ต้องลึกแค่ไหนถึงจะเรียกว่า Deep Learning กันนะ ? 🧐
.
👉 มารู้จักกับ Deep Learning ศาสตร์แห่งการเรียนรู้ที่เลียนแบบการทำงานของสมองมนุษย์ จะเป็นยังไง และมีรายละเอียดยังไง หากพร้อมแล้ว ไปอ่านกันโลดดด !!
.
.
💡 รู้จัก Deep Learning
.
Deep Learning เป็นการเรียนรู้ของเครื่องคอมพิวเตอร์แบบอัตโนมัติ ที่เลียนแบบการทำงานของสมองในมนุษย์ เพื่อทำให้เครื่องสามารถเข้าใจและเรียนรู้จากข้อมูลจำนวนมาก ๆ ได้นั่นเอง ซึ่งเป็นส่วนหนึ่งของ Machine Learning และ Artificial Intelligence (AI) ซึ่งในปัจจุบันมีการนำเทคโนโลยีนี้มาใช้กันอย่างแพร่หลาย เช่น รถยนต์ขับเคลื่อนอัตโนมัติ โดยสามารถจำป้ายต่าง ๆ แยกแยะรถยนต์กับคนเดินบนถนน หรือสิ่งขีดขวางต่าง ๆ ตรวจจับความเร็วของรถคันหน้าได้นั่นเอง ซึ่งโครงสร้างอัลกอริทึมของ Deep Learning จะสร้าง Artificial Neural Network มันสามารถเรียนรู้และตัดสินใจทำสิ่งต่าง ๆ ได้ด้วยตนเอง
.
.
🔧 Deep Learning ทำงานอย่างไร ?
.
Deep Learning จะทำงานเลียนการทำงานของโครงข่ายเซลล์ประสาทของมนุษย์ หรือที่เรียกว่า Neural Networks ซึ่งสามารถคิดซับซ้อนเหมือนมนุษย์ได้ สิ่งเหล่านี้จะเกิดขึ้นไม่ได้เลยหากไม่มีชุดข้อมูล เพื่อสร้างอัลกอริทึมที่สามารถจำแนก ทำนาย และจัดหมวดหมู่ให้กับข้อมูลที่เราต้องการได้นั่นเอง
.
โดย Neural Networks จะมีโหนดที่เชื่อมถึงกันหลาย ๆ ชั้น (เหมือนเส้นประสาทของมนุษย์) จะทำหน้าที่ปรับแต่งประสิทธิภาพของการทำนาย หรือการจัดหมวดหมู่ ยิ่งมีเยอะ และลึกเท่าไหร่ การทำนายก็จะแม่นยำขึ้นเท่านั้น โดยโมเดล Deep Learning จะใช้ชุดข้อมูลจำนวนมากและจะเรียนรู้ลักษณะต่าง ๆ ได้ด้วยตนเองจนกว่าจะได้ผลลัพธ์ที่แม่นยำออกมานั่นเอง
.
ซึ่งในปัจจุบันก็ Deep Learning ก็มีอยู่หลายประเภท ไว้คราวหน้าเดี๋ยวแอดจะมาเล่าให้ฟัง แต่ที่ฮิต ๆ กันก็มีอยู่ 2 ประเภท คือ
.
🔸 Convolutional neural networks (CNNs) - หรือเรียกว่า ConvNets มีเลเยอร์หลายชั้น ส่วนใหญ่จะใช้กับการประมวลผลภาพ สามารถตรวจจับลักษณะภายในรูปภาพได้
.
🔹 Recurrent neural network (RNNs) - ส่วนใหญ่จะใช้ใน Natural Language, Speech Recognition, หรือข้อมูลที่เป็น Time Series เพราะโมเดลสามารถเรียนรู้และจำรูปแบบลำดับของข้อมูลได้นั่นเอง
.
.
✨ Deep Learning ใช้ทำอะไรได้บ้าง ?
.
ในปัจจุบัน Deep Learning จะถูกใช้ในงานต่าง ๆ เช่น Image Recognition, natural language processing (NLP), Speech Recognition Software, Self-driving Cars และอื่น ๆ อีกมากมาย และยังสามารถประยุกต์ใช้ในสาขาอาชีพอื่น ๆ ได้ด้วย ดังนี้
.
🚀 การบิน อวกาศ และการทหาร - ใช้ Deep Learning เพื่อสร้างเครื่องมือในการตรวจจับวัตถุจากดาวเทียม, ระบุตำแหน่งและพื้นที่, รวมถึงการสำรวจพื้นที่ทางทหารเพื่อความปลอดภัยของกองทัพ
.
