# Neural Networks
-
Hidden Layers ໃນ Neural Network ແມ່ນຫຍັງ? ອະທິບາຍແບບເຂົ້າໃຈງ່າຍ
-
ການແກ້ໄຂບັນຫາ Exploding ແລະ Vanishing Gradients ໃນ Neural Networks
-
ອະທິບາຍ Activation Functions: ReLU, Sigmoid, ແລະ Tanh
-
ແນະນຳໃຫ້ຮູ້ຈັກກັບ Convolutional Neural Networks (CNNs)
-
ເປີເຊັບຕຣອນ (Perceptron): ປູ່ທວດແຫ່ງວົງການປັນຍາປະດິດ (AI) ຍຸກໃໝ່
-
ຄວາມແຕກຕ່າງລະຫວ່າງ Feedforward ແລະ Recurrent Neural Networks: ເຂົ້າໃຈເຄືອຂ່າຍປະສາດທຽມແບບງ່າຍໆ
-
ໄຂຄວາມລັບ Neural Networks: ຄອມພິວເຕີ 'ຄິດ' ແນວໃດ?
-
Spiking Neural Networks (SNN): ເຕັກໂນໂລຊີ AI ຍຸກໃໝ່ທີ່ເຮັດວຽກຄືສະໝອງຄົນ?
-
ສ້າງ Neural Network ພື້ນຖານສຳລັບການຈັດປະເພດແບບ Binary Classification ດ້ວຍ Keras
-
Gradient Descent: ວິທີທີ່ Neural Networks ຊອກຫາຄຳຕອບທີ່ດີທີ່ສຸດ
-
ວິທີການເບິ່ງເຫັນພາບ Weights ແລະ Biases ຂອງ Neural Network ດ້ວຍ TensorBoard
-
ການປັບແຕ່ງ Hyperparameters ໃນ Neural Network: ວິທີການປັບ Learning Rate ແລະ Batch Size
-
Dropout: ວິທີປ້ອງກັນບໍ່ໃຫ້ Neural Network ຈົດຈຳຂໍ້ມູນແບບນົກແກ້ວນົກຂຸນທອງ
-
ເຄືອຂ່າຍປະສາດທຽມ (Neural Networks) ສາມາດຈຳແນກລາຍມືໄດ້ແນວໃດ
-
ເປັນຫຍັງເຄືອຂ່າຍປະສາດທຽມ (Neural Networks) ຈຶ່ງລົ້ມເຫຼວໃນຊຸມປີ 1980: ປະຫວັດສາດຂອງ AI Winter
-
ຄູ່ມືສຳລັບນັກສຶກສາ: ເລີ່ມຕົ້ນຮຽນຮູ້ Neural Networks ດ້ວຍຕົນເອງ
-
ອະທິບາຍ Generative Adversarial Networks (GANs): ເມື່ອສອງ Neural Networks ແຂ່ງຂັນກັນສ້າງຂໍ້ມູນສະເໝືອນຈິງ
-
ການຂຽນໂຄດ Perceptron ຈາກເລີ່ມຕົ້ນດ້ວຍ Python
-
ຄະນິດສາດທີ່ຢູ່ເບື້ອງຫຼັງ Backpropagation
-
Batch Normalization: ວິທີເລັ່ງຄວາມໄວ ແລະ ສ້າງຄວາມສະຖຽນໃນການເທຣນ Neural Networks