-
Document 1
-
DocumentLecture1.1
-
-
Introduction 9
-
Welcome to Advanced Machine Learning courseLecture2.1
-
Introduction – Inspiration of This Course part1Lecture2.2
-
ตอบคำถามนักเรียนประเด็น_dynamic_environmentLecture2.3
-
Introduction – Inspiration of This Course part2Lecture2.4
-
Introduction – AI OverviewLecture2.5
-
Introduction – ความสำเร็จ 2 ส่วนในการสร้างโมเดลLecture2.6
-
Introduction – หน้าที่ของ train & test และธรรมชาติของ_algorithmLecture2.7
-
Introduction – Assumption of AILecture2.8
-
Introduction – สรุปLecture2.9
-
-
Clustering 21
-
Clustering – What is Clustering และ Benefit of ClusteringLecture3.1
-
Clustering – เพิ่มเติม Benefit of ClusteringLecture3.2
-
Clustering – Type of ClusteringLecture3.3
-
Clustering – K-mean Clustering part1Lecture3.4
-
Clustering – K-mean Clustering part2Lecture3.5
-
ความเป็นไปได้เมื่อเราเลือกค่า K ไม่ตรงกับธรรมชาติของข้อมูลLecture3.6
-
Clustering – K-mean Clustering part3Lecture3.7
-
ตอบคำถามนักเรียน จะรู้ได้อย่างไรว่าค่า K ของเราถูกต้องแล้วLecture3.8
-
Clustering – DBSCAN part1Lecture3.9
-
ตอบคำถามนักเรียน ผลกระทบจากการปรับค่า epsilonLecture3.10
-
Clustering – DBSCAN part2Lecture3.11
-
Clustering – DBSCAN part3Lecture3.12
-
ตอบคำถามนักเรียน การ save DBSCAN ไปใช้งานจริงLecture3.13
-
Clustering – Gaussian Mixture ModelLecture3.14
-
Clustering – AHC part1Lecture3.15
-
Clustering – AHC part2Lecture3.16
-
Clustering – AHC part3Lecture3.17
-
Clustering – ComparisonLecture3.18
-
Clustering – Further ReadingLecture3.19
-
PCA part1Lecture3.20
-
PCA part2Lecture3.21
-
-
Ensemble Learning 37
-
Ensemble LearningLecture4.1
-
Bagging – What is bagging_ & Benefit of BaggingLecture4.2
-
Bagging – Bias-Variance Tradeoff part1Lecture4.3
-
Bagging – Bias-Variance Tradeoff part2Lecture4.4
-
Bagging – How Bagging WorksLecture4.5
-
Bagging – Discussion about BaggingLecture4.6
-
Bagging with SL, UL, RL & CodeLecture4.7
-
ตอบคำถามนักเรียน_เป็นไปได้ไหมที่_Base_Model_จะให้ประสิทธิภาพที่ดีกว่าLecture4.8
-
Stacking_What_is_Stacking_&_Benefit_of_Stacking_&_How_StackingLecture4.9
-
การใช้_Validation_Set_เพื่อหา_Lambda_ในการทำ_StackingLecture4.10
-
Stacking in Bagging’s Perspective part1Lecture4.11
-
Stacking in Bagging’s Perpective part2Lecture4.12
-
Stacking in Bagging’s Perspective part3Lecture4.13
-
Stacking with SL, RL & CodeLecture4.14
-
ตอบคำถามนักเรียน_การใช้_clustering_ในการสร้าง_SL_modelLecture4.15
-
Boosting – What is Boosting & Benefit of BoostingLecture4.16
-
Boosting – How Boosting Works part1Lecture4.17
-
Boosting – How Boosting Works part2Lecture4.18
-
Boosting – Clarify things about Weak LearnerLecture4.19
-
AdaBoost – What is AdaBoost_ & Calculation ConceptLecture4.20
-
AdaBoost – Calculation StepLecture4.21
