เนื่องจากความต้องการเรียนเยอะมากๆ ทางสมาคมจึงเปิดรอบพิเศษ โดยหัวข้อเดียวกับของเดิม โจทย์เข้มข้นเหมือนเดิม แต่เน้นไปที่การใช้งาน Tensor Flow และ ช่วยหางานเหมือนเดิม แต่เปลี่ยนอาจารย์ และเริ่มเรียนวันที่ 24/11/61 ถึง 02/03/62
Lean Upskill + Software Park Thailand + สมาคมโปรแกรมเมอร์ไทย + CodeKids ร่วมกันสนับสนุนการศึกษาไทย กับ Course freeๆ
**** ตั๋ว Sponsor สามารถผ่อนได้แล้วนะครับ ชำระเพียง 1,200 บาท เป็นระยะเวลา 10 เดือน
โอกาสดีของคนที่ต้องการที่จะเข้าใจความฉลาดของ AI, คนที่อยากทำงานเป็นRESEARCHER ด้าน AI (อยากพัฒนาAIให้ฉลาดมากขึ้นกว่า AI ที่มีในปัจจุบัน) และคนที่อยากเขียน TENSORFLOW ขึ้นมาใช้เอง โดยเราจะเรียนตั้งแต่ทฤษฎีคณิตศาสตร์เบื้องหลังความฉลาดของ AI และเขียนCODEของ AI ขึ้นมาเองตั้งแต่ต้น สุดท้ายเราจะเขียน TENSORFLOW ของGoogle ขึ้นมาใช้งานเอง
- จบมาทำงานจริงได้เลย
- สมาคมฯ จะช่วยหางานสำหรับคนที่ต้องการเปลี่ยนสายงาน
- การบ้านเยอะ ต้องขยัน ต้องส่งให้ครบ (ไม่งั้นจะไม่ได้ประกาศนียบัตร)
- ห้ามขาดเกิน 2 ครั้ง จาก 12 ครั้ง (ไม่งั้นจะไม่ได้ประกาศนียบัตร)
- เนื่องจากเป็น Course Free ที่มีคนต้องการลงทะเบียนเป็นจำนวนมาก ขอให้มีความรับผิดชอบและตั้งใจเรียนจนจบ ใครที่ไม่ได้ประกาศนียบัตร จะโดน Black List และไม่ให้เข้าร่วมงานจากสมาคมฯ ในอนาคตแบบไม่มีข้อยกเว้น
- Course และเนื้อหาทั้งหมด จะถูกนำมาเผยแพร่บนระบบ Course Online ของสมาคมโปรแกรมเมอร์ไทย ฟรี ในอนาคต หลังจาก Course จบไม่เกิน 1เดือน ใครชอบกิจกรรมเราก็สนับสนุนเยอะๆ นะครับ สมาคมเราจะทำให้เนื้อหาทุกงานเป็น Course free ให้มากที่สุดครับ
Warning
1. คอร์สนี้เป็นคอร์สเรียนคณิตศาสตร์และโปรแกรมมิ่ง ถ้าคุณไม่ต้องการเรียนรู้คณิตศาสตร์หรือโปรแกรมมิ่ง *คอร์สนี้ไม่เหมาะกับคุณ*
2. ความฉลาดของ AI เกิดขึ้นจากทฤษฎีทางคณิตศาสตร์ ถ้าคุณไม่ต้องการเข้าใจที่มาความฉลาดของ AI *คอร์สนี้ไม่เหมาะกับคุณ*
3. ทุกสัปดาห์เราจะเขียน code AI ขึ้นมาเอง 3 project ถ้าคุณอยากสร้าง AI โดยคลิกแค่ไม่กี่ครั้ง *คอร์สนี้ไม่เหมาะกับคุณ*
คอรส์นี้เหมาะกับ
ผู้ที่ต้องการพัฒนาโลกนี้ด้วยการเป็น RESEARCHER ด้าน AI ผู้ที่ต้องการเข้าใจที่มาความฉลาดของAI ผู้ที่ต้องการเขียน TENSORFLOW ขึ้นมาใช้งานเอง
AGENDA 12 WEEKS (โดยเราจะเรียน ทุก วันเสาร์ ของเดือน)
WEEK #1 วันเสาร์ที่ 20 ตุลาคม 2561 หรือ (รอบเสริม) วันเสาร์ที่ 24 พฤศจิกายน 2561 |
- เป้าหมายของการสอน Course นี้
- ระดับความเตรียมใจในการเรียน
- อธิบายประเภทของ MachineLearning
- อธิบาย Content ทั้งหมดที่ต้องเรียนทั้งหมด
LinearRegression
- เบื้องหลังความฉลาดของLinear Regression
- ลง Code LinearRegression
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย Linear Regression
MultipleRegression
- เบื้องหลังความฉลาดของMultipleRegression
- ลง Code MultipleRegression
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย Multiple Regression
