Deep learning

0

Presentation Transcript

  • 1.DEEP LEARNING deep structured learning
  • 2.DEEP LEARNING คือการจำลองรูปแบบการประมวลผลของสมองมนุษย์ โดยใช้โครงข่ายคล้ายเซลล์ประสาทในการประมวลผล เมื่อได้รับข้อมูลมาทั้งหมด แล้วนำมาประมวลผลหาจุดเด่นจุดแตกต่างของข้อมูลเชิงลึก คล้ายกับการกรองข้อมูลเป็นชั้นๆ แล้วสรุปผลข้อมูลออกมาเป็น output และตรวจสอบว่าข้อมูลนั้นส่งผลอย่างไร ถูกหรือผิด Feature extraction + Classification. INPUT DEEP LEARNING
  • 3.ความแตกต่าง จำเป็นต้องจำแนกแยกลักษณะ รวดเร็ว ประหยัดเวลา ไม่จำเป็นต้องกรอกข้อมูลแก้ไข เสียเวลา Machine Learning A technique by which a computer can “learn” from data, without using a complex set of different rules. This approach is mainly based on training a model from datasets. Deep Learning A technique to perform machine learning inspired by our brain’s own network of neurons.
  • 4.ข้อดี ไม่จำเป็นต้องจัดโครงสร้างข้อมูล ไม่จำเป็นต้องจัดหมวดหมู่ ไม่จำเป็นต้องกำหนดการจับคู่ข้อมูลล่วงหน้า รวดเร็ว
  • 5.ความแม่นยำของ Deep Learning แปรผันตรงกับปริมาณข้อมูลยิ่งข้อมูลมากความแม่นยำจาก Deep Learning ยิ่งแม่นยำมากยิ่งขึ้น ต้องการข้อมูลเป็นจำนวนมาก หากผู้ใช้งาน Learning ต้องลงทุนกับอุปกรณ์ที่มีประสิทธิภาพสูงเมื่อรองรับกับข้อมูลจำนวนมาก รวมถึงความต้องการผู้ดูแลระบบที่เข้าใจวิธ๊การทำงานของ Deep Learning เพื่อออกแบบ การทำงาน Deep Learning โดยเฉพาะ. เสียค่าใช้จ่ายเป็นจำนวนมาก ข้อเสีย
  • 6.Infographic Style Google translate การแปลภาษา ระบบความปลอดภัยของรถยนต์ เช่น ระบบควบคุมความเร็ว ระบบเบรกอัตโนมัติ หรือระบบเตือนเมื่อรถออกนอกเลน Autonomous Vehicles Siri,Alexa,Google Assitant การสร้างประโยคหรือโต้ตอบมนุษย์ เมื่อ 2016 ได้มีการจัดการแข่งขันหมากล้อมระหว่าง แชมป์หมากล้อม กับ AI ซึ่งAI ได้ทำการพลิกแพลงการเล่น เอาชนะ 4-1 เกม Deep Learning ถูกนำมาเป็นเครื่องมือในการวินิยฉัย เช่น X-ray Ul trasoundหรือ MRI การวินิยฉัยโรค
  • 7.THANK YOU Insert the Subtitle of Your Presentation
  • 8.Fully Editable Shapes
  • 9.Fully Editable Shapes And PNG START
  • 10.Fully Editable Icon Sets: A
  • 11.Fully Editable Icon Sets: B
  • 12.Fully Editable Icon Sets: C