วิดีโอบน Youtube ที่แชนแนล https://www.youtube.com/rangsiman1993
สอนการประยุกต์ใช้เทคนิคการเรียนรู้เชิงลึกและปัญญาประดิษฐ์สำหรับงานทางด้านเคมี เรียนรู้วิธีการสร้างโมเดลจากชุดข้อมูลโครงสร้างของโมเลกุลเพื่อใช้ในการทำนายคุณสมบัติอื่น ๆ ที่เราต้องการ
| ตอนที่ | เนื้อหา | ลิงก์ | ซอร์สโค้ด |
|---|---|---|---|
| 1 | Deep Learning สำหรับงานทางเคมี | คลิก | - |
| 2 | แนะนำเครื่องมือที่จะใช้ในคอร์สนี้ | คลิก | - |
| 3 | การอ่านไฟล์ชุดข้อมูลโมเลกุล | คลิก | ex_1.py |
| 4 | การคำนวณข้อมูลเชิงโครงสร้างเพื่อใช้เป็นฟีเจอร์ | คลิก | ex_2.py |
| 5 | เตรียม input สำหรับการ train model | คลิก | ex_3.py / ex_3_1.py / ex_3_2.py |
| 6 | ทำความเข้าใจ Hyperparameter | คลิก | - |
| 7 | แนะนำ Keras และลองเล่น TensorFlow playground | คลิก | - |
| 8 | ทำนายพลังงานของโมเลกุลด้วย Feedforward neural network | คลิก | ex_4.py |
| 9 | สอนปรับค่า Hyperparameter เพื่อลด Error | คลิก | ex_5.py |
| 10 | วิเคราะห์และป้องกัน Overfit และ Underfit | คลิก | - |
| 11 | สอนเขียน Neural network ด้วย Functional API | คลิก | ex_6.py |
| 12 | ทำนายพลังงานของโมเลกุลด้วย Multi-input neural network | คลิก | ex_7.py |
| 13 | รู้จักกับ Tensor และการดำเนินการทางคณิตศาสตร์ | คลิก | ex_8.py |
| 14 | การปรับแต่ง Loss function ใน TensorFlow | คลิก | ex_9.py |
| 15 | ทำนายพลังงานของโมเลกุลด้วย sGDML | คลิก | - |
| 16 | สอน Autoencoder และการประยุกต์ใช้สำหรับงานทางเคมี | ||
| 17 | สอน Graph neural network (GNN) และการประยุกต์ใช้สำหรับงานทางเคมี |
จัดทำโดย นายรังสิมันต์ เกษแก้ว
ติดต่อ [email protected]
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent