บทนำTextVectorization layer จัดการ Standardization (ลบ punctuation, HTML), Tokenization (แยกคำ), Vectorization (แปลงเป็นตัวเลข)การติดตั้งpip install tensorflowตัวอย่างโค้ดVOCAB_SIZE = 10000 binary_vectorize_layer = TextVectorization( max_tokens=VOCAB_SIZE, output_mode=binary ) MAX_SEQUENCE_L

บทนำTextVectorization layer ต้อง adapt() กับข้อมูลก่อนใช้งาน เพื่อสร้าง Vocabulary จากข้อมูลจริงการติดตั้งpip install tensorflowตัวอย่างโค้ด# เตรียม dataset เฉพาะข้อความ (ไม่มี label) train_text = raw_train_ds.map(lambda text, labels: text) # เรียก adapt() บนทั้งสอง layer binary_vectorize_layer.ada

บทนำ3D Contour Plot แสดงเส้นระดับ (Contour lines) ใน 3 มิติ ช่วยมอง gradient descent และหาค่า optimal parametersการติดตั้งpip install matplotlibDependencies=3.4, NumPy, Setuptools, Pyparsing, Libpng, Pytz, FreeType, Six, Cycler, Dateutilตัวอย่างโค้ดfrom mpl_toolkits import mplot3d import numpy as np

บทนำTensorFlow ใช้ TextVectorization layer แปลงข้อความเป็น Tensor (ตัวเลข) เพื่อป้อนเข้า Neural Network รองรับโหมด Binary และ Intการติดตั้งpip install tensorflowตัวอย่างโค้ดdef int_vectorize_text(text, label): text = tf.expand_dims(text, -1) return int_vectorize_layer(text), label # ดึง bat

ปัญหากำหนด List จำนวนเต็มบวก และจำนวนเต็มบวก m ทุก Iteration: เลือกบาง元素 -1, อื่นๆ +m ถามว่าสามารถทำให้ ≥ครึ่งหนึ่งกลายเป็น 0 ได้หรือไม่ตัวอย่าง: [10, 18, 35, 5, 12], m=4 → Trueแนวทางแก้ปัญหาสังเกตว่า Operation: -1 หรือ +m → modulo (m+1) ไม่เปลี่ยนแปลง ดังนั้นนับ frequency ของ val % (m+1) หากมีค่า r

ปัญหาEdit Distance = 1 หมายถึง ต้องใช้การแก้ไขเพียง 1 ครั้ง: แทรก (Insert), ลบ (Delete), หรือแทนที่ (Replace) ตัวอักษร 1 ตัวตัวอย่าง: hello และ heillo → แทรก i → Trueแนวทางแก้ปัญหา 1 → Falseใช้ Two Pointers (i, j) เดินพร้อมกัน นับจำนวนความต่างจัดการกรณีความยาวต่างกัน (ขยับ pointer ไหนข้างยาว)ตัวอย่า

ปัญหากำหนด Array nums ตรวจสอบว่าจัดเรียงใหม่ได้หรือไม่ ที่ทำให้ nums[2*i + 1] == 2 * nums[i] สำหรับทุก iตัวอย่าง: [8, -4, 4, -8] → เรียงเป็น [-4, -8, 4, 8] → i=0: -8=2*(-4), i=1: 8=2*4 → Trueแนวทางแก้ปัญหานับความถี่ทุกค่า (freq)เรียงลำดับตามค่าสัมบูรณ์ (key=abs)จับคู่ค่า x กับ 2*x ลดความถี่ทีละ 1ตัว

โครงสร้างลำดับชั้น (Hierarchy)Matplotlib สร้างบน NumPy มีโครงสร้างแบบ Tree:Figure: ภาชนะระดับบนสุด (Outer container) สามารถมีหลาย AxesAxes: พื้นที่พลอตจริง (Subplot) — ไม่ใช่ แกน (Axis) — มี ticks, lines, legends, text boxesAxis: แกน X, Y (มี tick locators, formatters)ทุก Object ใน Matplotlib สามารถ

บทนำQuiver Plot แสดงเวกเตอร์ความเร็ว (velocity vectors) ที่จุด (x,y) ด้วยองค์ประกอบ (u,v) ใช้ในฟิสิกส์/วิศวกรรมคำสั่งพื้นฐานquiver(x, y, u, v, color)ตัวอย่างโค้ดimport numpy as np import matplotlib.pyplot as plt x = np.arange(0, 5.4, 0.5) y = np.arange(0, 5.4, 0.5) X, Y = np.meshgrid(x, y) u = np.c

บทนำMatplotlib เป็นไลบรารี Visualization ยอดนิยม สร้างกราฟ 2D/3D ได้ มี Object-oriented API ใช้งานร่วมกับ Jupyter, Spyder ได้การติดตั้งpip install matplotlibDependencies=3.4, NumPy, Setuptools, Pyparsing, Libpng, Pytz, FreeType, Six, Cycler, Dateutilตัวอย่างโค้ดfrom mpl_toolkits import mplot3d impor

บทนำTextVectorization layer ใน TensorFlow/Keras ใช้แปลงข้อความเป็นตัวเลข (Vectorize) เพื่อป้อนเข้า Neural Networkการติดตั้งpip install tensorflowตัวอย่างโค้ด , int_vectorize_layer.get_vocabulary()[313]) print(Vocabulary size is : {}.format(len(int_vectorize_layer.get_vocabulary()))) # ใช้ vectoriza

บทนำTensorFlow ใช้ tf.data API เพื่อสร้าง Input Pipeline ที่มีประสิทธิภาพ สำคัญสำหรับการเทรนโมเดลขนาดใหญ่การติดตั้งpip install tensorflowตัวอย่างโค้ดAUTOTUNE = tf.data.experimental.AUTOTUNE def configure_dataset(dataset): return dataset.cache().prefetch(buffer_size=AUTOTUNE) binary_train_ds =

บทนำBokeh เหมาะสำหรับพลอตฟังก์ชันคณิตศาสตร์แบบโต้ตอบ รองรับ NumPy สำหรับสร้างข้อมูลการติดตั้งpip3 install bokeh conda install bokehDependenciesNumpy, Pillow, Jinja2, Packaging, Pyyaml, Six, Tornado, Python-dateutilตัวอย่างโค้ดfrom bokeh.plotting import figure, output_file, show import numpy as np im

ปัญหากำหนด Array nums และ primes ตรวจสอบว่าสามารถคูณสมาชิกใน nums ด้วยจำนวนเฉพาะจาก primes ให้ทุกค่าเท่ากันได้หรือไม่ตัวอย่าง: nums=[25,100], primes=[2,5] → 25×2×2=100 → Trueแนวทางแก้ปัญหาหา LCM (Least Common Multiple) ของทุกค่าใน numsสำหรับแต่ละค่า คำนวณ val = LCM / nums[i]หาร val ด้วยจำนวนเฉพาะใน

บทนำTensorFlow เป็นเฟรมเวิร์ก Machine Learning ของ Google ใช้ร่วมกับ Python รองรับ Deep Learning, GPU, และมีดาต้าเซตยอดนิยม built-inTensor (เทนเซอร์) คือโครงสร้างข้อมูลหลายมิติ มี 3 แอตทริบิวต์หลัก: Rank (มิติ), Type (ชนิดข้อมูล), Shape (รูปร่าง)ใช้ Google Colab (ฟรี GPU, รันบนเบราว์เซอร์) ในตัวอย่า

ปัญหากำหนด Singly Linked List ตรวจสอบว่าทุกค่าที่ปรากฏ มีจำนวนครั้งเป็นเลขคู่ (คืออยู่ในคู่)ตัวอย่าง: [2,5,5,2,3,3] → ทุกตัวเป็นคู่ → Trueแนวทางแก้ปัญหาใช้คุณสมบัติ XOR: x ^ x = 0 และ x ^ 0 = x หากทุกตัวเป็นคู่ XOR ทั้งหมดจะได้ 0ตัวอย่างโค้ดclass ListNode: def __init__(self, data, next=None):

ปัญหาสตริง s ประกอบด้วย a และ b เท่านั้น ตรวจสอบว่าทุกกลุ่ม a ติดต่อกัน ตามด้วยกลุ่ม b ติดต่อกันที่มีความยาวเท่ากันตัวอย่าง: abaaabbbaabbaabbab → กลุ่ม: (ab), (aaabbb), (aabb), (aabb), (ab) → Trueแนวทางแก้ปัญหานับ a ติดต่อกัน (a_count++)นับ b ติดต่อกัน (a_count--)หากหลังจบกลุ่ม a_count != 0 คืน Fals

บทนำLine Graph แสดงแนวโน้มข้อมูลต่อเนื่อง Bokeh ทำให้โต้ตอบได้ (zoom, pan, hover)การติดตั้งpip3 install bokeh conda install bokehDependenciesNumpy, Pillow, Jinja2, Packaging, Pyyaml, Six, Tornado, Python-dateutilตัวอย่างโค้ดfrom bokeh.plotting import figure, output_file, show x = [7, 3, 5, 9, 2, 0]

บทนำHorizontal Bar Chart ใช้เมธอด hbar ระบุ y, left, right, height เหมาะสำหรับหมวดหมู่ที่มีชื่อยาวการติดตั้งpip3 install bokeh conda install bokehDependenciesNumpy, Pillow, Jinja2, Packaging, Pyyaml, Six, Tornado, Python-dateutilตัวอย่างโค้ดfrom bokeh.plotting import figure, output_file, show fig =

บทนำBokeh รองรับ Vertical Bar Chart ผ่านเมธอด vbar ระบุ bottom, top, width, color ได้อย่างยืดหยุ่นการติดตั้งpip3 install bokeh conda install bokehDependenciesNumpy, Pillow, Jinja2, Packaging, Pyyaml, Six, Tornado, Python-dateutilตัวอย่างโค้ดfrom bokeh.plotting import figure, output_file, show fig =