เคยไหม ? อยากเริ่มเขียน Python นะ อยากทำ Machine Learning จัง อยากลองสร้าง AI หรือว่าเห็น Data Science กำลังมา ก็อยากลองทำเหมือนกัน 🤔
.
💭 โห มีโปรเจกต์ที่อยากทำในหัวเยอะมาก แบบว่าอันนั้นก็น่าทำ อันนี้ก็น่าลอง อันนี้ก็เรียนรู้ไว้ก็ดีอะ ...แต่ขี้เกียจลงโปรแกรม ก็เลยไม่ได้เริ่มกับเขาสักที
.
👉 ถ้าคุณกำลังประสบปัญหานี้ล่ะก็ วันนี้เราขอนำเสนอตัวช่วยดี ๆ ที่จะทำให้การเริ่มเขียน Python ไม่ใช่เรื่องยากและวุ่นวายอีกต่อไป ! ตัวช่วยของเราในวันนี้ก็คือออ…
.
“Google Colab” นั่นเองจ้า เอาล่ะ ถ้าพร้อมไปต่อก็ลุยกันเลยยย !
.
📍 Google Colab คืออะไร ?
.
Google Colaboratory หรือที่มักเรียกกันสั้น ๆ ว่า Google Colab เป็นบริการจาก Google ที่ให้ผู้ใช้งานเขียนโค้ดภาษา Python บน Browser แบบไม่ต้องติดตั้งโปรแกรมอะไรเลย แล้วจะ Save โค้ดเราไว้อยู่บน Drive ทำให้เราสามารถแชร์โค้ดให้คนอื่นดูได้
.
นอกจากนี้ Google Colab ยังมีบริการ GPU มาให้เราเลือกอีกด้วย และถ้าเราจะทำสาย Data, Machine Learning หรือ AI เราก็สามารถ import library ต่าง ๆ ไม่ว่าจะเป็น numpy, matplotlib หรืออื่น ๆ ได้ตามต้องการ
.
และที่สำคัญ ทุกอย่างที่บอกมานั้น ฟรี ! แค่เรามีบัญชีของ Google เท่านั้นจ้า
.
📍 Google Colab ทำอะไรได้บ้าง ?
.
ไปดูฟีเจอร์ที่ Google Colab ทำได้กันดีกว่า ฟิ้ววว
.
🔸 เขียนและรันโค้ด Python
.
อันนี้ของมันแน่อะเนอะ เอาไว้เขียนโค้ด ก็ต้องเขียนโค้ดได้ ซึ่งการเริ่มต้นใช้งาน Google Colab เราจะต้องสร้าง Notebook ขึ้นมาก่อน ซึ่งเจ้า Notebook เปรียบเสมือนสมุดเล่มนึง ที่เราสามารถเขียนและเรียกใช้โค้ดบนนั้นได้ โดยใน Notebook นั้น เราจะเขียนโค้ดบนสิ่งที่เรียกว่า Code Cell
.
อ่านข้อมูลเพิ่มเติมได้ที่
https://colab.research.google.com/notebooks/basic_features_overview.ipynb
.
🔸 รองรับการเขียนสมการคณิตศาสตร์
.
แน่นอนว่า ในศาสตร์ของ Machine Learning, AI หรือแม้แต่งานสาย Data ยิ่งศึกษาลึกขึ้น ก็จะพบกับทั้งสูตรและสมการมากมายเต็มไปหมด และมันก็ต้องมีสักครั้งแหละ ที่เราอยากจะ Comment สมการเหล่านั้นซะเหลือเกิน ซึ่ง Google Colab ทำได้ ! โดยเราสามารถใช้ Text Cell เพื่อเขียนสมการคณิตศาสตร์ได้ด้วย Markdown Language นั่นเอง
.
อ่านข้อมูลเพิ่มเติมได้ที่
https://colab.research.google.com/notebooks/markdown_guide.ipynb
.
🔸 แชร์ Notebook ผ่าน Google Link
.
