❝ 
คอร์สที่เรียนอย่างเห็นภาพ 
และได้ลงมือทำ workshop 
ตลอดระยะเวลา 2 เดือน ❞
คอร์สความยาวกว่า 50 ชั่วโมง 
slide ประกอบการสอนความยาวกว่า 2,000 หน้า ที่เน้นทั้งการใช้สี และภาพประกอบ
ภาพประกอบการบรรยายกว่า 1,500 ภาพ เพื่อให้นักเรียนเห็นภาพและง่ายต่อการทำความเข้าใจ 
พิเศษด้วย workshop ผ่าน library ต่าง ๆ เช่น sklearn, tensorflow, keras, pytorch จำนวนกว่า 20 projects
project ครอบคลุมหมวดหมู่ที่หลากหลาย เช่น การเกษตร, การแพทย์, การลงทุน ฯลฯ ที่สามารถนำไปใช้งานได้จริง 
คอร์สนี้เหมาะกับใคร 
– ผู้เรียนที่ต้องการสร้างพื้นฐาน deep learning ให้แข็งแรง
– ผู้เรียนที่ต้องการเข้าใจการทำงานของ deep learning อย่างเห็นภาพ
– ผู้เรียนที่ปวดหัวกับคณิตศาสตร์ของ deep learning แล้วก็ยังคงไม่เข้าใจ
– ผู้เรียนที่ต้องการนำ deep learning ไปใช้สร้าง project จริงผ่าน library ต่าง ๆ
วิธีการเรียน
– เรียนสดผ่าน zoom
– มีวิดีโอให้ทบทวนย้อนหลัง & ทบทวนได้ตลอดชีวิต
– เริ่มเรียนวันที่ 5 มิถุนายน 2565
Agenda
05/06/65 (เช้า) : Linear Regression 05/06/65 (บ่าย) : Data Preparation + Model Evaluation for Regression 12/06/65 (เช้า) : Basic Workshop of Linear Regression 12/06/65 (บ่าย) : Improvement of Linear Regression 19/06/65 (เช้า) : Cross Validation + Advanced Workshop of Linear Regression 19/06/65 (บ่าย) : Logistic Regression for Binary Classification 26/06/65 (เช้า) : Cross Entropy + Model Evaluation for Classification 26/06/65 (บ่าย) : Workshop of Logistic Regression for Binary Classification 03/07/65 (เช้า) : Logistic Regression for Multi-Class Classification 03/07/65 (บ่าย) : Workshop of Logistic Regression for Multi-Class Classification 10/07/65 (เช้า) : Neural Network & Deep Learning 10/07/65 (บ่าย) : Model Creation of Deep Learning 17/07/65 (เช้า) : Basic Workshop of Deep Learning 17/07/65 (บ่าย) : Improvement of Deep Learning 24/07/65 (เช้า) : Advanced Workshop of Deep Learning 24/07/65 (บ่าย) : Conclusionแล้วเจอกันในคลาสนะครับ 
Course Features
- Lectures 102
- Quizzes 0
- Duration Lifetime access
- Skill level All levels
- Language Thai
- Students 29
- Assessments Yes
-
DL the Series ครั้งที่ 1
-
DL the Series ครั้งที่ 2
-
DL the Series ครั้งที่ 3
- Model Improvement – Strong Assumption
- Model Improvement – Weak Assumption
- Model Improvement – Problem with Linearly Dependent
- ตอบคำถาม ข้อเสียของการ drop one hot
- Model Improvement – Solution
- Model Improvement – Regularization
- ตอบคำถาม Regularization
- Cross Validation
- Data Preparation – Feature Scaling
- Advanced Workshop
-
DL the Series ครั้งที่ 4
- Roadmap
- DL102 – Introduction
- LoR (2-class) – Introduction
- LoR (2-class) – Data
- LoR (2-class) – Model Creation part1
- LoR (2-class) – Model Creation part2
- LoR (2-class) – Prediction
- LoR (2-class) – Improvement
- Model Evaluation for Classification
- Workshop LoR (2-class) – Code Pipeline
- Workshop LoR (2-class) – AI in Healthcare
- Workshop LoR (2-class) – AI in Agriculture
- Workshop LoR (2-class) – Fake News
-
DL the Series ครั้งที่ 5
- Recap – LoR (2-class)
- LoR (multi-class) – เกริ่นนำ
- LoR (multi-class) – Introduction – LoR with Multiclass
- LoR (multi-class) – Introduction – Why Softmax?
- LoR (multi-class) – Introduction – Extension to Neural Network
- LoR (multi-class) – Introduction – Real World Application
- ตอบคำถาม sigmoid vs softmax
- LoR (multi-class) – Data
- LoR (multi-class) – Model
- LoR (multi-class) – Prediction
- LoR (multi-class) – Improvement
- Workshop LoR (multi-class) – AI in Fruit Industry
- Workshop LoR (multi-class) – AI in News Categorization
- Cross Entropy
-
DL the Series ครั้งที่ 6
- Roadmap
- DL103 – Introduction
- NN&DL – What is NN?
- NN&DL – Why we need NN?
- NN&DL – Real World Application
- NN&DL – Architecture of NN
- NN&DL – Component of NN
- NN&DL – How NN Work
- ตอบคำถาม decision boundary เปลี่ยนแปลงตามเวลาไหม?
- NN&DL – What is DL?
- NN&DL – Architecture of DL
- NN&DL – Component of DL
- NN&DL – Why we need DL?
- NN&DL – How DL Work
- DL for Regression
- DL for Binary Classification
- DL for Multiclass Classification
-
DL the Series ครั้งที่ 7
- Recap – NN&DL
- DL Workshop – Workflow
- DL Workshop – Overview
- DL Workshop – Code Pipeline Part1
- DL Workshop – Code Pipeline Part2
- DL Workshop – Code Pipeline Part3
- DL Workshop – AI in Civil Engineering
- DL Workshop – AI in Healthcare
- DL Workshop – AI in Skin Cancer
- ตอบคำถาม underfit & overfit คืออะไร?
- DL Interpretation – 1st Hidden Layer
- DL Interpretation – 2nd Hidden Layer
- DL Interpretation – 3rd Hidden Layer & Conclusion
- DL Interpretation – Conclusion & Adaptation
-
DL the Series ครั้งที่ 8
- Recap – DL Interpretation
- Improvement of DL – Overview
- Speed Up with GPU – What is GPU?
- Speed Up with GPU – How GPU Accelerate DL?
- Speed Up with GPU – Welcome to Colab
- Speed Up with GPU – Train Model with GPU
- Imbalanced Class
- L2, L1, Elastic Net
- Dropout Regularization part1
- Dropout Regularization part2
- Gradient Descent Variants
- Momentum
- Adagrad & RMSProp & Adam
- Advanced Workshop – Code Pipeline
- Advanced Workshop – AI in Real Estate Business
- Advanced Workshop – AI in Diagnosing Alzheimer’s
- Advanced Workshop – AI in Speech Recognition
- สรุปคอร์ส DL the Series
