คลังเก็บป้ายกำกับ: DEEP_LEARNING

AWS DeepComposer บริการช่วยแต่งเพลงด้วย AI แต่งแต่เมโลดี้แล้วได้ทั้งวงครบ

AWS เปิดตัวบริการ AWS DeepComposer บริการปัญญาประดิษฐ์ช่วยแต่งเพลง โดยผู้แต่งเพียงแต่งทำนองหลักเท่านั้น ที่เหลือโมเดลปัญญาประดิษฐ์จะเล่นเครื่องดนตรีอื่นๆ ให้เข้ากันอัตโนมัติ

DeepComposer ขายคู่กันทั้งคีย์บอร์ด MIDI ขนาด 32 คีย์และบริการคลาวด์ แม้บริการจะไม่จำเป็นต้องใช้คีย์บอร์ด แต่แต่งเพลงผ่านคีย์บอร์ดบนจอภาพได้ก็ตาม

โมเดลปัญญาประดิษฐ์มีให้เลือกแต่งเพลงได้ 4 สไตล์ ได้แก่ ร็อก, ป๊อบ, แจ๊ส, และคลาสสิค นอกจากนั้นยังสามารถปรับโมเดลเป็นรูปแบบเพลงเฉพาะตัวได้

บริการคิดค่ารันเป็นรายชั่วโมง ยังนี้ยังอยู่ช่วงทดสอบวงปิดเท่านั้น

ที่มา – AWS Blog

No Description

Topics: 

from:https://www.blognone.com/node/113447

Amazon เปิดตัวรถไร้คนจับจิ๋ว DeepRacer Evo เพิ่ม LIRAR และกล้องคู่

Amazon เปิดตัวชุดพัฒนารถไร้คนขับจิ๋ว DeepRacer Evo ที่เป็นรถขนาด 1/18 แต่มีคอมพิวเตอร์ในตัวสำหรับประมวลผลปัญญาประดิษฐ์เพื่อสร้างระบบควบคุมอัตโนมัติ โดยรุ่น Evo นี้จะต่างจากรุ่นแรกที่เปิดตัวปีที่แล้ว คือเพิ่มเซ็นเซอร์ LIDAR สำหรับการวัดระยะห่างจากรอบข้าง และกล้องหน้ากลายเป็นกล้องคู่ำหรับเก็บภาพสามมิติ

นอกจากการอัพเดตตัวรถจริงแล้ว DeepRacer Console บริการจำลองรถและสนาม สำหรับฝึกปัญญาประดิษฐ์ก็อัพเดตฟีเจอร์เหล่านี้พร้อมกัน

ตัวรถจะขายจริงต้นปี 2020 โดยยังไม่ระบุราคา ผู้ที่ซื้อรุ่นเดิมไปแล้ว จะมีชุดเซ็นเซอร์ขายแยกให้ไปอัพเกรดด้วย

ที่มา – Amazon

No Description

from:https://www.blognone.com/node/113440

เฟซบุ๊กเสนอ DeepFovea ปัญญาประดิษฐ์สร้างภาพถ่ายจากข้อมูลเพียงบางส่วน ใช้บีบอัดวิดีโอ

เฟซบุ๊กรายงานงานวิจัยการบีบอัดวิดีโอที่อาศัยการลดความละเอียดของภาพนอกส่วนที่ผู้ใช้กำลังจ้องมอง (foveated rendering) โดยอาศัยโมเดล deep learning ที่ชื่อว่า DeepFovea มาสร้างภาพความละเอียดเต็มจากอินพุตที่ลดความละเอียดภาพนอกส่วนสำคัญ

DeepFovea สามารถสร้างภาพความละเอียดเต็มจากข้อมูลพิกเซลเพียงเล็กน้อย ประมาณ 6-10% ของพิกเซลรวมในภาพต้นฉบับ

แนวทางการบีบอัดภาพนี้อาศัยความจริงที่ว่ามนุษย์เรารับรู้ภาพความละเอียดสูงเพียงมุมภาพแคบๆ ประมาณ 5.2 องศาตรงกลางภาพเท่านั้น หรือคิดเป็นจำนวนพิกเซล 4% ของพิกเซลทั้งหมดที่จอภาพต้องเรนเดอร์ภาพออกมา

