Libro

Deep Learning with Python ฉบับที่ 2: ครอบคลุมอะไร และต่างจากฉบับใหม่อย่างไร

หนังสือของ François Chollet ผู้สร้าง Keras ฉบับที่ 2 (Manning, 2021) บทความนี้สรุปจากหน้าสำนักพิมพ์ หัวข้อบทที่ 1 และคลังโค้ดทางการ เพื่อช่วยดูว่าเนื้อหาครอบคลุมอะไร ต้องมีพื้นฐานแค่ไหน และควรรู้อะไรเรื่องฉบับที่ 3

ทีมบรรณาธิการ Libro · 25 ตุลาคม 2569 · แก้ไขล่าสุด 27 ตุลาคม 2569 · อ่านประมาณ 3 นาที

ภาพประกอบบทความ: ปกหนังสือ Deep Learning with Python, 2nd ed. โดย François Chollet

ขอบเขตของบทความ: แนะนำขอบเขตเนื้อหาจากสารบัญบางส่วน หน้าหนังสือของ Manning และคลังโค้ดทางการของผู้เขียน ยังไม่ได้อ่านเนื้อหาของบทใด ชื่อบทส่วนใหญ่ในบทความนี้มาจากชื่อไฟล์ notebook ไม่ใช่สารบัญฉบับเต็ม

คนที่เขียน Python เป็นแล้วและอยากเริ่ม deep learning มักติดอยู่ระหว่างตำราทฤษฎีที่หนักคณิตศาสตร์ กับบทเรียนออนไลน์ที่ให้คัดลอกโค้ดโดยไม่อธิบายว่าทำไม หนังสือเล่มนี้เขียนโดย François Chollet ผู้สร้าง Keras และวางตัวไว้สำหรับคนกลุ่มนั้น

ข้อควรรู้ก่อน: หนังสือเล่มนี้มีหลายฉบับ บทความนี้พูดถึง ฉบับที่ 2 ปี 2021 ส่วนหน้าสำนักพิมพ์แจ้งว่ามีฉบับที่ 3 ออกแล้ว (Manning)

หนังสือเล่มนี้ว่าด้วยอะไร

Deep Learning with Python, Second Edition โดย François Chollet ตีพิมพ์โดย Manning เดือนตุลาคม 2021 ความยาว 504 หน้า ISBN 9781617296864 (หน้าหนังสือของ Manning) หน้าสำนักพิมพ์อธิบายว่าเป็นการแนะนำ deep learning ด้วย Python และไลบรารี Keras สำหรับทั้งมือใหม่และผู้ที่ทำ ML อยู่แล้ว และพิมพ์สีทั้งเล่ม

เนื้อหาครอบคลุมหัวข้ออะไร

หน้าสำนักพิมพ์สรุปหัวข้อหลักไว้ดังนี้ (Manning):

  • deep learning จากหลักการพื้นฐาน

  • image classification และ image segmentation

  • time series forecasting

  • text classification และ machine translation

  • การสร้างข้อความ neural style transfer และการสร้างภาพ

บทที่ 1 ชื่อ What is deep learning? เปิดด้วยเรื่องกระแสข่าวเกี่ยวกับ AI และมีหัวข้อย่อย Don't believe the short-term hype ก่อนจะย้อนเล่าประวัติ ML ตั้งแต่ probabilistic modeling, neural network ยุคแรก, kernel methods ไปจนถึง decision tree, random forest และ gradient boosting (บทที่ 1 บน liveBook) หน้าที่เปิดได้แสดงเฉพาะย่อหน้าเปิดและชื่อหัวข้อ

โครงบทจากคลังโค้ดทางการ

คลังโค้ดของผู้เขียนเก็บ notebook ของฉบับที่ 2 แยกไว้ในโฟลเดอร์ second_edition ชื่อไฟล์ช่วยให้เห็นลำดับบทคร่าว ๆ (GitHub: second_edition):

บท

ชื่อไฟล์ notebook (ย่อ)

