ข้ามไปที่เนื้อหาหลัก
ไปที่หน้าแดชบอร์ด
หากไม่แน่ใจว่าจะเริ่มจากตรงไหน ลองทำแบบทดสอบสั้นๆ เพื่อรับคำแนะนำที่ปรับให้เหมาะกับคุณ
Welcome to the Google News Initiative
The Google News Initiative works with publishers and journalists to fight misinformation, share resources, and build a diverse and innovative news ecosystem.
บทเรียนที่ 3 จาก 7
Google Cloud AutoML Vision
Hands-on Machine Learning
การเตรียมข้อมูล
ประเมินและทดสอบ
check_box_outline_blank Hands-on Machine Learning: Take the Quiz
หลักสูตร
0% เสร็จสิ้น
5 นาที บทเรียนที่ต้องศึกษาต่อ

Google Cloud AutoML Vision

image44_3.png
เรียนรู้วิธีตั้งค่า AutoML Vision เพื่อเตรียมพร้อมสำหรับแบบฝึกหัดของหลักสูตร
image44_3.png

การจัดประเภทรูปภาพโดยใช้แมชชีนเลิร์นนิง

image44_2.png

ดังที่กล่าวในบทเรียนที่แล้วว่า Texty ใช้อัลกอริทึมสองแบบในการสร้าง Leprosy of the Land 



หลังอัลกอริทึมแรกช่วยแบ่งส่วนภาพถ่ายดาวเทียมของป่าในยูเครนออกเป็นส่วนย่อยที่มองเห็นได้ว่าเหมือนกัน Texty ต้องใช้อัลกอริทึมที่สองซึ่งระบุได้ว่าส่วนไหนของภาพถ่ายดาวเทียมดูเหมือนตัวอย่างการทำเหมืองอำพันที่มีอยู่แล้วมากที่สุด พวกเขาต้องใช้สิ่งที่เรียกกันว่า "ตัวแยกประเภทที่กำหนดเอง"


image44_2.png

การใช้ตัวอย่างที่มีป้ายกำกับเพื่อเรียนรู้

image36_2.png

ตัวแยกประเภทที่กำหนดเอง คือรูปแบบแมชชีนเลิร์นนิงประเภทหนึ่งที่คุณสามารถใช้งานเมื่อกรณีการใช้งานของคุณต้องใช้ป้ายกำกับที่กำหนดไว้ล่วงหน้า เพื่อแยกประเภทชุดข้อมูลรูปภาพที่คุณต้องการสืบ 



ในกรณีของเรา ป้ายกำกับที่กำหนดไว้ล่วงหน้าเหล่านี้จะเรียบง่าย นั่นคือ "YES หมายถึง รูปภาพนี้มีองค์ประกอบที่มองเห็นได้สอดคล้องกับรูปแบบที่มักจะแสดงถึงกิจกรรมการทำเหมืองอำพัน" และ "NO หมายถึง รูปภาพนี้ไม่มีองค์ประกอบที่มองเห็นได้ซึ่งสื่อถึงกิจกรรมการทำเหมืองอำพัน"


Google Cloud AutoML Vision ช่วยให้เราทำเท่านั้นก็พอ เราจะเรียนรู้วิธีใช้ Google Cloud AutoML Vision เพื่อการเรียนรู้แบบมีการกำกับดูแล หมายความว่าเราจะฝึกรูปแบบแมชชีนเลิร์นนิงให้ใช้ป้ายกำกับ YES และ NO อย่างเหมาะสมกับชุดข้อมูลรูปภาพที่เราจะป้อนให้

image36_2.png

การเลือกอัลกอริทึม

image16_3.png

อย่างที่ Jeremy Merrill จาก Quartz AI Studio กล่าวใน Crash Course in Classifying Text with Machine Learning ของเขาว่า "สำหรับวัตถุประสงค์ของคุณในฐานะนักข่าว ไม่สำคัญเท่าไรว่าคุณจะเลือกอัลกอริทึมไหน ตราบใดที่คุณเลือกอัลกอริทึมที่ทำสิ่งที่ถูกต้อง"