โมเดลสร้างภาพเป็นโมเดลแบบ GAN ฝึกโมเดลบนเซิร์ฟเวอร์ NVIDIA DGX-1 จำนวน 7 เครื่อง รวมชิปกราฟิก 56 ชุด ใช้เวลา 48 ชั่วโมง ข้อมูลฝึกเป็นวิดีโอความละเอียด VGA (640×480) รวม 350,000 เฟรม แล้วลดความละเอียดตามการมองโดยสุ่มจุดที่สายการผู้ชมกำลังมองอยู่

รายงานตีพิมพ์ในงานประชุมวิชาการ ACM SIGGRAPH in Asia ทางเฟซบุ๊กระบุว่าเตรียมจะปล่อยโมเดลเต็มที่ฝึกแล้วออกสู่สาธารณะต่อไป โดยก่อนหน้านี้การใช้ปัญญาประดิษฐ์เพื่อบีบอัดวิดีโอเป็นเรื่องที่มีคนสนใจกันมานาน เช่น Netflix เองก็เคยวิจัยเรื่องนี้มาตั้งแต่ปี 2017

ที่มา – Facebook

No Description

from:https://www.blognone.com/node/113324

กูเกิลอธิบายสถาปัตยกรรมฟีเจอร์ Live Caption ใน Pixel 4 ใช้โมเดล deep learning 3 ชุดแบ่งหน้าที่กัน

กูเกิลอธิบายถึงสถาปัตยกรรมของการใช้ deep learning ในฟีเจอร์ Live Caption ที่เป็นการทำคำบรรยายเสียงในจากโทรศัพท์ทั้งหมด โดยใช้โมเดล deep learning ทำหน้าที่ต่างกันถึง 3 ชุดในฟีเจอร์นี้

โมเดลแรกที่รันอยู่ตลอดเวลาที่ฟีเจอร์ทำงานคือโมเดลจัดหมวดหมู่เสียง (sound event recognition) โดยภายในเป็นโมเดลแบบ convolutional neural network (CNN) ทำหน้าที่จัดหมวดหมู่ว่าเสียงตอนนี้เป็นเหตุการณ์แบบใด เช่น เสียงหัวเราะ, เสียงดนตรี, หรือเป็นเสียงพูด

เมื่อพบเสียงพูด เสียงส่วนที่เป็นคำพูดจะส่งต่อไปยังโมเดลแปลงเสียงเป็นคำพูดที่สถาปัตยกรรมภายในเป็นแบบ recurrent neural network transducers (RNN-T) โดยโมเดลนี้จะทำงานเฉพาะเมื่อพบเสียงพูดเท่านั้นเพื่อประหยัดหน่วยความจำและพลังงาน โดยโมเดลนี้ย่อมาจากโมเดลเต็มด้วยเทคนิคต่างๆ เช่น การลดความเชื่อมโยงในโมเดล (neural connection pruning) ทำให้โมเดลมีขนาดลดลงครึ่งหนึ่งแต่ยังได้ประสิทธิภาพที่ดี

โมเดลสุดท้ายคือตัวใส่เครื่องหมายเว้นวรรค (punctuation) เพื่อสร้างรูปประโยคให้สมบูรณ์

ฟีเจอร์นี้เริ่มใช้งานได้แล้วใน Pixel 4 และรองรับเฉพาะภาษาอังกฤษ ส่วน Pixel 3 จะได้รับในปีนี้ และทีมงานเตรียมรองรับภาษาอื่นๆ ตลอดจนฟีเจอร์เพิ่มเติมเช่นการพูดหลายคน

ที่มา – Google AI Blog

No Description

from:https://www.blognone.com/node/112820

เปิดให้เรียนแล้ว! คอร์ส Intro to Deep Learning #4 by TechTalkThai Training 27 ต.ค. – 3 พ.ย. 2019

TechTalkThai ขอเรียนเชิญทุกท่านที่สนใจ ลงทะเบียนเรียนคอร์ส Intro to Deep Learning #4 เป็น Workshop 3 วัน เหมาะสำหรับผู้เริ่มต้นที่ต้องการเรียนรู้หลักการทำงานพื้นฐานของ Deep Learning ลงมือสร้าง Neural Network และทดลองกับ Dataset ต่างๆ เพื่อที่จะสามารถนำไปต่อยอดกับ Dataset ของคุณเองได้ Framework ที่ใช้ใน Workshop มีตั้งแต่ NumPy ที่ใช้ในการประมวลผลขั้นพื้นฐาน ไปจนถึง PyTorch และ TensorFlow

