras
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว
-
-
-
บทนำ
-
บทที่ 1: ความรู้เบื้องต้นเกี่ยวกับ Reinforcement Learning
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 2: Value-based Reinforcement Learning
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 3: Policy-based Reinforcement Learning
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 4: Actor-Critic Reinforcement Learning
เนื้อหาส่วนนี้ได้รับการให้คะแนนแล้ว -
บทที่ 5: สรุป
-