AI101 Introduction to Deep Learning: เจาะลึกเบื้องหลังความฉลาดของ AI

Week

Content

Week 1 ครึ่งเช้า

(11/05/19)

1. ทำความรู้จักกับ AI

2. ตัวอย่างการใช้งาน AI ในปัจจุบัน

3. Idea ในการสร้าง AI คืออะไร ?

4. Computer ฉลาดได้อย่างไร ?

5. ทำความรู้จักกับ Linear Regression

6. State Data, Modeling, Prediction

7. เบื้องหลังความฉลาดของ Linear Regression แบบ Local

8. ทำความรู้จักกับ Error Function ของ Regression

9. ทำความรู้จักกับวิธีการปรับ Weight ด้วย Gradient Descent

10. วิธีการหา a, b ของ Linear Regression แบบ Local

11. เขียน Code Linear Regression แบบ Local

Week 1 ครึ่งบ่าย

(11/05/19)

1. เบื้องหลังความฉลาดของ Linear Regression แบบ Global

2. วิธีการหา a, b ของ Linear Regression แบบ Global

3. เขียน Code Linear Regression แบบ Global

4. การหาค่าสหสัมพันธ์ (r)

5. เขียน Code หาค่าสหสัมพันธ์

6. การใช้ Linear Regression กับข้อมูลที่เป็น Nonlinear

7. เราใช้ Linear Regression เมี่อไหร่ ?

8. ตัวอย่างการใช้งาน Linear Regression กับข้อมูลที่เป็น Linear

9. ตัวอย่างการใช้งาน Linear Regression กับข้อมูลที่เป็น Nonlinear

Week 2 ครึ่งเช้า

(18/05/19)

1. ทำความรู้จักกับ Multiple Regression

2. State Data, Modeling, Prediction

3. เบื้องหลังความฉลาดของ Multiple Regression แบบ Global

4. วิธีการหา W ของ Multiple Regression แบบ Global

5. เขียน Code Multiple Regression แบบ Global

6. เราใช้ Multiple Regression เมื่อไหร่ ?

6. ตัวอย่างการใช้งาน Multiple Regression ด้วยวิธี Global

Week 2 ครึ่งบ่าย

(18/05/19)

1. เบื้องหลังความฉลาดของ Multiple Regression แบบ Local

2. วิธีการหา W ของ Multiple Regression แบบ Local

3. เขียน Code Multiple Regression แบบ Local

4. ทำความรู้จักกับ Normalization

5. เขียน Code Normalization

6. เราใช้ Multiple Regression แบบ Local เมื่อไหร่ ?

7. ตัวอย่างการใช้งาน Multiple Regression ด้วยวิธี Local

Week 3 ครึ่งเช้า

(01/06/19)

1. ทำความรู้จักกับ Logistic Regression

2. State Data, Modeling, Prediction

3. เบื้องหลังความฉลาดของ Logistic Regression สำหรับ Binary Classification

4. ทำความรู้จักกับ Error Function ของ Classification

5. วิธีการหา W ของ Logistic Regression สำหรับ Binary Classification

6. เขียน Code Logistic Regression สำหรับ Binary Classification

7. เราใช้ Logistic Regression สำหรับ Binary Classification เมื่อไหร่ ?

8. ตัวอย่างการใช้งาน Logistic Regression สำหรับ Binary Classification

Week 3 ครึ่งบ่าย

(01/06/19)

1. เบื้องหลังความฉลาดของ Logistic Regression สำหรับ Multiclass Classification

2. วิธีการหา W ของ Logistic Regression สำหรับ Multiclass Classification

3. เขียน Code Logistic Regression สำหรับ Multiclass Classification

4. เราใช้ Logistic Regression สำหรับ Multiclass Classification เมื่อไหร่ ?

5. ตัวอย่างการใช้งาน Logistic Regression สำหรับ Multiclass Classification

Week 4 ครึ่งเช้า

(08/06/19)

1. ทำความรู้จักกับ Neural Network สำหรับ Regression

2. State Data, Modeling, Prediction

3. เบื้องหลังความฉลาดของ Neural Network สำหรับ Regression

4. ทำความรู้จัก Activation Function

5. ถ้าไม่มี Activation Function จะเกิดอะไรขึ้น ?

6. อธิบายเหตุผลที่ Neural Network ไม่สามารถหา Weight แบบ Global ได้

Week 4 ครึ่งบ่าย

(08/06/19)

1. วิธีการหา W ของ Neural Network สำหรับ Regression

2. เขียน Code Neural Network สำหรับ Regression

3. เราใช้ Neural Network สำหรับ Regression เมื่อไหร่ ?

4. ตัวอย่างการใช้งาน Neural Network สำหรับ Regression

Week 5 ครึ่งเช้า

(15/06/19)

1. ทำความรู้จักกับ Neural Network สำหรับ Classification

2. State Data, Modeling, Prediction

3. เบื้องหลังความฉลาดของ Neural Network สำหรับ Classification

4. วิธีการหา W ของ Neural Network สำหรับ Classification

5. เขียน Code Neural Network สำหรับ Classification

6. เราใช้ Neural Network สำหรับ Classification เมื่อไหร่ ?

7. ตัวอย่างการใช้งาน Neural Network สำหรับ Classification

Week 5 ครึ่งบ่าย

(15/06/19)

1. ทำความรู้จักกับ Ridge Regression

2. เขียน Code เพิ่มประสิทธิภาพโมเดล ด้วย Ridge Regression

3. ทำความรู้จักกับ Lasso  Regression

4. เขียน Code เพิ่มประสิทธิภาพโมเดล ด้วย Lasso Regression

5. ทำความรู้จักกับ Elastic Net

6. เขียน Code เพิ่มประสิทธิภาพโมเดล ด้วย Elastic Net

7. ทำความรู้จักกับ Dropout Regularization

8. เขียน Code เพิ่มประสิทธิภาพโมเดล ด้วย Dropout Regularization

Week 6 ครึ่งเช้า

(22/06/19)

1. ทำความรู้จักกับ Stochastic Gradient Descent

2. เขียน Code เพิ่มประสิทธิภาพโมเดล ด้วย Stochastic Gradient Descent

3. ทำความรู้จักกับ Batch Gradient Descent

4. เขียน Code เพิ่มประสิทธิภาพโมเดลด้วย Batch Gradient Descent

5. ทำความรู้จักกับ Mini Batch Gradient Descent

6. เขียน Code เพิ่มประสิทธิภาพโมเดลด้วย Mini Batch Gradient Descent

Week 6 ครึ่งบ่าย

(22/06/19)

1. ทำความรู้จักกับ Momentum

2. เขียน Code เพิ่มประสิทธิภาพโมเดล ด้วย Momentum

3. ทำความรู้จักกับ RMSProp

4. เขียน Code เพิ่มประสิทธิภาพโมเดล ด้วย RMSProp

5. ทำความรู้จักกับ AdaGrad

6. เขียน Code เพิ่มประสิทธิภาพโมเดล ด้วย AdaGrad

7. ทำความรู้จักกับ Adam

8. เขียน Code เพิ่มประสิทธิภาพโมเดล ด้วย Adam