Intro to Deep Learning #4 by TechTalkThai Training

วัน-เวลา:
– วันอาทิตย์ที่ 1 กันยายน 2562 9:30 – 16:00
– วันเสาร์ที่ 7 กันยายน 2562 9:30 – 16:00
– และวันอาทิตย์ที่ 8 กันยายน 2562 9:30 – 16:00
สถานที่: Whizdom Club, True Digital Park (BTS ปุณณวิถี)
ราคา: 5,900 บาท (จากราคาเต็ม 12,900 บาท)
ซื้อคอร์ส: https://www.eventpop.me/e/7032

ราคาเต็ม 12,900 บาท ลดเหลือ 5,900 บาทเท่านั้น! ราคาเฉลี่ยเพียงชั่วโมงละไม่ถึง 250 บาท! (รวมอาหารกลางวันและเบรก)

ลดราคาพิเศษเมื่อสมัครพร้อมกัน 2 ท่าน ลดเหลือ 5,500 บาท

ท่านสามารถเลือกออกใบกำกับภาษีสำหรับบริษัทได้ใน Event Pop หรือหากท่านต้องการใบเสนอราคาสามารถแจ้งได้ทางอีเมล teera@techtalkthai.com ทางเราจะส่งรายละเอียดการโอนเงินพร้อมใบเสนอราคาให้

ทาง Event Pop มีระบบ Refund Protect โดยจะเสียค่าธรรมเนียมเพิ่มขึ้นเล็กน้อย หากท่านซื้อบัตรแล้วไม่สามารถเข้าร่วมงานได้เนื่องจากเกิดเหตุไม่คาดฝันขึ้น ท่านจะสามารถเคลมเงินค่าบัตรเข้างานของท่านคืนได้เต็มจำนวนโดยบริษัท Tokio Marine HCC จะเป็นผู้รับประกันและช่วยในกระบวนการคืนเงินทั้งหมด และจะทำการคืนเงินโดยตรงให้กับผู้ซื้อผ่านทางบัญชีธนาคาร

  • คอร์สนี้เป็นคอร์สสำหรับผู้เริ่มต้น ไม่เหมาะกับ Data Engineer, Data Scientist ที่มีความชำนาญอยู่แล้ว
  • ผู้เรียนต้องนำคอมพิวเตอร์ที่มี Webcam ของตัวเองมาใช้ในการเรียน

สำหรับธุรกิจหรือองค์กรใดที่ต้องการให้จัดอบรมคอร์สนี้แก่พนักงานเป็นการภายในโดยเฉพาะ สามารถติดต่อเพื่อพูดคุยรายละเอียดเพิ่มเติมได้ที่คุณธีระ teera@techtalkthai.com

Required Software

  • อัพเดทล่าสุดของ Web Browser (Chrome, Firefox หรือ Safari)

Course Outline

Day 1 – 27/10/2019

09:30 – 10:00 ลงทะเบียน, รับประทานอาหารว่าง

10:00 – 12:00

  • Intro to Deep Learning
    • ตัวอย่าง Application ต่างๆ ที่ใช้ Deep Learning
    • ภาพรวมความรู้ต่างๆ ที่ใช้ใน Deep Learning เช่น พีชคณิตเชิงเส้น, แคลคูลัสเบื้องต้น, การเขียนโปรแกรม Python, และสถิติเบื้องต้น
    • สอนการใช้ Google Colab
    • ปูพื้นฐานการเขียนโปรแกรม Python

12:00 – 13:00 พักรับประทานอาหารกลางวัน

13:00 – 14:45 

  • สอนการใช้ Desmos ซึ่งเป็นเครื่องมือสำหรับการ Visualize สมการ
  • ทบทวนพีชคณิตเชิงเส้นและเมทริกซ์

