วันและเวลาที่จัดกิจกรรม

  • เสาร์ที่ 20 กรกฎาคม 2562 เวลา 09:30 - 17:00

    สถานที่เรียน

    • ศูนย์นวัตกรรมและความรู้ (RMUTT Innovation & Knowledge Center)

    วันคำอธิบายคอร์ส

        การเรียนรู้เชิงลึก (Deep Learning) เป็นสาขาหนึ่งของการเรียนรู้ของเครื่อง (Machine Learning) พื้นฐานของการเรียนรู้เชิงลึกคือการมีหน่วยประมวลผล (neuron) หลายๆชั้นซ้อนๆกันเพื่อพยายามหาความสัมพันธ์ที่ซับซ้อนมากขึ้น สำหรับ 1-day workshop นี้จะเป็นการอบรมผสมปฏิบัติ เหมาะสำหรับผู้ที่ต้องการเรียนรู้กระบวนทำงานตั้งแต่ระดับพื้นฐานของแนวคิดการเรียนรู้เชิงลึก ซึ่งจะเริ่มตั้งแต่ Comptation Graph, Forward propagation, Backpropagation และ รู้จักกับ Activation Function แต่ละประเภท (เช่น sigmoid, ReLU เป็นต้น)

        ถึงแม้ว่าในปัจจุบันจะมี Programming Frameworks (เช่น TensorFlow และ PyTorch) สำหรับพัฒนาโมเดลการเรียนรู้เชิงลึกหลายอย่าง และปฏิเสธไม่ได้ที่ในทางปฏิบัติจริง นักพัฒนาโมเดลก็ควรที่จะต้องใช้ Frameworks เหล่านั้นเพื่อประสิทธิภาพและความรวดเร็วของการพัฒนา  แต่ในคอร์สนี้จะเน้นให้ผู้เรียนได้สัมผัสกับการเขียนโค้ดโดยปราศจากการใช้ Frameworks เหล่านั้น เพื่อเพิ่มความเข้าใจใน Frameworks เหล่านั้น เทคโนโลยีหลักที่ผู้เรียนจะได้ฝึกใช้ได้แก่

    • NumPy (ใช้เป็นหลัก)

    • Pandas 

    • Python 

    • Google Colab

    • ดินสอ/ปากกา และกระดาษ


    ** คอร์สนี้เน้นลงมือทำ และถามตอบเป็นหลัก (ผู้เรียนต้องนำ laptop ส่วนตัวมาด้วย)

    คอร์สนี้เหมาะกับใคร?

    เหมาะกับ Programmer และผู้สนใจทั่วไปที่มีความต้องการดังต่อไปนี้

    • ต้องการทราบว่าปัญหาประเภทไหนที่เหมาะสำหรับใช้การเรียนรู้เชิงลึก (Deep Learning) 

    • ต้องการเข้าใจความสัมพันธ์ระหว่างปัญญาประดิษฐ์ (Artificial Intelligence หรือ AI) การเรียนรู้ของเครื่อง (Machine Learning) และการเรียนรู้เชิงลึก (Deep Learning) 

    • ต้องการเริ่มต้นศึกษาการเรียนรู้เชิงลึก (Deep Learning)  แต่ไม่รู้ว่าควรจะเริ่มต้นอย่างไร


    ** ไม่เหมาะกับ Deep Learning Engineer ที่มีความชำนาญอยู่แล้ว

    Workshop Outline

    09:30 - 10:00 ลงทะเบียน

    10:00 - 12:00 อบรมช่วงเช้า (Lecture)

          • เข้าใจประวัติโดยย่อของปัญญาประดิษฐ์และการเรียนรู้เชิงลึก
          • รู้จัก Computation Graph, Forward propagation, Backpropagation
          • รู้จัก Activation function แต่ละชนิด
          • เข้าใจความสำคัญของ Vectorization และ Random initialization

    12:00 - 13:00 พักอบรมช่วงกลางวัน

    13:00 - 14:30 อบรมช่วงบ่าย (Lab)

          • เขียนโค้ดด้วย Numpy, Pandas, และ Python บน Google Colab

    14:30 - 14:50 เบรค 20 นาที

    14:50 - 16:30 อบรมช่วงบ่าย (Lab)

          • เขียนโค้ดด้วย Numpy, Pandas, และ Python บน Google Colab

    16:30 - 17:00 Q & A

    วิทยากร

    ดร. ธีรเดช  ราชรักษ์ (Teeradaj Racharak)

    ประสบการณ์การทำงาน:

    • อาจารย์ ที่ Japan Advanced Institute of Science and Technology, Japan

    • อดีตวิศวกรซอฟต์แวร์ ที่ Octosoft Co. Ltd. (AMPOS)

    • อดีตนักวิจัย ที่ Institute for Information Technology Innovation ม. เกษตรศาตร์

    โฮมเพจ: https://sites.google.com/view/teeradaj/home    

    ราคา

    • 2,500 บาท (ราคานี้รวม x2 Coffee Break + 1 Lunch)


    จำนวนผู้เข้าอบรม

    • ประมาณ 15 คน


    ผู้สนใจสมัครเรียนสามารถซื้อตั๋วผ่าน Eventpop ได้เลยครับ


    hands-on lab, Workshop, Artificialartificial intelligence, machine learning, deep learning

    Tickets

    No Tickets Available

    317404
    Organize by
    Teeradaj Racharak