Education

Deep Learning

10 Nov 2019 09:00 - 19 Jan 2020 17:00
sofinspace, 3 Floor
bts สยาม กรุงเทพมหานคร, ประเทศไทย
กรุงเทพมหานคร, ประเทศไทย
0 followers

โอกาสดีของคนที่ต้องการเข้าใจที่มาความฉลาดของ AI, คนที่อยากเป็น Researcher ด้าน AI (อยากพัฒนา AI ให้ฉลาดมากขึ้นกว่า AI ที่มีในปัจจุบัน) และคนที่อยากเขียน Library ทาง Deep Learning ขึ้นมาใช้เอง โดยเราจะเรียนตั้งแต่ทฤษฎีคณิตศาสตร์เบื้องหลังความฉลาดของ AI และเขียน Code ของ AI ขึ้นมาเองจากทฤษฎีคณิตศาสตร์ที่เราเรียน (โดยใช้ numpy, pandas, matplotlib) สุดท้าย เราจะเขียน Library ทาง Deep Learning ขึ้นมาใช้งานเอง




คอร์สนี้เหมาะกับ

1. ผู้ที่ต้องการเข้าใจที่มาความฉลาดของ AI

2. ผู้ที่ต้องการสร้าง Tensorflow (Library ทาง Deep Learning) ขึ้นมาเอง

3. ผู้ที่ต้องการพัฒนางาน AI ให้ฉลาดมากขึ้น (พัฒนาคอมพิวเตอร์ให้มีความฉลาดมากขึ้น)


รอบเรียน

วันเสาร์: 9 Nov, 16 Nov, 23 Nov, 7 Dec, 14 Dec , 21 Dec, 11 Jan, 18 Jan

วันอาทิตย์: 10 Nov, 17 Nov, 24 Nov, 8 Dec, 15 Dec , 22 Dec, 12 Jan, 19 Jan

Week

Content

Week 1 ครึ่งเช้า


  • ทำความรู้จักกับ Deep Learning
  • ตัวอย่างการใช้งาน Deep Learning ในปัจจุบัน
  • Concept ในการสร้าง Deep Learning
  • ทำความรู้จักกับ Multiple Regression
  • Idea การสร้าง Multiple Regression แบบ Global
  • วิธีการหา Weight ของ Multiple Regression แบบ Global
  • Idea การสร้าง Multiple Regression แบบ Local
  • ทำความรู้จักกับ Gradient Descent
  • วิธีการหา Weight ของ Multiple Regression แบบ Local

Week 1 ครึ่งบ่าย


  • ทำความรู้จักกับ Logistic Regression
  • Idea การสร้าง Logistic Regression
  • วิธีการหา Weight ของ Logistic Regression แบบ Local
  • ทำความรู้จักกับ Logistic Regression สำหรับ Multiclass
  • Idea การสร้าง Logistic Regression สำหรับ Multiclass
  • วิธีการหา Weight ของ Logistic Regression แบบ Multiclass


Week 2 ครึ่งเช้า


  • ทำความรู้จักกับทฤษฎีเบื้องหลังการทำงานของ Deep Learning
  • State Data, Modeling, Prediction ของ Deep Learning
  • ทำความรู้จักกับ Activation Function ต่าง ๆ
  • วิธีการสร้าง Model Deep Learning
  • แบบฝึกหัด - คำนวณวิธีการสร้าง Deep Learning บนกระดาษ

Week 2 ครึ่งบ่าย


  • เขียน Code Deep Learning from Scratch
  • DL Workshop 1 - Stock Price Prediction
  • DL Workshop 2 - Stock Trend Prediciton

Week 3 ครึ่งเช้า


  • เพิ่มประสิทธิภาพ Deep Learning ด้วย Ridge Regression
  • เพิ่มประสิทธิภาพ Deep Learning ด้วย Lasso Regression
  • เพิ่มประสิทธิภาพ Deep Learning ด้วย Elastic Net
  • เพิ่มประสิทธิภาพ Deep Learning ด้วย Dropout Regularization
  • เพิ่มประสิทธิภาพ Deep Learning ด้วย Momentum
  • เพิ่มประสิทธิภาพ Deep Learning ด้วย RMSProp
  • เพิ่มประสิทธิภาพ Deep Learning ด้วย AdaGrad
  • เพิ่มประสิทธิภาพ Deep Learning ด้วย Adam
  • เพิ่มความเร็วการเรียนรู้ ด้วย Batch Size

