Linear Regression
โมเดลคณิตศาสตร์ (AI) ที่มีความสามารถในการพยากรณ์ตัวแปรตาม 1 ตัว จากตัวแปรต้น 1 ตัว
สมการของ Linear Regression จะอยู่ในรูปของ Y = aX + b
ภารกิจของเราในที่นี้คือหา a และ b ที่ทำให้โมเดลมีประสิทธิภาพในการพยากรณ์สูงที่สุด
สิ่งที่คุณจะได้จากคอร์สนี้
1. ทฤษฎีคณิตศาสตร์ที่ใช้ในการสร้าง Linear Regression (เรียนกันตั้งแต่ assumption ของ model)
2. เขียน Code สร้าง Linear Regression from Scratch (เริ่มเขียน code ตั้งแต่ต้นจากความว่างเปล่า)
3. ตัวอย่างการประยุกต์ใช้ Linear Regression 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
คอรส์นี้เหมาะสำหรับ
1. ผู้ที่ต้องการเข้าใจทฤษฎีเบื้องหลังจากทำงานของ Linear Regression
2. ผู้ที่ต้องการเขียน code Linear Regression ขึ้นมาเอง โดยไม่ใช้เครื่องมือสำเร็จรูปใด ๆ
3. ผู้ที่ต้องการนำความรู้ไปประยุกต์ใช้กับการทำงานจริง
4. ผู้ที่ต้องการพัฒนา AI ให้มีศักยภาพสูงขึ้นและตอบโจทย์ specific need ของงานตัวเอง (ใครที่มี pain point กับเครื่องมือสำเร็จรูปจะเข้าใจดี)
*คำแนะนำ : คอร์สนี้เหมาะสำหรับผู้เริ่มต้นศึกษา AI
บทเรียน
1. Introduction
2. ทำความรู้จักกับ Linear Regression
3. State Data, State Model, State Prediction
4. เบื้องหลังความฉลาดของ Linear Regression
5. ทำความรู้จักกับ Error Function ของ Regression
6. วิธีการหา a, b ของ Linear Regression
7. ตัวอย่างการคำนวณ Linear Regression บนกระดาษ
8. เขียน Code Linear Regression from Scratch
9. การหาค่าสหสัมพันธ์ (r)
10. การใช้ Linear Regression กับข้อมูลที่เป็น Nonlinear
11. เราใช้ Linear Regression เมื่อไร ?
12. Ex1 : พยากรณ์ราคาหุ้น INTUCH-ADVANC
13. Ex2 : พยากรณ์ราคาหุ้น THAI – PTT
14. Ex3 : Linear Function
15. Ex3 : Growth of Bacteria
16. Basic Knowledge – Derivative
17. Basic Knowledge – Chain Rule
18. Basic Knowledge – Matrix
19. Basic Knowledge – Python
20. Basic Knowledge – Numpy