🏭 ระบบอัตโนมัติในโรงงานอุตสาหกรรม - ใช้ Deep Learning เพื่อปรับปรุงสภาพแวดล้อมในการทำงานเพื่อให้มีความปลอดภัยมากขึ้น เช่น ในโรงงานที่มีเครื่องจักรมากมาย เพิ่มการตรวจจับอัตโนมัติเมื่อพนักงานเข้าใกล้เครื่องจักร หรือจะเป็นการตรวจจับความผิดปกติของเครื่องจักร เพื่อความปลอดภัย เป็นต้น
.
👨🔬 ทางการแพทย์ - ในปัจจุบันมีการใช้ Deep Learning เพื่อทำการวิจัย และวินิจฉัยโรคมะเร็ง จากการตรวจจับเซลล์มะเร็งในร่างกายมนุษย์แบบอัตโนมัติ
.
📑 อ่านและศึกษาเพิ่มเติมได้ที่ : https://searchenterpriseai.techtarget.com/definition/deep-learning-deep-neural-network , https://www.mathworks.com/discovery/deep-learning.html , https://www.ibm.com/cloud/learn/deep-learning
.
borntoDev - 🦖 สร้างการเรียนรู้ที่ดีสำหรับสายไอทีในทุกวัน
#deeplearning #BorntoDev
「convolutional neural networks」的推薦目錄:
- 關於convolutional neural networks 在 BorntoDev Facebook 的最佳貼文
- 關於convolutional neural networks 在 緯育TibaMe Facebook 的精選貼文
- 關於convolutional neural networks 在 國研院科政中心 Facebook 的精選貼文
- 關於convolutional neural networks 在 CS231n: Convolutional Neural Networks (CNNs / ConvNets) 的評價
- 關於convolutional neural networks 在 What is the difference between convolutional neural networks ... 的評價
convolutional neural networks 在 緯育TibaMe Facebook 的精選貼文
#每日5分鐘快速添補ai知識與技能
在深度學習領域中,常會聽見CNN、RNN...,
到底什麼是CNN?
⠀⠀
CNN,是Convolutional Neural Networks,
稱為卷積神經網路,是深度學習領域的發展主力,
它也被稱為 CNNs 或 ConvNets,
電腦視覺這領域,是因為CNN的關係,
在近幾年有許多重大進展,
在影像辨識中甚至可以超越人類辨識的精準度。
⠀⠀
它是一個很直觀的演算法,
概念跟人類以眼睛去辨識有模擬相似之處。
⠀⠀
基本概念可分為四個部分,
1、填白 padding
2、步長 stride
3、池化 pooling
4、卷積 convolution
⠀⠀
CNN的基本概念、結構組成、應用👇
https://blog.tibame.com/?p=19072
⠀⠀
#AI60問 #深度學習 #CNN #卷積神經網路
【AI/資料科學不可不知的60道問題】
每週4篇AI新知識,一次只要5分鐘,
具備AI跨域知識,為職場技能加分💪
#TibaMe #緯育TibaMe #知識 #學習 #科技
convolutional neural networks 在 國研院科政中心 Facebook 的精選貼文
🔍 #政府研究資訊系統grb
🕵️♀️怎麼動都能抓住你-即時人臉偵測技術
👉國立高雄科技大學陳昭和教授研究團隊研發出較具經濟效益且容易實施的移動攝影機之人臉偵測技術,期能解決動態影像偵測&辨識不易的問題。此技術是先使用人臉特徵提取方式進行人臉候選區域偵測,透過臉部特徵驗證來過濾非人臉區域,再將得到之人臉候選區域目標集輸入快速完全卷積神經網路(Fast Fully Convolutional Neural Networks, FFCNN)進行人臉決定與目標追蹤。
🔺完整內容:https://user23215.psee.io/3jaypn
convolutional neural networks 在 What is the difference between convolutional neural networks ... 的推薦與評價
Convolutional Neural Networks (CNNs) are one of the most popular neural network architectures. They are extremely successful at image processing, ... ... <看更多>
convolutional neural networks 在 CS231n: Convolutional Neural Networks (CNNs / ConvNets) 的推薦與評價
Convolutional Neural Networks are very similar to ordinary Neural Networks from the previous chapter: they are made up of neurons that have learnable ... ... <看更多>