14:45 – 15:00 พักเบรค ทานอาหารว่าง

15:00 – 16:00

  • ทบทวนแคลคูลัสเบื้องต้น
  • ทบทวนสถิติเบื้องต้น

16:00 – 16:30 Q&A

Day 2 – 02/11/2019

09:30 – 10:00 ลงทะเบียน, รับประทานอาหารว่าง

10:00 – 12:00

  • Intro to neural network ทำความรู้จักกับโครงข่ายประสาทเทียมที่เป็นเบื้องหลังของ Deep Learning
  • การจำแนกประเภทของปัญหา เช่น ปัญหาประเภท Classification หรือปัญหาประเภท Regression
  • Intro to PyTorch ทำความรู้จักกับ PyTorch
  • Hands-on: Getting to know NumPy and Tensor เริ่มต้นทำความรู้จัก data structure พื้นฐานที่ใช้ในงาน deep learning
  • Hands-on: ทดลองสร้าง Neural Network อย่างง่าย
  • Hands-on: Working on MNIST dataset นำ neural network ที่สร้างมาก่อนหน้าที่มาทดลองกับ MNIST dataset

12:00 – 13:00 พักรับประทานอาหารกลางวัน

13:00 – 15:00 

  • Error Function and Error Minimization เราไม่สามารถพัฒนาโมเดลให้ดีขึ้นได้ถ้าเราไม่มีการวัดผล ในส่วนนี้เราจะมาทำความรู้จัก Error Function และวิธีการทำให้โมเดลมีความแม่นยำสูงขึ้น
  • Backpropagation Step-by-step ทำความรู้จักกับ Algorithm ที่เป็นหัวใจหลักของ Deep Learning

14:45 – 15:00 พักเบรค ทานอาหารว่าง

15:00 – 16:00

  • Hands-on: Backpropagation

16:00 – 16:30 Q&A

Day 3 – 03/11/2019

09:30 – 10:00 ลงทะเบียน, รับประทานอาหารว่าง

10:00 – 12:00

  • Hands-on: Train Neural Network
  • Hands-on: ทดลองสร้าง Classifier สำหรับ Fashion-MNIST Dataset
  • Intro to TensorFlow
  • Hands-on: TensorFlow
  • Convolutional Neural Network มารู้จักกับ Neural Network ที่นิยมใช้กับข้อมูลประเภทรูปภาพหรือบ้างครั้งก็มีการเอาไปใช้กับข้อมูลที่เป็นตัวหนังสือด้วย

12:00 – 13:00 พักรับประทานอาหารกลางวัน

13:00 – 15:00

  • Hands-on: Convolution
  • Hands-on: ทดลองสร้าง Convolutional Neural Network
  • A Lightweight Model: MobileNet ทดลองทำโมเดลที่เหมาะสำหรับนำไปใช้งานบนอุปกรณ์ที่มีพลังการประมวลผลไม่มากเช่นมือถือหรือ Web Browser
  • Hands-on: MobileNet
  • Hands-on: ทดลองสร้าง Dataset ของตัวเอง

14:45 – 15:00 พักเบรค ทานอาหารว่าง

15:00 – 16:00

  • Hands-on: นำโมเดลที่เทรนขึ้นไปใช้งานบนเว็บด้วย TensorFlow.js

16:00 – 16:30 Q&A

About Instructor

ธีระ ลายธีระพงศ์ จบการศึกษาปริญญาตรีด้านวิศวกรรมคอมพิวเตอร์จาก KMITL และปริญญาโทด้านวิศวกรรมคอมพิวเตอร์จาก AIT หัวข้องานวิจัยที่สนใจคือ machine learning และ computer vision ปัจจุบันเป็น technical training lead ที่ TechTalkThai มีประสบการณ์วิจัย computer vision และ deep learning กับสถาบันวิจัยที่ประเทศญี่ปุ่น (NII) และร่วมสอน deep learning กับสมาคมโปรแกรมเมอร์แห่งประเทศไทย, Facebook Developer Circle, และบริษัทเอกชน

Teera Laiteerapong graduated master of computer engineering from Asian Institute of Technology and bachelor of computer engineering from King Mongkut’s Institute of Technology Ladkrabang. His research interests are machine learning and computer vision. Currently, he is technical training lead at TechTalkThai.