** สำหรับ Course เสริมโดยอาจารย์เอ๊กซ์ จะเป็นการ Coding โดยใช้งาน TensorFlow
WEEK # 2 วันเสาร์ที่ 27 ตุลาคม 2561 หรือ (รอบเสริม) วันเสาร์ที่ 1 ธันวาคม 2561 |
PolynomialRegression
- เบื้องหลังความฉลาดของPolynomial Regression
- ลง Code PolynomialRegression
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย Polynomial Regression
Neural Networkfor Regression
- พิจารณา Neural Network3 Layer
- เบื้องหลังความฉลาดของ Neural Network 3 Layer
- ลง Code NeuralNetwork 3 Layer
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย Neural Network 3 Layer
** สำหรับ Course เสริมโดยอาจารย์เอ๊กซ์ จะเป็นการ Coding โดยใช้งาน TensorFlow
WEEK # 3 วันเสาร์ที่ 3 พฤศจิกายน 2561 หรือ (รอบเสริม) วันเสาร์ที่ 8 ธันวาคม 2561 |
Neural Networkfor Regression
- พิจารณา Neural NetworkK Layer
- เบื้องหลังความฉลาดของ Neural Network K Layer
- ลง Code NeuralNetwork K Layer
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย Neural Network K Layer
** สำหรับ Course เสริมโดยอาจารย์เอ๊กซ์ จะเป็นการ Coding โดยใช้งาน TensorFlow
WEEK # 4 วันเสาร์ที่ 10 พฤศจิกายน 2561 หรือ (รอบเสริม) วันเสาร์ที่ 22 ธันวาคม 2561 |
Logistic Regressionfor 2 Classes Problem
- เบื้องหลังความฉลาดของLogistic Regression for 2 Classes Problem
- ลง Code LogisticRegression for 2 Classes Problem
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย Logistic Regression for 2 Classes Problem
- เบื้องหลังความฉลาดของ Logistic Regression for K Classes Problem
- ลง Code LogisticRegression for K Classes Problem
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย Logistic Regression for K Classes Problem
** สำหรับ Course เสริมโดยอาจารย์เอ๊กซ์ จะเป็นการ Coding โดยใช้งาน TensorFlow
WEEK # 5 วันเสาร์ที่ 17 พฤศจิกายน 2561 หรือ (รอบเสริม) วันเสาร์ที่ 12 มกราคม 2562 |
Neural Networkfor Classification
- พิจารณา Neural Network3 Layer
- เบื้องหลังความฉลาดของ Neural Network 3 Layer
- ลง Code NeuralNetwork 3 Layer
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย Neural Network 3 Layer
Neural Networkfor Classification
- พิจารณา Neural NetworkK Layer
- เบื้องหลังความฉลาดของ Neural Network K Layer
- ลง Code NeuralNetwork K Layer
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย Neural Network K Layer
** สำหรับ Course เสริมโดยอาจารย์เอ๊กซ์ จะเป็นการ Coding โดยใช้งาน TensorFlow
WEEK # 6 วันเสาร์ที่ 24 พฤศจิกายน 2561 หรือ (รอบเสริม) วันเสาร์ที่ 19 มกราคม 2562 |
Generalization
- เบื้องหลังการลด Overfittingของ Generalization
- ลง CodeGeneralization
- ตัวอย่างการป้องกัน Overfitting ด้วย Generalization
- Momentum
- AdamOptimization
** สำหรับ Course เสริมโดยอาจารย์เอ๊กซ์ จะเป็นการ Coding โดยใช้งาน TensorFlow
WEEK # 7 วันเสาร์ที่ 1 ธันวาคม 2561 หรือ (รอบเสริม) วันเสาร์ที่ 26 มกราคม 2562 |
