Poster1
Education

AI102 Machine Learning

โอกาสดีของคนที่ต้องการเข้าใจแก่นแท้การทำงานของ Machine Learning แต่ละตัว, คนที่อยากเป็น Researcher ด้าน Machine Learning (อยากพัฒนา Machine Learning ให้ดีขึ้นกว่าที่มีในปัจจุบัน) และคนที่อยากเขียน Library ทาง Machine Learning ขึ้นมาใช้งานเอง โดยในคอร์สนี้ เราจะเรียนตั้งแต่ทฤษฎีทางคณิตศาสตร์ที่เป็นเบื้องหลังการทำงานของ Machine Learning และ เขียน Code Machine Learning ขึ้นมาใช้งานเองจากทฤษฎีคณิตศาสตร์ที่เราเรียน สุดท้ายเราจะนำ Code ที่เราเขียนขึ้นมาไปแก้ปัญหาต่าง ๆ ที่เป็น use case ในชีวิตจริง




คอรส์นี้เหมาะกับ

1. ผู้ที่ต้องการเข้าใจเบื้องหลังจากทำงานของ Machine Learning

2. ผู้ที่ต้องการสร้าง Scikit-Learn (Library ทาง Machine Learning) ขึ้นมาเอง

3. ผู้ที่ต้องการสร้าง Machine Learning ใหม่ ๆ ให้ดีกว่าที่เคยมีมา



Week

Content

Week 1 ครึ่งเช้า

(04/08/19)

1. ทำความรู้จัก AI


2. ตัวอย่างการใช้งาน AI ในปัจจุบัน


3. Concept ในการสร้าง AI


4. Computer ฉลาดได้อย่างไร ?


5. ทำความรู้จัก K Nearest Neighbor สำหรับ Classification


6. State Data, Model, Prediction


7. เบื้องหลังความฉลาดของ K Nearest Neighbor สำหรับ Classification


8. ทำความรู้จัก Distance Function


9. แบบฝึกหัด - คำนวณวิธีสร้าง K Nearest Neighbor สำหรับ Classification บนกระดาษ


10. เขียน Code K Nearest Neighbor สำหรับ Classification from Scratch


11. ตัวอย่างการใช้งาน K Nearest Neighbor สำหรับ Classification

Week 1 ครึ่งบ่าย

(04/08/19)

1. ทำความรู้จัก K Nearest Neighbor สำหรับ Regression


2. State Data, Model, Prediction


3. เบื้องหลังความฉลาดของ K Nearest Neighbor สำหรับ Regression


4. แบบฝึกหัด - คำนวณวิธีสร้าง K Nearest Neighbor สำหรับ Regression บนกระดาษ


5. เขียน Code K Nearest Neighbor สำหรับ Regression from Scratch


6. ตัวอย่างการใช้งาน K Nearest Neighbor สำหรับ Regression


7. ทำความรู้จัก One Hot Encoder


8. เขียน Code แปลง Feature แบบ Categorical ให้เป็น One Hot Encoder


9. ตัวอย่างการใช้งาน K Nearest Neighbor กับข้อมูลที่อยู่ในรูปแบบ One Hot Encoder

Week 2 ครึ่งเช้า

(11/08/19)

1. ทำความรู้จัก Naive Bayes กับข้อมูลแบบ Categorical Data


2. State Data, Model, Prediction


3. เบื้องหลังความฉลาดของ Naive Bayes กับข้อมูลแบบ Categorical Data


4. เรียนรู้วิธีการหาความน่าจะเป็นของ Categorical Data ด้วย Bayes’ Theorem  


5. แบบฝึกหัด - คำนวณวิธีสร้าง Naive Bayes กับข้อมูลแบบ Categorical Data บนกระดาษ


6. เขียน Code Naive Bayes กับข้อมูลแบบ Categorical Data from Scratch


7. ตัวอย่างการใช้งาน Naive Bayes กับข้อมูลแบบ Categorical Data

Week 2 ครึ่งบ่าย

(11/08/19)

1. ทำความรู้จัก Naive Bayes กับข้อมูลแบบ Numerical Data


2. State Data, Model, Prediction


3. เบื้องหลังความฉลาดของ Naive Bayes กับข้อมูลแบบ Numerical Data


4. เรียนรู้วิธีทดสอบการกระจายตัวของข้อมูล


5. ทำความรู้จักกับ Probability Density Function ต่าง ๆ


6. แบบฝึกหัด - คำนวณวิธีสร้าง Naive Bayes กับข้อมูลแบบ Numerical Data บนกระดาษ


7. เขียน Code Naive Bayes กับข้อมูลแบบ Numerical Data from Scratch


8. ตัวอย่างการใช้งาน Naive Bayes กับข้อมูลแบบ Numerical Data

Week 3 ครึ่งเช้า

(18/08/19)

1. ทำความรู้จัก Decision Tree


2. State Data, Model, Prediction


3. เบื้องหลังความฉลาดของ Decision Tree


4. ทำความรู้จัก Gini Impurity


5. แบบฝึกหัด - คำนวณวิธีสร้าง Decision Tree บนกระดาษ

Week 3 ครึ่งบ่าย

(18/08/19)