About TechTalkThai Training

TechTalkThai Training เป็นทีมงานส่วนหนึ่งของ TechTalkThai ที่มุ่งเน้นการจับมือร่วมกับเหล่าผู้เชี่ยวชาญทางด้าน IT ในสาขาต่างๆ จากภายนอก ในการเปิดคอร์สสอนเทคโนโลยีให้กับเหล่าผู้ที่สนใจในวงการ IT เพื่อให้ผู้ที่ทำงานในวงการ IT สามารถเข้าถึงเทคโนโลยีใหม่ๆ ได้อย่างทันท่วงที โดยผู้สอนที่มีความเชี่ยวชาญ ผ่านการตรวจสอบโดยทีมงาน TechTalkThai และมีราคาคอร์สที่ไม่สูงจนเกินไป สามารถออกใบกำกับภาษีได้อย่างถูกต้องตามกฎหมาย

ผู้ที่สนใจร่วมเปิดคอร์สใหม่ๆ กับทาง TechTalkThai Training สามารถติดต่อทีมงานได้ทันทีที่ teera@techtalkthai.com

from:https://www.techtalkthai.com/intro-to-deep-learning-4-by-techtalkthai-training/

นักวิชาการด้านกราฟิกชี้ Deepfake จะสมบูรณ์พอให้คนสร้างวิดีโอที่มองด้วยตาเปล่าไม่ออกภายใน 6 เดือนถึง 1 ปี

Hao Li ผู้ช่วยศาสตราจารย์ด้านคอมพิวเตอร์กราฟิกจาก University of Southern California และผู้อำนวยการห้องวิจัยกราฟิกและการมองเห็นให้สัมภาษณ์กับช่อง CNBC ว่าเขาเชื่อว่าเทคโนโลยี Deepfake ที่ใช้แปลงใบหน้าคนลงบนวิดีโออื่นนั้นจะไปสู่จุดที่คนทั่วไปสามารถสร้างวิดีโอที่สมจริงได้ภายในระยะเวลา 6 เดือนถึง 1 ปีข้างหน้า

Hao ระบุว่าด้วยเทคโนโลยีปัจจุบันก็เพียงพอที่จะสร้างวิดีโอที่น่าเชื่อถือได้อยู่แล้ว แต่สำหรับโปรแกรม Deepfake ที่แจกออกมานั้น คนทั่วไปยังคงสามารถมองออกได้โดยง่ายว่าเป็นวิดีโอปลอม

ก่อนหน้านี้เพียงไม่กี่วัน Hao เคยกล่าวในงานสัมมนาระบุว่าระยะเวลาที่โปรแกรม Deepfake จะพัฒนาจนคนทั่วไปใช้งานได้ใน 2-3 ปี แต่เขาเปลี่ยนระยะเวลาใหม่ หลังจากแอป ZAO ที่สลับหน้าผู้ใช้กับคนดังต่างๆ ได้รับความนิยมขึ้นมา

แม้เทคโนโลยี Deepfake จะดูมีภัยจากการสร้างวิดีโอปลอมมากกว่าประโยชน์ แต่ Hao ก็ระบุว่าเทคโนโลยีเบื้องหลังมีประโยชน์ต่อวงการ แฟชั่น, ภาพยนตร์, หรือแม้แต่การเพิ่มประสิทธิภาพการประชุมวิดีโอทางไกล

Deepfake เป็นชื่อเรียกการใช้เทคโนโลยี Deep Learning เพื่อวางวิดีโอใบหน้าคนลงบนวิดีโอเป้าหมาย โดยจุดเริ่มต้นมาจากผู้ใช้ใน Reddit ที่ใช้ชื่อ deepfakes สร้างวิดีโอโป๊จากคนดัง เมื่อปลายปี 2017 เป็นพิสูจน์ว่าเทคโนโลยีที่หาได้ทั่วไป สามารถสร้างวิดีโอปลอมที่คุณภาพเริ่มสมจริง

ที่มา – CNBC

ภาพหน้าจอจากวิดีโอ Deepfake ที่นำใบหน้า Gal Gadot แทนใบหน้าผู้แสดงเดิม วิดีโอถูกเผยแพร่เมื่อปี 2017

from:https://www.blognone.com/node/112102

Synology® เปิดตัว Deep Learning NVR DVA3219 โซลูชันวิเคราะห์ภาพวิดีโอด้วย AI ทุกที่ทุกเวลา

ตรวจสอบความเคลื่อนไหวที่เกิดขึ้น และรักษาความเป็นส่วนตัวด้วยระบบอัจฉริยะที่เข้าถึงได้ตลอดเวลา

