K Nearest Neighbor

โมเดลคณิตศาสตร์ (AI) ที่มีสมมติฐานแบบ Feature Similarity นั่นคือข้อมูลที่มีคุณลักษณะคล้าย ๆ กันจะถูกจำแนกประเภทเหมือน ๆ กัน คำถามที่ตามมาคือคำว่า “คล้าย ๆ กัน” จะวัดอย่างไร ? และถ้าวัดได้เราจะพิจารณาข้อมูลเพื่อนบ้านกี่ตัว (K) ถึงจะทำให้เราพยากรณ์ได้แม่นยำมากที่สุด ?
ภารกิจของเราที่นี้คือตอบคำถามดังที่กล่าวด้านบนและตอบคำถามอื่น ๆ ที่เกี่ยวข้องยกตัวอย่างการจำแนกประเภทของข้อมูลเช่น I) การพยากรณ์ว่าพรุ่งนี้หุ้นจะขึ้นหรือจะลง II) การวิเคราะห์รูปภาพว่าเป็นหมาหรือแมว III) การวิเคราะห์รูปภาพตัวอักษรไทยว่าเป็นอักษรอะไรในคอร์สนี้เราจะมาเรียน
1. ทฤษฎีคณิตศาสตร์ที่ใช้ในการสร้าง K Nearest Neighbor (เรียนกันตั้งแต่ assumption ของ model)
2. เขียน Code สร้าง K Nearest Neighbor from Scratch (เริ่มเขียน code ตั้งแต่ต้นจากความว่างเปล่า)
3. ตัวอย่างการประยุกต์ใช้ K Nearest Neighbor ในชีวิตจริงจุดเด่นของคอร์ส
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 : คอร์สนี้เหมาะสำหรับผู้เริ่มต้นศึกษา AI

Agenda Course (ความยาวคอร์ส 6 ชั่วโมง)

1. Introduction
2. ทำความรู้จักกับ K Nearest Neighbor สำหรับ Classification
3. State Data, State Model, State Prediction
4. เบื้องหลังความฉลาดของ K Nearest Neighbor สำหรับ Classification
5. ทำความรู้จักกับ Distance Function
6. Normalization
7. ตัวอย่างการคำนวณ K Nearest Neighbor สำหรับ Classification บนกระดาษ
8. เขียน Code K Nearest Neighbor สำหรับ Classification from Scratch
9. Ex1 : SET50 Trend Prediction
10. Ex2 : EURUSD Trend Prediction
11. Ex3 : Body Mass Index Group Prediction
12. ทำความรู้จักกับ K Nearest Neighbor สำหรับ Regression
13. เบื้องหลังความฉลาดของ K Nearest Neighbor สำหรับ Regression
14. ตัวอย่างการคำนวณ K Nearest Neighbor สำหรับ Regression
15. เขียน Code K Nearest Neighbor สำหรับ Regression from Scratch
16. Ex4 : SET50 Price Prediction
17. Ex5 : EURUSD Price Prediction
18. Ex6 : Body Mass Index Value Prediction

คอรส์นี้เหมาะกับ

1. ผู้ที่ต้องการเข้าใจทฤษฎีเบื้องหลังจากทำงานของ K Nearest Neighbor
2. ผู้ที่ต้องการเขียน code K Nearest Neighbor ขึ้นมาเอง โดยไม่ใช้เครื่องมือสำเร็จรูปใด ๆ
3. ผู้ที่ต้องการนำความรู้ไปประยุกต์ใช้กับการทำงานจริง
4. ผู้ที่ต้องการพัฒนา AI ให้มีศักยภาพสูงขึ้นและตอบโจทย์ specific need ของงานตัวเอง (ใครที่มี pain point กับเครื่องมือสำเร็จรูปจะเข้าใจดี)