Multiple Regression Course
โมเดลคณิตศาสตร์ (AI) ที่มีความสามารถในการพยากรณ์ตัวแปรตาม 1 ตัว จากตัวแปรต้นหลาย ๆ ตัว
สมการของ Multiple Regression จะอยู่ในรูปของ Y = w0 + w1X1 + w2X2 + … + wDXD
สมการของ Multiple Regression จะอยู่ในรูปของ Y = w0 + w1X1 + w2X2 + … + wDXD
ภารกิจของเราในที่นี้คือหา w1, w2, … และ wD ที่ทำให้โมเดลมีประสิทธิภาพในการพยากรณ์สูงที่สุดในคอร์สนี้เราจะมาเรียน
- ทฤษฎีคณิตศาสตร์ที่ใช้ในการสร้าง Multiple Regression (เรียนกันตั้งแต่ assumption ของ model)
- เขียน Code สร้าง Multiple Regression from Scratch (เริ่มเขียน code ตั้งแต่ต้นจากความว่างเปล่า)
- ตัวอย่างการประยุกต์ใช้ Multiple Regression ในชีวิตจริงจุดเด่นของคอร์ส
- คณิตศาสตร์ที่ยากจะถูกแปลงเป็น “ภาพ” และถูกอธิบายด้วย “ภาษาที่คนทั่วไปเข้าใจได้”
- นักเรียนเห็นภาพรวม (Overview) และความต่อเนื่องของเนื้อหา
- อธิบายทุกขั้นตอนอย่างละเอียดและรัดกุม (ย่อยมาให้อย่างดีแล้ว)
- ตัวอย่างการคำนวณด้วยมือ (เพื่อให้นักเรียนได้ลงมือปฎิษัติและทบทวนความเข้าใจ)
- ส่วนประกอบของคอร์สนี้มีครบทั้ง I) ทฤษฎี II) เขียน code III) การประยุกต์ใช้*คำแนะนำ : ควรเรียนคอร์ส Linear Regression ก่อนเรียนคอร์สนี้
Agenda Course (ความยาวคอร์ส 11 ชั่วโมง)
- Introduction
- ทำความรู้จักกับ Multiple Regression
- State Data, State Model, State Prediction
- เบื้องหลังความฉลาดของ Multiple Regression แบบ Global
- วิธีการหา Weight ของ Multiple Regression แบบ Global
- ตัวอย่างการคำนวณ Multiple Regression แบบ Global บนกระดาษ
- เขียน Code Multiple Regression แบบ Global from Scratch
- Ex1: พยากรณ์ราคาสูงสุด & ต่ำสุดรายวัน SET50 (Global)
- Ex2: พยากรณ์เปอร์เซ็นต์ไขมันในร่างกายผู้ป่วย (Global)
- Ex3: แปลงภาพเบลอให้กลายเป็นภาพชัด (Global)
- ปัญญาของวิธี Global
- เบื้องหลังความฉลาดของ Multiple Regression แบบ Local
- วิธีการหา Weight ของ Multiple Regression แบบ Local
- ตัวอย่างการคำนวณ Multiple Regression แบบ Local บนกระดาษ
- เขียน Code Multiple Regression แบบ Local from Scratch
- เราใช้ Multiple Regression เมื่อไร?
- Ex1: พยากรณ์ราคาสูงสุด & ต่ำสุดรายวัน SET50 (Local)
- Ex2: พยากรณ์เปอร์เซ็นต์ไขมันในร่างกายผู้ป่วย (Local)
- Ex3: แปลงภาพเบลอให้กลายเป็นภาพชัด (Local)
- Normalization
- Basic Knowledge – Derivative
- Basic Knowledge – Chain Rule
- Basic Knowledge – Matrix
- Basic Knowledge – Python
- Basic Knowledge – Numpy
คอรส์นี้เหมาะกับ
- ผู้ที่ต้องการเข้าใจทฤษฎีเบื้องหลังจากทำงานของ Multiple Regression
- ผู้ที่ต้องการเขียน code Multiple Regression ขึ้นมาเอง โดยไม่ใช้เครื่องมือสำเร็จรูปใด ๆ
- ผู้ที่ต้องการนำความรู้ไปประยุกต์ใช้กับการทำงานจริง
- ผู้ที่ต้องการพัฒนา AI ให้มีศักยภาพสูงขึ้นและตอบโจทย์ specific need ของงานตัวเอง (ใครที่มี pain point กับเครื่องมือสำเร็จรูปจะเข้าใจดี)
Course Features
- Lectures 20
- Quizzes 0
- Duration 10 weeks
- Skill level All levels
- Students 5
- Assessments Yes
-
Document
-
Part1-Theory
- 1. Introduction
- 2. What is Multiple Regression ? & State
- 3. How to create model (Global)
- 4. Proof Global
- 5. ตัวอย่างการคำนวณ Multiple Regression (Global)
- 6. When will we use Multiple Regression ? & Code & Example
- 7. รีวิวปัญหาของ Global
- 8. How to create model (Local)
- 9. Proof Local
- 10. ตัวอย่างการคำนวณ Multiple Regression (Local)
-
Part2-Code
-
Part3-Basic Knowledge