2–5

mathematical building blocks, introduction to Keras and TF, getting started with neural networks, fundamentals of ML

7

working with Keras

8–9

intro to DL for computer vision, image segmentation, modern convnet architecture patterns, interpreting what convnets learn

10

DL for timeseries

11

sequence models, transformer, sequence-to-sequence learning

12

text generation, deep dream, neural style transfer, variational autoencoders, GANs

13–14

best practices for the real world, conclusions

บทที่ 1 และบทที่ 6 ไม่มี notebook จึงไม่รู้ชื่อบทที่ 6 จากแหล่งนี้ ตารางนี้ไม่ใช่สารบัญของหนังสือ

พื้นฐานที่ควรมีก่อนอ่าน

Manning ระบุว่าหนังสือเหมาะกับผู้อ่านที่เขียน Python ได้ระดับกลาง และไม่ต้องมีประสบการณ์ Keras, TensorFlow หรือ machine learning มาก่อน (Manning)

ด้านเครื่องมือ README ของโฟลเดอร์ฉบับที่ 2 ระบุว่า notebook ใช้ tf.keras กับ TensorFlow 2.16 และมีลิงก์เปิดแต่ละ notebook บน Google Colab (GitHub: second_edition) คลังโค้ดใช้สัญญาอนุญาต MIT

ฉบับที่ 2 กับฉบับที่ 3

README หลักของคลังโค้ดระบุว่าสาขาหลักตอนนี้เป็นโค้ดของฉบับที่ 3 (2025) ซึ่งเขียนด้วย Keras 3 และรันได้กับ JAX, TensorFlow หรือ PyTorch ส่วนโค้ดฉบับที่ 2 และฉบับแรกเก็บไว้ในโฟลเดอร์แยก (GitHub) ถ้าอ่านฉบับที่ 2 ควรเปิดโค้ดจากโฟลเดอร์ second_edition เพราะเลขบทและชื่อไฟล์ของสองฉบับไม่ตรงกัน

เหมาะกับใคร และใครควรเริ่มจากเล่มอื่นก่อน

  • เหมาะ กับคนที่เขียน Python ได้แล้ว อยากเข้าใจ deep learning ผ่านโค้ด Keras และ TensorFlow และต้องการตัวอย่างหลายแบบ ทั้งภาพ time series และข้อความ

  • ควรพิจารณาฉบับอื่น ถ้าต้องการเนื้อหาที่ใช้ Keras 3 หรือ PyTorch เป็นหลัก ซึ่งตาม README อยู่ในฉบับที่ 3

  • ควรเริ่มจากพื้นฐาน Python ก่อน ถ้ายังเขียน Python ไม่คล่อง เพราะสำนักพิมพ์ตั้งระดับไว้ที่ intermediate

ข้อจำกัดของข้อมูลที่ใช้ในบทความนี้

  • ยังไม่ได้อ่านเนื้อหาบทใด หน้า liveBook บทที่ 1 แสดงเฉพาะย่อหน้าเปิดและชื่อหัวข้อ

  • ชื่อบทที่ 2–14 มาจากชื่อไฟล์ notebook ไม่ใช่สารบัญของหนังสือ และไม่ได้เปิดหรือรัน notebook

  • จำนวนหน้าไม่ตรงกัน Manning ระบุ 504 หน้า ส่วน Open Library ระบุ 400 หน้า บทความนี้ยึดตัวเลขของสำนักพิมพ์

  • ข้อมูลในแคตตาล็อกของ Libro เคยผูก ISBN ของฉบับที่ 3 ไว้ บทความนี้เขียนตามฉบับที่ 2 ซึ่งตรงกับชื่อโฟลเดอร์และปกหนังสือ ควรยืนยันฉบับอีกครั้งตอนสอบถาม

แหล่งอ้างอิง

บทความนี้อ่านจบได้ในตัวเอง หนังสือด้านบนคือจุดต่อยอดสำหรับผู้ที่ต้องการศึกษาลึกขึ้น