- สร้างTensorFlow ขึ้นมาใช้เอง
** สำหรับ Course เสริมโดยอาจารย์เอ๊กซ์ จะเป็นการ เรียนเรื่อง Artificial intelligence with logic programming
WEEK # 8 วันเสาร์ที่ 8 ธันวาคม 2561 หรือ (รอบเสริม) วันเสาร์ที่ 2 กุมภาพันธ์ 2562 |
ConvolutionalNeural Network
- เบื้องหลังความฉลาดของ Convolutional Neural Network
- ลง CodeConvolutional Neural Network
- ตัวอย่างการแก้ปัญหาในชืวิตจริงด้วย Convolutional Neural Network
** สำหรับ Course เสริมโดยอาจารย์เอ๊กซ์ จะเป็นการ Coding โดยใช้งาน TensorFlow
WEEK # 9 วันเสาร์ที่ 22 ธันวาคม 2561 หรือ (รอบเสริม) วันเสาร์ที่ 9 กุมภาพันธ์ 2562 |
RecurrentNeural Network
- เบื้องหลังความฉลาดของ Recurrent Neural Network
- ลง Code RecurrentNeural Network
- ตัวอย่างการแก้ปัญหาในชืวิตจริงด้วย Recurrent Neural Network
** สำหรับ Course เสริมโดยอาจารย์เอ๊กซ์ จะเป็นการ Coding โดยใช้งาน TensorFlow
WEEK # 10 วันเสาร์ที่ 12 มกราคม 2562 หรือ (รอบเสริม) วันเสาร์ที่ 16 กุมภาพันธ์ 2562 |
Decision Tree
- เบื้องหลังความฉลาดของ Decision Tree
- ลง Code DecisionTree
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย Decision Tree
** สำหรับ Course เสริมโดยอาจารย์เอ๊กซ์ จะเป็นการ Coding โดยใช้งาน TensorFlow
WEEK # 11 วันเสาร์ที่ 19 มกราคม 2562 หรือ (รอบเสริม) วันเสาร์ที่ 23 กุมภาพันธ์ 2562 |
Naive Bayes
- เบื้องหลังความฉลาดของ Naive Bayes
- ลง Code NaiveBayes
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย Naive Bayes
** สำหรับ Course เสริมโดยอาจารย์เอ๊กซ์ จะเป็นการ Coding โดยใช้งาน TensorFlow
WEEK # 12 วันเสาร์ที่ 26 มกราคม 2562 หรือ (รอบเสริม) วันเสาร์ที่ 3 มีนาคม 2562 |
Support VectorMachine
- เบื้องหลังความฉลาดของ Support Vector Machine
- ลง Code SupportVector Machine
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย Support Vector Machine
- เบื้องหลังความฉลาดของKNearest Neighbor
- ลง Code K NearestNeighbor
- ตัวอย่างการแก้ปัญหาในชีวิตจริงด้วย K Nearest Neighbo
ประวัติผู้สอน
เป็นตัวแทนนักศึกษาจากประเทศไทยเพียงคนเดียวที่เป็นSpeaker งานประชุมคณิตศาสตร์ระดับนานาชาติ ในหัวข้อ"การสร้างโมเดลคณิตศาสตร์สำหรับการพยากรณ์" เป็นนักสร้างโมเดลสำหรับจ่ายค่าCommission ให้ Sale ของบริษัทเอกชน เป็นคนกำหนดราคาสินค้าและแพ็คเกจของบริษัทเอกชน ทำงานวิจัยเฉพาะทางด้านพยากรณ์ราคาหุ้นและอัตราแลกเปลี่ยนค่าเงินด้วย AI
ประวัติผู้สอน Course เสริม
ดร.ธีรเดช สำเร็จการศึกษาปริญญาเอกสาขา Information Science (Computational Logic) จากสถาบัน Japan Advanced Institute of Science and Technology ปัจจุบันเป็นอาจารย์พิเศษให้กับสถาบันการศึกษาต่างๆ และสนใจงานวิจัยทางด้านปัญญาประดิษฐ์ตั้งแต่ระดับพื้นฐานคณิตศาสตร์สู่การประยุกต์ใช้อัลกอริทึ่มทางปัญญาประดิษฐ์
ดร.ธีรเดช ราชรักษ์
ผู้สนับสนุน