อย่างที่เกริ่นไปก่อนหน้านี้ เนื่องจาก Notebook ของเราถูกเก็บไว้บน Drive เพราะงั้นเราจึงสามารถแชร์ลิงก์ให้คนอื่นเข้ามาดู Notebook ของเราได้ง่าย ๆ เหมือนตอนเราใช้บริการ Google Docs หรือ Slides แล้วแชร์ลิงก์ให้เพื่อเข้ามาดูจ้า
.
🔸 Import ข้อมูลจาก Google Drive
.
ต่อจากข้อเมื่อกี้ ในเมื่อเป็นบริการจาก Google เหมือนกัน เจ้า Google Colab จึงรองรับการเชื่อมต่อกับ ดังนั้น Google Drive ไม่ว่าจะ Import หรือ Export ตัว Notebook ก็สะดวก แถมถ้าจะ Import ข้อมูลก็ทำได้เช่นกัน นอกจากนี้ ยัง Import ข้อมูลจาก External Data แหล่งอื่น ๆ ได้อีกนะ
.
อ่านข้อมูลเพิ่มเติมเกี่ยวกับ Drive และ External Data อื่น ๆ ได้ที่
https://colab.research.google.com/notebooks/io.ipynb
.
🔸 รองรับ TensorFlow
.
TensorFlow เป็น Library ประเภท Open-source จาก Google ที่ใช้ภาษา Python สำหรับคำนวณสูตรคณิตศาสตร์ต่าง ๆ รวมถึงอัลกอริทึมเพื่อพัฒนา Machine Learning ซึ่ง Google Colab เองก็สามารถ Import TensorFlow เข้ามาใช้ได้เช่นกัน
.
อ่านข้อมูลเพิ่มเติมได้ที่
https://colab.research.google.com/notebooks/tensorflow_version.ipynb
.
🔸 ใช้งาน Google Colab ร่วมกับ GitHub
.
สาย Dev อย่างเราคงคุ้นชินกับ GitHub กันพอสมควร (หรือถ้าเพื่อน ๆ มือใหม่ก็คงเคยได้ยินคำว่า Git กับ GitHub กันมาบ้าง) ซึ่งที่นี่ เราสามารถ Import Notebook จาก GitHub เข้ามายัง Google Colab ได้ รวมถึง Publish Notebook ของเราบน GitHub ได้เช่นกันจ้า
.
อ่านข้อมูลเพิ่มเติมได้ที่ https://colab.research.google.com/github/googlecolab/colabtools/blob/master/notebooks/colab-github-demo.ipynb
.
📍 อธิบายเพิ่มเติม
.
แอดขอเสริมสำหรับเพื่อน ๆ ที่มือใหม่ ภาษา Python เป็นภาษาประเภท Interpreted Language ซึ่งจะอ่านโค้ดทีละคำสั่ง แล้วจะมี Interpreter แปลงเป็นภาษาเครื่องเพื่อดำเนินการเลยคำสั่งนั้น ๆ เลย 💻
.
ต่างจากภาษาที่ใช้ Compiler เช่น C, C++, C#, Java ฯลฯ ที่จะต้องเขียนโค้ดให้เสร็จก่อน แล้วค่อยแปลงไฟล์เป็นไฟล์ Execution (ที่เราจะคุ้นหน้าคุ้นตาในรูปแบบของไฟล์ .exe) เพราะ Compiler จะแปลงทีเดียวทั้งไฟล์
.
กลับมาที่ Python พอเป็นแบบนั้นแล้ว ตัว Google Colab ที่มีหน้าตาเป็น Code Cell นั้น เมื่อเราพิมพ์โค้ดลงไป จึงกด Run เพื่อดูผลลัพธ์ได้เลยนั่นเอง ✨
.
👉 ถ้าใครสนใจ Google Colab ก็สามารถลองใช้งานได้ที่
https://colab.research.google.com/
.
👉 อ่านข้อมูลเพิ่มเติมและส่องฟีเจอร์ต่าง ๆ ได้ที่
https://colab.research.google.com/notebooks/welcome.ipynb
.
