🔥 มา ๆ ! มาเตรียมเรียน Machine Learning ตั้งแต่เริ่มต้นจนถึง Advance กับ หลักสูตรของ MIT ไปพร้อมกันนนน
.
กับคอร์สฟรี "Machine Learning with Python: from Linear Models to Deep Learning" ที่เหมาะมาก ๆ ถ้าใครมีพื้นฐานไพธอนแล้วอยากลุยสาย ML
.
🤣 เพราะในหลักสูตรนี้เขามาแน่น ๆ แบบเบิ้ม ๆ ครบทุกหัวข้อหลักไม่ว่าจะเป็น
.
✅ Linear classifiers, separability, perceptron algorithm
✅ Maximum margin hyperplane, loss, regularization
✅ Stochastic gradient descent, over-fitting, generalization
✅ Linear regression
✅ Recommender problems, collaborative filtering
✅ Non-linear classification, kernels
✅ Learning features, Neural networks
✅ Deep learning, back propagation
✅ Recurrent neural networks
✅ Recurrent neural networks
✅ Generalization, complexity, VC-dimension
✅ Unsupervised learning: clustering
✅ Generative models, mixtures
✅ Mixtures and the EM algorithm
✅ Learning to control: Reinforcement learning
✅ Reinforcement learning continued
✅ Applications: Natural Language Processing
.
โหยยย เยอะขนาดดดดด 55555 ไม่เรียนก็ไม่ได้แล้ว แอดบอกเลย เพราะจัดให้ตั้งแต่ ML ถึง deep learning เลยอะ
.
หากใครอยากเรียน ดูดีเทล มาที่นี่เลยฮะ -> https://www.edx.org/course/machine-learning-with-python-from-linear-models-to
.
ปล.คอร์สนี้เริ่มเรียน วันที่ 6 พฤษภานี้นะฮะ <3
.
borntoDev - 🦖 สร้างการเรียนรู้ที่ดีสำหรับสายไอทีในทุกวัน

課程已於2021年1月更新，如果想要使用優惠價購買課程，可以參考 https://bit.ly/3oS4ZSG

這門課是由 udemy 熱門講師 Jose Portilla 所主講

課程內容是什麼？

歡迎來到在網際網路上最完整的學習資料科學和機器學習的課程！在教完兩百多萬學生之後，我花了一年多的時間把我認為最好的方法放在一起，幫助你從零到高手學到用 Python 實現資料科學和機器學習！

這個綜合課程的設計與通常要花費數千美元的訓練營相當，最終課程將包括以下主題:

用 Python 程式設計
Python 的 NumPy
深入研究 Pandas 資料分析
全面瞭解 Matplotlib Programming Library
深入可做資料視覺化的 seaborn
使用 SciKit Learn 的機器學習，包括:
線性迴歸( Linear Regression )
正規化( Regularization )
Lasso Regression
Ridge Regression
Elastic Net
K 最近鄰( Nearest Neighbors )
K 均值叢集( Means Clustering )
決策樹
隨機森林
自然語言處理( NLP )
支援向量機
階層叢集( Hierarchal Clustering )
DBSCAN
主成分分析( PCA )
Manifold Learning
模型部署
還有很多，很多！
https://softnshare.com/python-for-machine-learning-data-science-masterclass/

แจกฟรีอีกอัน! คราวนี้เป็นสรุปวิชาเรียนจากมหาวิทยาลัย Standford สหรัฐอเมริกา
จากคอร์ส CS229 Course ในวิชา Machine Learning (การเรียนรู้ของเครื่อง)
คณิตศาสตร์มาแบบจัดเต็ม ตามลิงค์นี้
https://www.ctanujit.org/…/machine_learning_notes__cs229_.p…

เนื้อหาก็ครอบคลุมตามนี้
1. Supervised Learning: Linear Regression & Logistic Regression
2. Generative Learning algorithms & Discriminant Analysis
3. Kernel Methods and SVM
4. Basics of Statistical Learning Theory
5. Regularization and model selection
6. Backpropagation & Deep learning
7. Unsupervised Learning & k-means clustering
8. Mixtures of Gaussians
9. EM algorithm
10. Factor analysis
11. Principal Components Analysis
12. Independent Components Analysis
13. Reinforcement Learning
14. Boosting algorithms and weak learning
.
++++++ประชาสัมพันธ์ (ขายของ) ++++++++
มีข่าวดีสำหรับคนที่อยากศึกษา AI
แต่อ่านตำราภาษาอังกฤษไม่รู้เรื่อง
เลยขอแนะนำหนึงสือที่เป็น Best seller
ในหมวดคอมฯ ของ MEB
📔 หนังสือ "ปัญญาประดิษฐ์ (AI) ไม่ยาก" เข้าใจได้ด้วยเลขม. ปลาย เล่ม 1 (เนื้อหาภาษาไทย)

สนใจสั่งซ์้อได้ที่
👉 https://www.mebmarket.com/web/index.php…
.
ส่วนตัวอย่างหนังสือ ถ้าเพื่อนๆ สนใจก็ทัก inbox มาถามได้ครับ
.
✍เขียนโดย โปรแกรมเมอร์ไทย thai progammer