# Fundamentals of Deep Learning ในส่วนนี้เราจะมาเรียนรู้ concept ของ deep learning ใน video lectures ต่อไปนี้กัน
## From Traditional Machine Learning to Deep Learning [Slides: From Machine Learning to Deep Learning](https://github.com/ichatnun/brainCodeCamp2023_lectures/blob/main/DeepLearning/deep_learning_ML2DL.pdf)
## Fully Connected Layers, Activation Function, and Loss Function [Slides: Fully Connected Layers, Activation Function, and Loss Function](https://github.com/ichatnun/brainCodeCamp2023_lectures/blob/main/DeepLearning/deep_learning_dense_activation_loss.pdf)
## (Optional) Optimization and Backpropagation [Slides: Optimization and Backpropagation](https://github.com/ichatnun/brainCodeCamp2023_lectures/blob/main/DeepLearning/deep_learning_opt_backprop_minibatch.pdf)
## Regularization [Slides: Regularization](https://github.com/ichatnun/brainCodeCamp2023_lectures/blob/main/DeepLearning/deep_learning_regularization.pdf) ในปัจจุบัน มี phenomena หลายอย่างที่น่าสนใจมาก เช่น [double descent](https://en.wikipedia.org/wiki/Double_descent) และ [grokking](https://arxiv.org/abs/2201.02177) ซึ่งอาจจะดูแปลกประหลาดในมุมมองของ classical statistical learning ทีมงานแนะนำให้ผู้เรียนไปลองศึกษา phenomena เหล่านี้เพิ่มเติมได้
## Convolutional Neural Network [Slides: Convolutional Neural Network (CNN)](https://github.com/ichatnun/brainCodeCamp2023_lectures/blob/main/DeepLearning/deep_learning_CNN.pdf)
**หมายเหตุ** โค้ดที่มีเป็นตัวอย่างใน video lectures ด้านบนจะเขียนด้วย `tensorflow.keras` โดยที่ผู้เรียนที่ต้องการเรียนรู้การใช้ `tensorflow.keras` เพิ่มเติมเป็นภาษาไทย สามารถศึกษาได้ต่อในอีกหลายช่องทาง เช่น video lectures ของ [MTEC Machine Learning Workshop](https://youtube.com/playlist?list=PLJIJClalm2xOsbu69R_yRG3RPVU3gIQKa) โดยเฉพาะอย่างยิ่ง lecture ที่ชื่อว่า [Deep Learning Practical II](https://youtu.be/dVzivZQ1Fv4)
ใน Brain Code Camp เราจะเน้นการเขียน PyTorch เป็นหลัก ซึ่งผู้เรียนสามารถไปศึกษา เพิ่มเติมได้ใน tutorial ถัดไป รวมถึงเนื้อหาในส่วนของ Extra Resources ที่ชื่อว่า Hands-On Deep Learning with Pytorch