-
AdaBoost_ที่มาของสูตร_Influence_และการอัพเดท_WeightLecture4.22
-
AdaBoost – Calculation ExampleLecture4.23
-
Discussion about AdaBoostLecture4.24
-
การใช้กลไกของ_AdaBoost_เพื่อสร้าง_Decision_Boundary_ที่หลากหลายLecture4.25
-
ทำไม_Boosting_ถึงไม่เหมาะกับการใช้งานสร้างระบบเทรดLecture4.26
-
AdaBoost – CodeLecture4.27
-
GB – What is GB_ & Calculation ConceptLecture4.28
-
GB – Calculation Step & Calculation ExampleLecture4.29
-
GB – Discussion about Gradient Boosting part1Lecture4.30
-
GB – Discussion about Gradient Boosting part2Lecture4.31
-
GB – CodeLecture4.32
-
LightGBM & XGBoost & CatBoostLecture4.33
-
Ensemble Learning – ComparisonLecture4.34
-
ตอบคำถามนักเรียนประเด็น_bagging_&_stacking_part1Lecture4.35
-
ตอบคำถามนักเรียนประเด็น_bagging_&_stacking_part2Lecture4.36
-
ตอบคำถามนักเรียนประเด็น_bagging_&_stacking_part3Lecture4.37
-
-
Concept Drift 31
-
Concept Drift – MotivationLecture5.1
-
Concept Drift – IntroductionLecture5.2
-
Concept_Drift_อธิบายหลุมพรางจากการไม่รู้_Concept_DriftLecture5.3
-
Concept Drift – What is Concept Drift_Lecture5.4
-
Concept Drift – Overview of Concept DriftLecture5.5
-
Concept_Drift_กฎ_4_ข้อที่เราต้องรักษาLecture5.6
-
Concept_Drift_กฎ_4_ข้อที่เราต้องรักษา_part2Lecture5.7
-
Concept Drift – Chi-square TestLecture5.8
-
Concept_Drift_ความสำคัญของ_Independent_&_Distribution_TestLecture5.9
-
Concept Drift – Test 2 Distributions are the Same part1Lecture5.10
-
Concept Drift – Komogorov-Smirnov TestLecture5.11
-
Concept Drift – Test 2 Distributions are the Same part2Lecture5.12
-
Training_Set_ที่ดีคือกุญแจสำคัญสำหรับรักษากฎทั้ง_4_ข้อLecture5.13
-
Concept Drift – Test 2 Concepts are the SameLecture5.14
-
Concept Drift – Recap กฎข้อ1-3Lecture5.15
-
Concept Drift DetectionLecture5.16
-
Concept Drift UnderstandingLecture5.17
-
Concept Drift Adaptation – Incremental Learning part1Lecture5.18
-
Concept Drift Adaptation – Incremental Learning part2Lecture5.19
-
ข้อควรรู้เพิ่มเติมเกี่ยวกับ_Incremental_LearningLecture5.20
-
ข้อควรระวังในการทำ_Incremental_LearningLecture5.21
-
Concept Drift Adaptation – Adaptive Ensemble LearningLecture5.22
-
Concept_Drift_Adaptation_Incremental_Learning_+_Ensemble_LearningLecture5.23
-
ทำไม_Incremental_Learning_ถึงรับมือ_Data_Drift_ไม่อยู่_part1Lecture5.24
-
ทำไม_Incremental_Learning_ถึงรับมือ_Data_Drift_ไม่อยู่_part2Lecture5.25
-
Concept Drift Adaptation – Data Drift part1Lecture5.26
-
Concept Drift Adaptation – Data Drift part2Lecture5.27
-
เสริมประเด็น_Concept_Drift_AdaptationLecture5.28
-
Concept Drift with ULLecture5.29
-
Concept Drift with RLLecture5.30
-
Conclusion of Advanced Machine LearningLecture5.31
-
This content is protected, please login and enroll course to view this content!