Convolutional Neural Network
Neural Network ที่สามารถสกัด information ที่สำคัญจากข้อมูลโดยด้วยทฤษฎี Convolution ที่มีการปรับ filter ด้วย backpropagation CNN เป็นโมเดลที่นิยมใช้กับข้อมูลรูปภาพ
ในคอร์สนี้เราจะมาเรียน
1. ทฤษฎีคณิตศาสตร์ที่ใช้ในการสร้าง Convolutional Neural Network (เรียนกันตั้งแต่ assumption ของ model)
2. เขียน Code สร้าง Convolutional Neural Network ด้วย Pytorch
3. ตัวอย่างการประยุกต์ใช้ Recurrent Neural Network ในชีวิตจริง
จุดเด่นของคอร์ส
1. คณิตศาสตร์ที่ยากจะถูกแปลงเป็น “ภาพ” และถูกอธิบายด้วย “ภาษาที่คนทั่วไปเข้าใจได้”
2. นักเรียนเห็นภาพรวม (Overview) และความต่อเนื่องของเนื้อหา
3. อธิบายทุกขั้นตอนอย่างละเอียดและรัดกุม (ย่อยมาให้อย่างดีแล้ว)
4. ตัวอย่างการคำนวณด้วยมือ (เพื่อให้นักเรียนได้ลงมือปฎิษัติและทบทวนความเข้าใจ)
5. ส่วนประกอบของคอร์สนี้มีครบทั้ง I) ทฤษฎี II) เขียน code III) การประยุกต์ใช้
*คำแนะนำ : ควรเรียนคอร์ส Neural Network & Autodiff ก่อนเรียนคอร์สนี้
Agenda Course (ความยาวคอร์ส 9 ชั่วโมง)
1. Introduction
2. ทำความรู้จักกับ Convolutional Neural Network
3. State Data, State Model, State Prediction
4. เบื้องหลังความฉลาดของ Convolutional Neural Network
5. วิธีการหา Weight ของ Convolutional Neural Network
6. เราใช้ Convolutional Neural Network เมื่อไร ?
7. Convolution + ReLU + Pooling
8. ตัวอย่างการคำนวณ Convolutional Neural Network บนกระดาษ
9. เขียน Code Convolutional Neural Network from Scratch
10. Ex1: CIFAR10 ด้วย PyTorch
11. Ex2: Face Recognition ด้วย PyTorch
12. Normalization
13. Basic Knowledge – Derivative
14. Basic Knowledge – Chain Rule
15. Basic Knowledge – Matrix
16. Basic Knowledge – Python
17. Basic Knowledge – Numpy
คอรส์นี้เหมาะกับ
1. ผู้ที่ต้องการเข้าใจทฤษฎีเบื้องหลังจากทำงานของ Convolutional Neural Network
2. ผู้ที่ต้องการเขียน code Convolutional Neural Network ขึ้นมาเอง โดยใช้ Pytorch
3. ผู้ที่ต้องการนำความรู้ไปประยุกต์ใช้กับการทำงานจริง