1. เขียน Code Decision Tree from Scratch


2. ตัวอย่างการใช้งาน Decision Tree


3. ทำความรู้จัก Random Forest


4. เขียน Code สร้าง Random Forest from Scratch


5. ตัวอย่างการใช้งาน Random Forest

Week 4 ครึ่งเช้า

(25/08/19)

1. ทำความรู้จัก Multivariable Polynomial Regression


2. State Data, Model, Prediction


3. เบื้องหลังความฉลาดของ Multivariable Polynomial Regression


4. ทำความรู้จัก Taylor Series


5. อธิบายหลักการสร้าง Feature ด้วย Stars and Bars (Combinatorics)


6. แบบฝึกหัด - คำนวณวิธีสร้าง Multivariable Polynomial Regression บนกระดาษ

Week 4 ครึ่งบ่าย

(25/08/19)

1. เขียน Code Multivariable Polynomial Regression from Scratch


2. ตัวอย่างการใช้งาน Multivariable Polynomial Regression


3. ทำความรู้จัก Support Vector Machine


4. การดำเนินการพื้นฐานของเวกเตอร์


5. เวกเตอร์ที่ตั้งฉากกับพื้นผิว

Week 5 ครึ่งเช้า

(01/09/19)

1. เบื้องหลังความฉลาดของ Support Vector Machine


2. ทำความรู้จัก Lagrange Multiplier


3. แบบฝึกหัด - คำนวณ Lagrange Multiplier บนกระดาษ


4. ทำความรู้จัก Nonlinear Programming


5. อธิบาย Karush-Kuhn-Tucker Condition (KKT)

Week 5 ครึ่งบ่าย

(01/09/19)

1. ทำความรู้จัก Soft/Hard Margin


2. ทำความรู้จัก Sequential Minimal Optimization


3. แบบฝึกหัด - คำนวณ Sequential Minimal Optimization บนกระดาษ

Week 6 ครึ่งเช้า

(08/09/19)

1. เขียน Code Lagrangian from Scratch


2. เขียน Code Sequential Minimal Optimization from Scratch


3. เขียน Code Support Vector Machine from Scratch


4. ตัวอย่างการใช้งาน Support Vector Machine

Week 6 ครึ่งบ่าย

(08/09/19)

1. สรุปภาพรวมของเนื้อหาที่เรียนตลอดคอร์ส


2. นำ Code ทั้งหมดที่เขียนในคอร์สมารวมเป็น Library


3. อธิบายการใช้งาน Library พร้อมตัวอย่าง



** สิ่งที่ผู้เรียนต้องเตรียมมา 

Notebook ที่ลงโปรแกรม Anaconda (Python version 3.6) และเตรียมใจให้พร้อม คิดไว้เลยว่าหนักแน่นอน

ประวัติผู้สอน

อาจารย์สอน AI ทาง Fundamental และ Coding from Scratch นักวิจัยเฉพาะทางด้านพยากรณ์ราคาหุ้นและอัตราแลกเปลี่ยนค่าเงินด้วย AI และ ที่ปรึกษาด้าน AI ให้กับบริษัทเอกชนชั้นนำ



อาจารย์ฆฤณ ชินประสาทศักดิ์


การชำระเงิน


วิธีการสมัครเพียงแค่กดปุ่ม Apply ที่ด้านล่างได้เลย

- ราคาคอร์ส 15,000 บาท

ชำระเงินได้ที่ เลขบัญชี : 738-2-9555-14  ธนาคารกสิกรไทย

ชื่อบัญชี : ฆฤณ ชินประสาทศักดิ์

Venue

Date: Sunday, 4 Aug - 8 Sep , 2019 (6 days)
Time: 9:00 a.m. - 17:00 p.m.
Location: Thai Summit Tower, IT Floor
(Google Maps: https://goo.gl/maps/eQ2dQCgaDpL2)
MRT เพชรบุรี ทางออกที่ 1, Airport Link สถานีมักกะสัน
หรือ รถยนต์ส่วนตัวสามารถนำรถมาจอดได้ที่ตึก Thai Summit Tower 


สอบถามรายละเอียดเพิ่มเติมทาง

  • Email: krin.c@madebyai.io
  • Call: 086-524-4463 (คริน)


Sponsors

         


data science, programmer, deep learning, ai

Event Application

This event requires you to fill out an application form designed to create better experience for every participants. Please kindly fill out the form and wait for the application to be processed your application. After it has been processed, you will get a link in your email to purchase / get the ticket(s).

ลงทะเบียน AI102 Machine Learning รอบวันเสาร์

ลงทะเบียนกด Apply (เต็ม!!)
Application Closed

AI102: Machine Learning รอบ วันอาทิตย์

เนื่องจากคอร์สวันเสาร์ ที่นั่งเต็มเเล้ว ทางเราเปิดเพิ่มอีกรอบ สามารถลงทะเบียนกด Apply

Tickets

No Tickets Available

T
Organize by
TAUTOLOGY