เป็นยังไงกันบ้าง เรียกได้ว่า “ครบจบที่บน Browser” จริง ๆ สำหรับ Google Colab ที่เราเอามาฝากวันนี้ 😂 ส่วนเพื่อน ๆ คนไหนกำลัง (อยาก) เริ่มเขียน Python หรือลองสร้างโปรเจกต์อยู่ แอดก็ขอเป็นกำลังใจให้ทุกคนเลยนะคะ ✊📦❤️
.
ถ้าชอบกดไลก์ ใช่กดแชร์ ให้กับแอดและทีม BorntoDev ด้วยน้า 🥺
แล้วเจอกันใหม่ สวัสดีจ้า~
.
borntoDev - 🦖 สร้างการเรียนรู้ที่ดีสำหรับสายไอทีในทุกวัน
「tensorflow/tensorflow」的推薦目錄:
- 關於tensorflow/tensorflow 在 BorntoDev Facebook 的最佳解答
- 關於tensorflow/tensorflow 在 軟體開發學習資訊分享 Facebook 的最佳解答
- 關於tensorflow/tensorflow 在 BorntoDev Facebook 的最佳解答
- 關於tensorflow/tensorflow 在 An Open Source Machine Learning Framework for Everyone 的評價
- 關於tensorflow/tensorflow 在 Could not resolve org.tensorflow:tensorflow-lite:+ 的評價
- 關於tensorflow/tensorflow 在 tensorflow/tensorflow - Singularity Hub Container Tools 的評價
tensorflow/tensorflow 在 軟體開發學習資訊分享 Facebook 的最佳解答
NT390 特價中
使用 Python & Keras 做28個專案-臉部識別,情緒,年齡,性別,物件偵測,臉部老化及更多
你會學到以下的 Python 深度學習框架:
Keras
Tensorflow
TensorFlow Object Detection API
YOLO (DarkNet and DarkFlow)
OpenCV
所有的程式庫都預先安裝在一個易於使用的虛擬機器!
https://softnshare.com/master-deep-learning-computer-visiontm-cnn-ssd-yolo-gans/
tensorflow/tensorflow 在 BorntoDev Facebook 的最佳解答
🔥"แนะนำ 5 เครื่องมือที่คุณต้องรู้ ! ถ้าอยากจะเริ่มสายดาต้าด้วย Python"🔥
.
ทุกวันนี้ใครๆก็พูดถึง AI, Machine Learning, Data Science ฯลฯ กันเต็มไปหมด 👨💻
.
หลายคนก็น่าจะสนใจเกี่ยวกับเรื่องเหล่านี้อยู่บ้างแต่ก็ไม่รู้ว่าจะเริ่มต้นศึกษาที่ตรงไหน และมีอะไรบ้างที่จำเป็นต้องรู้
.
และนี่คือ 5 เครื่องมือที่คุณต้องรู้ สำหรับงาน Data Science ด้วย Python สำหรับคนที่ยังไม่รู้จะเริ่มยังไงดี
.
⭐ 1.TensorFlow
.
Tensorflow คือ library สำหรับสร้าง machine learning models แบบ open source จาก Google สามารถใช้งานได้ดีกับภาษา Python แต่ก็สามารถใช้ภาษาอื่นๆ เช่น C, Java หรือ Go ได้เช่นกัน
.
และยังมี community ขนาดใหญ่ ทำให้สามารถค้นหาข้อมูล หรือสอบถามเวลาเจอปัญหาได้ง่าย ซึ่ง TensorFlow มีไกด์แนะนำสำหรับ ผู้เริ่มต้น และ ผู้เชี่ยวชาญ ให้สามารถไปศึกษากันได้
.
https://www.tensorflow.org/tutorials/quickstart/beginner
.
⭐ 2.Pytorch
.
Pytorch เป็น opensource อีกหนึ่งตัวสำหรับใช้ทำ machine learning จาก Facebook ที่มีคำอธิบายในหน้าเว็บว่า ‘An open source machine learning framework that accelerates the path from research prototyping to production deployment.’