AutoML Vision ไม่ใช่เพียงเครื่องมือเดียวที่เราใช้ให้บรรลุเป้าหมายที่เราต้องการได้ ที่จริงก็ไม่ใช่อัลกอริทึมที่ Texty ระหว่างการสืบเรื่องราวด้วย เหตุผลที่เราจะใช้ AutoML Vision ในหลักสูตรนี้เพราะเราเข้าถึงได้ คุณไม่ต้องมีทักษะการเขียนโค้ดเพื่อเรียนรู้วิธีการทำงานของ AutoML Vision และเพื่อฝึกรูปแบบที่มีประสิทธิภาพสูงกับข้อมูลของคุณ


ถ้าคุณมีทักษะการเขียนโค้ดอยู่แล้วและอยากเจาะลึกกว่านี้ ลองดู Practical Deep Learning for Coders ของ fast.ai 

image16_3.png

การตั้งค่าบัญชี Google Cloud

ในการใช้งาน AutoML Vision คุณต้อง sign up for a Google Cloud account ขณะลงชื่อสมัครใช้ คุณจะได้รับเครดิต 300 ดอลลาร์เพื่อเริ่มการทดสอบ แต่ละแบบฝึกหัดในการฝึกรูปแบบแมชชีนเลิร์นนิงราคาประมาณ 20 ดอลลาร์ อย่างเช่นแบบฝึกหัดที่เราจะทำในหลักสูตรนี้ ให้ทำตามคำแนะนำทีละขั้นตอน ดังนี้


คลิก “Try for Free” ใต้ “Get Started with Google Cloud Platform” แล้วทำตามคำแนะนำเพื่อสร้างบัญชี


เมื่อคุณสร้างบัญชีแล้ว เปิดเมนูการนำทางด้านซ้ายของหน้าแล้วเลื่อนลงมาล่างสุดเพื่อหา “Vision” ในส่วน “Artificial Intelligence” คลิก “Dashboard”


คราวนี้คุณก็เข้าถึงพื้นที่ทำงานของคุณได้แล้ว ซึ่งจะแสดงเครื่องมือ “Vision” ของ Google Cloud รวมทั้งเครื่องมือที่เราจะใช้ด้วย คือ “Image Classification” คลิก “Datasets” ในเมนูการนำทางด้านซ้าย


ต่อไป คลิก “Enable AutoML API” กระบวนการนี้อาจใช้เวลาสองสามวินาที จากนั้น คลิก “Get Started”


ณ จุดนี้ คุณควรจะเห็นหน้าจอที่ค่อนข้างว่างเปล่าเพราะคุณยังไม่ได้อัปเดตชุดข้อมูลใดๆ เลย เราจะอัปเดตกันในบทเรียนต่อไป

ก้าวไปข้างหน้า

image18_2.png

ทีนี้คุณก็พร้อมใช้งาน AutoML Vision แล้ว ในส่วนที่เหลือของหลักสูตรนี้ เราจะเรียนรู้วิธีใช้ AutoML Vision เพื่อให้ได้ผลลัพธ์ที่เราต้องการ นั่นคือการฝึกรูปแบบแมชชีนเลิร์นนิงให้จำแนกการทำเหมืองอำพันผิดกฎหมายได้ 



Texty และ JournalismAI เป็นพาร์ทเนอร์ในการสร้างหลักสูตรนี้ ด้วยความเป็นพาร์ทเนอร์ดังกล่าว เราจะสามารถใช้ตัวอย่างภาพถ่ายดาวเทียมจริงที่ Texty ใช้ระหว่างสืบเรื่องราว Leprosy of the Land


ก่อนเราจะก้าวต่อไป อย่าลืมดู AI and machine learning products อื่นๆ ที่ Google Cloud มีให้บริการ รวมถึง Natural Language, Translation, Speech-to-Text และ Text-to-Speech และอีกมากมาย 

image18_2.png
Leave and lose progress?
By leaving this page you will lose all progress on your current lesson. Are you sure you want to continue and lose your progress?