000			03965 a2200301 4500
003			NALT
005			20250717145512.0
008			250612b th ||||| |||| 00| 0 tha d
020			_a9786168282359
040			_aNALT
041	1		_atha _heng
050			_aQ 325.5 _bจ721น 2566
100	1		_aเจรอน, ออเรเลียน. _966053
245	1	0	_aแนวคิด เครื่องมือ และเทคนิคสำหรับสร้างระบบอัจฉริยะ = _bHands-on machine learning with scikit-learn, keras & tensorflow / _cเขียน, Aurelien Geron ; แปล/เรียบเรียง, วิโรจน์ อัศวรังสี ; บรรณาธิการ, จิระ จริงจิตร.
250			_aพิมพ์ครั้งที่ 1.
260			_aนนทบุรี : _bคอร์ฟังก์ชั่น, _c2566.
300			_a728 หน้า : _bภาพประกอบ ; _c24 ซม.
505	2		_aส่วนที่ 1 ความรู้พื้นฐานแมชชีนเลิร์นนิ่ง -- บทที่ 1 ทำความเข้ากับแมชชีนเลิร์นนิ่ง -- บทที่ 2 โปรเจ็กต์แมชชีนเลิร์นนิ่งแบบครบวงจร -- บทที่ 3 การแยกประเภท (Classification) -- บทที่ 4 การฝึกโมเดล -- บทที่ 5 ซัพพอร์ตเวกเตอร์แมชชีน -- บทที่ 6 ดิซิชันทรี (Decision Trees) -- บทที่ 7 การเรียนรู้แบบกลุ่มโมเดลและแรนดอมฟอร์เรสต์ -- บทที่ 8 การลดขนาดมิติข้อมูล -- บทที่ 9 เทคนิคการเรียนรู้แบบไม่มีผู้สอน -- ส่วนที่ 2 นิวรอลเน็ตเวิร์คและดีฟเลิร์นนิ่ง -- บทที่ 10 ความรู้เบื้องต้นของนิวรอลเน็ตเวิร์คด้วย Keras -- บทที่ 11 การฝึก Deep Neural Networks -- บทที่ 12 โมเดลที่กำหนดเองและฝึกด้วย TensorFlow -- บทที่ 13 การโหลดและประมวลผลข้อมูลล่วงหน้าด้วย TensorFlow -- บทที่ 14 ดีฟคอมพิวเตอร์วิชั่นโดยใช้คอนโวลูชันนิวรอลเน็ตเวิร์ค -- บทที่ 15 การประมวลผลข้อมูลลำดับโดยใช้ RNN และ CNN -- บทที่ 16 การประมวลผลภาษาธรรมชาติด้วย RNN และ Attention -- บทที่ 17 ออโต้เอ็นโค้ดเดอร์, GAN และดิฟฟิวชันโมเดล -- บทที่ 18 รีอินฟอร์ซเมนต์เลิร์นนิ่ง -- บทที่ 19 การฝึกและนำโมเดล TensorFlow ไปใช้จริง.
650		4	_aการเรียนรู้ของเครื่อง _946357
650		4	_aปัญญาประดิษฐ์ _xโปรแกรมคอมพิวเตอร์ _946356
650		4	_aนวัตกรรมทางเทคโนโลยี _910581
700	0		_aวิโรจน์ อัศวรังสี. _966231
700	0		_aจิระ จริงจิตร. _931467
942			_cGB _2lcc
996			_ajidapa.t _bACQSTF _c2025-06-12
996			_avaree.k _bLIBSTF _c2025-06-26
996			_ajamriang.p _bCATSTF _c2025-07-17
999			_c106822 _d106822
998			_j1020 _k นางจำเรียง ระวังสำโรง