Learning Deep Learning Theory and Practice of Neural Networks, Computer Vision, Natural Language Processing, and Transformers Using TensorFlow

Learning Deep Learning သည် deep learning ၏ သဘောတရားနှင့် လက်တွေ့ programming နည်းပညာ နှစ်ရပ်လုံးကို ပြည့်ပြည့်ဝဝ ဖုံးလွှမ်းသော ကျမ်းဂန်ဖြစ်ပြီး developer၊ data scientist၊ analyst များနှင့် machine learning သို့မဟုတ် statistics ၏ ကြိုတင်အတွေ့အကြုံ မရှိသေးသူများပင်လျှင် လေ့လာနိုင်သည်။ ရေးသားသူ Magnus Ekman မှ artificial neurons၊ fully connected layers၊ convolutional layers နှင့် recurrent layers ကဲ့သို့ deep neural networks ၏ မရှိမဖြစ် building blocks များကို မိတ်ဆက်ပြီး Transformer ကဲ့သို့ advanced architecture များ မည်သို့တည်ဆောက်မည်ကိုပါ ပြသပေးသည်။

computer vision နှင့် natural language processing (NLP) အတွက် Mask R-CNN၊ GPT နှင့် BERT ကဲ့သို့ ခေတ်မီ network များကို ဤသဘောတရားများဖြင့် မည်သို့တည်ဆောက်ကြောင်း ဖော်ပြထားသည်။ TensorFlow/Keras ကိုသုံး၍ ကောင်းကောင်းမှတ်သားနိုင်သော code နမူနာများ ပါဝင်ပြီး PyTorch code နမူနာများ online တွင် ထပ်ဆောင်းဖြည့်ပေးထားသောကြောင့် ကျမ်းဤတစ်အုပ်ဖြင့် Python DL library နှစ်မျိုးလုံးကို ဖုံးလွှမ်းနိုင်သည်။

perceptrons၊ gradient-based learning၊ sigmoid neurons၊ back propagation၊ CNNs၊ RNNs၊ LSTM အပါ အဓိကသဘောတရားများကို ကျွမ်းကျင်ကာ sequence-to-sequence networks နှင့် Transformer architecture ဖြင့် NLP ကို master ပြုနိုင်ရန် ဆင့်ကဲသင်ကြားပေးသောကြောင့် DL ကို ပြည့်ပြည့်ဝဝ သင်ယူလိုသူများအတွက် မှီဆောင်ကျမ်းဖြစ်သည်။