Machine Learning ที่เราจะได้เรียนอย่างลึกซึ้งในคอร์สนี้ มีดังนี้
- K Nearest Neighbor (KNN)
- Naive Bayes
- Decision Tree
- Random Forest
- Lagrange Multipliers (คณิตศาสตร์พื้นฐานของ SVM)
- Karush Kuhn Tucker (คณิตศาสตร์พื้นฐาน SVM)
- Support Vector Machine (SVM)
วิธีการเรียนในคอร์ส Machine Learning
- เรียนทฤษฎีคณิตศาสตร์ที่เป็นพื้นฐานการทำงานของ machine learning
- มีแบบฝึกหัดการสร้าง machine learning บนกระดาษให้นักเรียนได้ทำ (เพื่อให้เราแน่ใจว่านักเรียนเข้าใจขั้นตอนการทำงานของ ML แต่ละตัวแล้วจริง ๆ)
- เขียน code machine learning ขึ้นมาจากทฤษฎีที่เราเรียน
- สุดท้ายเราจะนำ code ที่เขียนไปแก้ปัญหาต่าง ๆ ที่เป็น use case ในชีวิตจริง
จุดเด่นของคอร์ส
- คณิตศาสตร์ที่ยากจะถูกแปลงเป็น “ภาพ” และถูกอธิบายด้วย “ภาษาที่คนทั่วไปเข้าใจได้”
- นักเรียนเห็นภาพรวม (Overview) และความต่อเนื่องของเนื้อหา
- อธิบายทุกขั้นตอนอย่างละเอียดและรัดกุม (ย่อยมาให้อย่างดีแล้ว)
- ตัวอย่างการคำนวณด้วยมือ (เพื่อให้นักเรียนได้ลงมือปฎิษัติและทบทวนความเข้าใจ)
- ส่วนประกอบของคอร์สนี้มีครบทั้ง I) ทฤษฎี II) เขียน code III) การประยุกต์ใช้
คอรส์นี้เหมาะกับ
- ผู้ที่ต้องการเข้าใจหลักการทำงานของ machine learning อย่างแท้จริง
- ผู้ที่ต้องการเข้าใจความแตกต่างของ machine learning แต่ละตัว
- ผู้ที่ต้องการนำ machine learning ไปวิเคราะห์ข้อมูลจริง
- ผู้ที่ต้องการเป็น data scientist
- ผู้ที่ต้องการพัฒนา AI ให้มีความฉลาดมากกว่าที่เคย
ประวัติผู้สอน
อาจารย์สอน AI และ Data Science
Quantitative Researcher
ผู้ก่อตั้งบริษัท Made by AI, Quant Metric
อาจารย์ฆฤณ ชินประสาทศักดิ์ |
สอบถามรายละเอียดเพิ่มเติมทาง
-
- Facebook : Tautology Thailand
- Email : krin.c@madebyai.io