เครือข่ายประสาทเทียมคอนโวลูชั่น
(Convolutional Neural Networks)
นิยาม
เครือข่ายประสาทเทียมคอนโวลูชั่น (Convolutional Neural Networks) Hard Skill
เครือข่ายประสาทเทียมคอนโวลูชั่น (CNN) เป็นรูปแบบหนึ่งของโมเดลการเรียนรู้เชิงลึกที่มีประสิทธิภาพสูงสำหรับการประมวลผลข้อมูลที่มีโครงสร้างแบบกริด เช่น ภาพ โดยใช้ชั้นคอนโวลูชั่นในการเรียนรู้ลำดับชั้นของลักษณะเชิงพื้นที่อย่างอัตโนมัติ เพื่อการจดจำรูปแบบและการจัดประเภทข้อมูล
ระดับความเชี่ยวชาญ
ระดับที่ 1
ระดับพื้นฐาน
1. เข้าใจโครงสร้างและส่วนประกอบพื้นฐานของ CNN
2. สามารถอธิบายวัตถุประสงค์ของชั้นคอนโวลูชั่น, การลดขนาด (pooling) และชั้นแอคติเวชันได้
3. สามารถสร้างโมเดล CNN ง่าย ๆ โดยใช้ไลบรารีระดับสูงได้
ระดับที่ 2
ระดับปานกลาง
1. สามารถออกแบบสถาปัตยกรรม CNN สำหรับงานประมวลผลภาพต่าง ๆ ได้
2. เข้าใจการปรับค่าสมรรถนะ (hyperparameter tuning) และเทคนิคการปรับแต่งโมเดล CNN
3. สามารถเตรียมข้อมูลภาพและเพิ่มข้อมูล (augmentation) เพื่อการฝึกอบรมอย่างมีประสิทธิภาพ
ระดับที่ 3
ระดับสูง
1. สามารถพัฒนาชั้น CNN แบบกำหนดเองและสถาปัตยกรรมที่ใหม่
2. สามารถประยุกต์ใช้เทคนิคขั้นสูง เช่น การเรียนรู้แบบถ่ายโอน (transfer learning) และการปรับแต่งละเอียด (fine-tuning)
3. สามารถปรับแต่ง CNN เพื่อเพิ่มประสิทธิภาพ รวมถึงการบีบอัดโมเดลและการนำไปใช้งานจริง
