AI for Finance : False Signal Detection
เราจะสร้าง AI สำหรับงาน Trading ได้อย่างไร ? ในปัจจุบัน เราทุกคนต่างได้เห็นศักยภาพอันทรงพลังของ AI ในทำงานด้านต่าง ๆ ตั้งแต่ การสร้างจรวดลงจอดอัตโนมัติ รถขับเคลื่อนด้วยตัวเอง AI ที่วาดรูปเองได้ เขียนบทความเองได้ จนกระทั่งเขียน code ขึ้นมาเองได้ นอกจากนั้น เรายังได้เห็นการออกมาพูดของเหล่าบรรดาผู้ก่อตั้ง Hedge...
Machine Learning
Machine Learning ที่เราจะได้เรียนอย่างลึกซึ้งในคอร์สนี้ มีดังนี้ K Nearest Neighbor (KNN) Naive Bayes Decision Tree Random Forest Lagrange Multipliers (คณิตศาสตร์พื้นฐานของ SVM) Karush Kuhn Tucker (คณิตศาสตร์พื้นฐาน SVM) Support...
Support Vector Machine
Support Vector Machine Course โมเดลคณิตศาสตร์ที่จำแนกประเภทของข้อมูลด้วยการสร้าง Hyperplane มาแบ่งกลุ่มของข้อมูลให้แยกขาดออกจากกัน (กลุ่มที่อยู่เหนือ Hyperplane จะถูกพิจารณาเป็น class 1 ส่วนกลุ่มที่อยู่ใต้ Hyperplane จะถูกพิจารณาเป็น class -1) ภารกิจที่เราต้องทำในที่นี้ก็คือ “หาสมการของ Hyperplane ที่เรากล่าวถึงข้างต้น”ยกตัวอย่างการจำแนกประเภทของข้อมูลเช่น I) การพยากรณ์ว่าพรุ่งนี้หุ้นจะขึ้นหรือจะลง II)...
Decision Tree & Random Forest
Decision Tree & Random Forest Course โมเดลคณิตศาสตร์ (AI) ที่อยู่ในรูปแบบของกฎ (Rules) ซึ่งกฎเหล่านี้ได้มาจากการเรียนรู้ กล่าวโดยละเอียดถึงการเรียนรู้ในที่นี้ได้ว่า คือการตั้งคำถามที่เป็นไปได้ทั้งหมดของคุณลักษณะ (Feature) ของข้อมูล แล้วเลือกคำถามที่สามารถจำแนกประเภทข้อมูลได้ดีที่สุดไปเรื่อย ๆ จนกว่าจะถึงเงื่อนไขการหยุด ภารกิจของเราในที่นี้คือ I) ออกแบบวิธีการตั้งคำถาม II) วัดความสามารถในการจำแนกประเภทข้อมูล III)...
Naive Bayes
Naive Bayes Course โมเดลคณิตศาสตร์ (AI) ที่ใช้หลักความน่าจะเป็นแบบมีเงื่อนไขของเบส์ในการจำแนกประเภทของข้อมูล ยกตัวอย่างการจำแนกประเภทของข้อมูลเช่น I) การพยากรณ์ว่าพรุ่งนี้หุ้นจะขึ้นหรือจะลง II) การวิเคราะห์รูปภาพว่าเป็นหมาหรือแมว III) การวิเคราะห์รูปภาพตัวอักษรไทยว่าเป็นอักษรอะไรในคอร์สนี้เราจะมาเรียน 1. ทฤษฎีคณิตศาสตร์ที่ใช้ในการสร้าง Naive Bayes (เรียนกันตั้งแต่ assumption ของ model) 2. เขียน Code...
K Nearest Neighbor
K Nearest Nearest Neighbor Course โมเดลคณิตศาสตร์ (AI) ที่มีสมมติฐานแบบ Feature Similarity นั่นคือข้อมูลที่มีคุณลักษณะคล้าย ๆ กันจะถูกจำแนกประเภทเหมือน ๆ กัน คำถามที่ตามมาคือคำว่า “คล้าย ๆ กัน” จะวัดอย่างไร ? และถ้าวัดได้เราจะพิจารณาข้อมูลเพื่อนบ้านกี่ตัว (K) ถึงจะทำให้เราพยากรณ์ได้แม่นยำมากที่สุด...