.
โดยเป็นอีกทางเลือกหนึ่งในการศึกษา machine learning นอกจาก TensorFlow เพราะเทียบกันแล้ว Pytorch ค่อนข้างจะง่ายในการศึกษามากกว่า และยังสามารถเลือกสภาพแวดล้อมในการพัฒนาได้หลากหลายอีกด้วย
.
✅ ถ้าอยากจะรู้ว่าง่ายแค่ไหนก็ลองไปศึกษาที่ Pytorch ได้เลย
.
https://pytorch.org/get-started/locally/
.
⭐ 3.scikit-learn
.
scikit-learn เป็นเครื่องมือในการทำ machine learning อีกหนึ่งตัวที่น่าศึกษาเอาไว้ เนื่องจากความง่ายและมีประสิทธิภาพในการทำ predictive data analysis
.
โดยสร้างขึ้นมาจากโมดูลหลายตัวทั้ง NumPy, SciPy และ matplotlib ส่งผลให้ scikit-learn มีความสามารถที่หลากหลาย นำไปใช้ในงานได้หลายประเภท
.
✅ ลองโหลดมา ติดตั้ง และ ศึกษา กันได้
.
https://scikit-learn.org/stable/install.html#installation-instructions
.
⭐ 4.Pandas
.
สำหรับ Pandas เป็นเครื่องมือในการวิเคราะห์และจัดการข้อมูลที่เร็ว, มีประสิทธิภาพ , มีความยืดหยุ่น
.
และง่ายในการใช้งาน ที่สามารถนำเข้าข้อมูลเช่นไฟล์ CSV, TSV หรือจาก SQL database นำไปสร้างเป็น Python Object ที่มีลักษณะเป็น row และ column ทำให้สามารถใช้งานข้อมูลเหล่านั้นได้ง่าย และนำไปใช้งานต่อได้อย่างหลากหลาย
.
✅ สามารถไปศึกษาได้ ที่นี่
.
https://pandas.pydata.org/docs/getting_started/index.html
.
⭐ 5.Jupyter
.
สำหรับเครื่องมือตัวสุดท้ายนี้ต้องบอกว่าไม่ได้เป็นเครื่องมือสำหรับทำ Data Science หรือ Machine Learning โดยตรง
.
แต่ว่าประโยชน์ของ Jupyter นั้นเหมาะที่จะใช้เป็นเครื่องมือในการทดลองสิ่งใหม่ๆ โดยเครื่องมือนึงจาก Jupyter ที่จะแนะนำก็คือ Jupyter Notebook เนื่องจากความสามารถเขียนโค้ดและรันซ้ำ รันทีละส่วน
.
และแสดงผลลัพธ์ของแต่ละส่วนของโค้ดแยกกันได้อย่างอิสระ ซึ่งทั้งหมดนี้ทำได้ผ่านเว็บเบราเซอร์ และยังสามารถเซฟผลลัพธ์ต่างๆเก็บไว้ได้อีกด้วย
.
✅ เข้าไปทดลองเล่นในเว็บของ Jupyter คลิก
.
https://jupyter.org/try
.
และทั้งหมดนี้ก็เป็น 5 เครื่องมือที่ไม่รู้ไม่ได้ สำหรับใครอยากจะเริ่มต้นสาย Data Science ด้วย Python <3
.
#borntoDev - 🦖 สร้างการเรียนรู้ที่ดีสำหรับสายไอทีในทุกวัน
tensorflow/tensorflow 在 tensorflow/tensorflow - Singularity Hub Container Tools 的推薦與評價
This module is a singularity container wrapper for tensorflow/tensorflow. ... shpc install tensorflow/tensorflow:2.5.0-custom-op-gpu-ubuntu16. ... <看更多>
tensorflow/tensorflow 在 An Open Source Machine Learning Framework for Everyone 的推薦與評價
TensorFlow is an end-to-end open source platform for machine learning. It has a comprehensive, flexible ecosystem of tools, libraries, and community ... ... <看更多>
相關內容