Week 3 ครึ่งบ่าย


  • ทำความรู้จักกับ Convolutional Neural Network
  • State Data, Modeling, Prediction
  • ทำความรู้จักกับ Convolution
  • แบบฝึกหัด - ตัวอย่างการคำนวณ Convolution
  • ทำความรู้จักกับ Layer ต่าง ๆ ของ Convolutional Neural Network
  • แบบฝึกหัด - คำนวณวิธีการสร้าง Convolutional Neural Network บนกระดาษ

Week 4 ครึ่งเช้า


  • เขียน Code CNN from Scratch
  • วิธีการเตรียมข้อมูลรูปภาพ เพื่อนำมาใช้ Train Model
  • CNN Workshop 1 - Image Classification : CIFAR

Week 4 ครึ่งบ่าย


  • CNN Workshop 2 - Face Recognition
  • CNN Workshop 3 - Image Classification : Student’s Image

Week 5 ครึ่งเช้า


  • Convolutional Neural Network สำหรับ Time Series
  • วิธีการเตรียมข้อมูล Time Series เพื่อนำมาใช้ Train Model
  • CNN for TS Workshop 1 - Time Series Prediction : Stock Trend Prediction

Week 5 ครึ่งบ่าย


  • CNN for TS Workshop 2 - Time Series Prediction : Student’s Time Series
  • CNN for TS Workshop 3 - Time Series Prediciton : Student’s Time Series


Week 6 ครึ่งเช้า


  • ทำความรู้จักกับ Recurrent Neural Network
  • State Data, Modeling, Prediction
  • โครงสร้างรูปแบบต่าง ๆ ของ Recurrent Neural Network
  • แบบฝึกหัด - คำนวณวิธีการสร้าง Recurrent Neural Network บนกระดาษ
  • ทำความรู้จัก Truncated Backpropagation Through Time

Week 6 ครึ่งบ่าย


  • ทำความรู้จักกับ LSTM
  • วิธีการทำงานของ LSTM
  • แบบฝึกหัด - ตัวอย่างการคำนวณ LSTM
  • ทำความรู้จักกับ GRUs
  • วิธีการทำงานของ GRUs
  • แบบฝึกหัด - ตัวอย่างการคำนวณ GRUs

Week 7 ครึ่งเช้า


  • เขียน Code RNN from Scratch
  • RNN Workshop 1 - Stock Trend Prediction using Tx Time Step Feature
  • RNN Workshop 2 - Stock Trend Prediction using Tx Time Step Feature และ Ty Time Step Target

Week 7 ครึ่งบ่าย


  • RNN Workshop 3 - Stock Price Prediction using Tx Time Step Feature
  • RNN Workshop 4 - Stock Price Prediction using Tx Time Step Feature และ Ty Time Step Target

Week 8 ครึ่งเช้า


  • วิธีการเตรียมข้อมูลภาษา เพื่อนำมาใช้ Train Model
  • RNN Workshop 5 - Sentimental Analysis ภาษาอังกฤษ
  • RNN Workshop 6 - Sentimental Analysis ภาษาไทย

Week 8 ครึ่งบ่าย


  • สรุปเนื้อหาคอร์ส Deep Learning



** 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/สมัคร ที่ด้านล่างได้เลย

- ราคาคอร์ส 19,900 บาท

Venue

Date:  9 Nov 2019 - 18 Jan 2020 (8 days)
Time: 9:00 a.m. - 17:00 p.m.
Location: Sofinspace
(Google Maps: https://goo.gl/maps/o79V4sgswCKaEhNZA)
BTS สยาม, สยามสแควร์ ซอย 1, ชั้น 3
หรือ รถยนต์ส่วนตัวสามารถนำรถมาจอดได้ที่ตึกศูนย์หนังสือจุฬา (ชั่วโมงละ 10 บาท)

สอบถามรายละเอียดเพิ่มเติมทาง

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

Application Form

Saturday ( เต็ม )

รอบวันเสาร์
เริ่มเรียนวันที่ 09/11/2019 ถึง 18/01/2020

Application Closed

Sunday

รอบวันอาทิตย์ เริ่มเรียนวันที่ 10/11/2019 ถึง 19/01/2020

481083f1b1bddeedd6da3bec593d0e03bcd961a8
Organized by
TAUTOLOGY