กรุงเทพมหานคร, ประเทศไทย – 12 กันยายน 2562 – Synology Inc. ประกาศเปิดตัว Deep Learning NVR DVA3219 โซลูชันตรวจตราความปลอดภัยในสถานที่แบบอัจฉริยะ ซึ่งจะมอบผลการวิเคราะห์วิดีโอที่ถูกต้องแม่นยำ ทั้งยังสามารถลดการรบกวนจากสภาพแวดล้อมภายนอกได้ด้วยเทคโนโลยี deep learning โดย NVR DVA3219 มาพร้อมกับ NVIDIA® GeForce® GTX 1050 Ti GPU สามารถวิเคราะห์ภาพจาก 4 วิดีโอแบบเรียลไทม์ และฟีดได้มากถึง 32 วิดีโอพร้อมกัน

“เราขอแนะนำโซลูชันการวิเคราะห์วิดีโอด้วยเทคโนโลยี deep learning ซึ่งช่วยดูแลความปลอดภัยจากเหตุการณ์ที่ต้องเฝ้าระวังจนถึงความปลอดภัยของสถานที่และธุรกิจ ไปพร้อมกับการรักษาความเป็นส่วนตัวของข้อมูลผู้ใช้งานด้วย” นายไมเคิล หวัง ผู้จัดการผลิตภัณฑ์ ของ Synology Inc. กล่าว “DVA3219 เป็นโซลูชันที่สามารถแสดงผลการวิเคราะห์ภาพจากวิดีโอใน Surveillance Station และยังให้ผลลัพธ์ประสิทธิภาพสูงจากการทำงานด้วยอัลกอริทึม deep learning”

ผู้ใช้สามารถใช้ฟีเจอร์การวิเคราะห์ภาพจากวิดีโอ ไม่ว่าจะเป็นการนับจำนวนคน การตรวจจับผู้บุกรุก การตรวจจับสิ่งของและบุคคลเมื่ออยู่ในบริเวณที่ไม่ควรอยู่ เทคโนโลยีตรวจจับการเคลื่อนไหวที่ผิดปกติและกรองสิ่งรบกวนจากสภาพแวดล้อม โดยไม่มีค่า license เพิ่มเติม รวมไปถึงการอัพเดตซอฟต์แวร์ Surveillance Station ตลอดอายุการใช้งาน

ฟีเจอร์ที่สำคัญอื่น ๆ ของ DVA3219 ประกอบด้วย

  • Quad-core 2.1 GHz CPU และ 4GB DDR4 memory มากับตัวเครื่อง ซึ่งสามารถรองรับเพิ่มได้สูงสุด 32GB
  • 4 พอร์ต built-in 1GbE (RJ-45) รองรับ failover และ Link Aggregation
  • รองรับได้ถึง 14 ไดร์ฟ ด้วย Synology DX517 expansion สองยูนิต
  • สามารถทำงานได้กับกล้องมากกว่า 7,100 รุ่น จากแบรนด์ชั้นนำกว่า 100 แบรนด์
  • มาพร้อมกับ 8 device license สำหรับติดตั้ง กล้อง I/O modules ระบบควบคุมการเข้าออกแบบอัตโนมัติ และอุปกรณ์การปฏิบัติงานต่าง ๆ

สามารถดูข้อมูลและรายละเอียดเพิ่มเติมของ DVA3219 ได้ที่  https://www.synology.com/products/DVA3219 หรือติดต่อพาร์ทเนอร์ของเราเพื่อสอบถามราคา https://www.synology.com/th-th/wheretobuy/Thailand

เกี่ยวกับ Synology

Synology สร้างอุปกรณ์จัดเก็บข้อมูลบนเครือข่าย โซลูชั่น IP Surveillance และอุปกรณ์เครือข่ายที่ปฏิวัติการเก็บข้อมูล Surveillance และการจัดการเครือข่ายในระบบคลาวด์ Synology นำเทคโนโลยีล่าสุดมาใช้ให้เป็นประโยชน์ และตั้งใจที่จะช่วยให้ผู้ใช้งานรวบรวม จัดเก็บข้อมูล แบ็คอัพข้อมูล แชร์ไฟล์ได้อย่างง่ายดาย ใช้งานโซลูชัน Surveillance อย่างมืออาชีพ และสามารถจัดการเครือข่ายที่เชื่อถือได้ในราคาย่อมเยาว์ Synology มุ่งมั่นที่จะมอบสินค้าที่มีฟีเจอร์ที่รองรับกับความต้องการในอนาคตและการบริการลูกค้าที่ดีที่สุด

from:https://notebookspec.com/pr-synology-deep-learning-nvr-dva3219/494776/