Naive Bayes

โมเดลคณิตศาสตร์ (AI) ที่ใช้หลักความน่าจะเป็นแบบมีเงื่อนไขของเบส์ในการจำแนกประเภทของข้อมูล
ยกตัวอย่างการจำแนกประเภทของข้อมูลเช่น I) การพยากรณ์ว่าพรุ่งนี้หุ้นจะขึ้นหรือจะลง II) การวิเคราะห์รูปภาพว่าเป็นหมาหรือแมว III) การวิเคราะห์รูปภาพตัวอักษรไทยว่าเป็นอักษรอะไรในคอร์สนี้เราจะมาเรียน
1. ทฤษฎีคณิตศาสตร์ที่ใช้ในการสร้าง Naive Bayes (เรียนกันตั้งแต่ assumption ของ model)
2. เขียน Code สร้าง Naive Bayes from Scratch (เริ่มเขียน code ตั้งแต่ต้นจากความว่างเปล่า)
3. ตัวอย่างการประยุกต์ใช้ Naive Bayes 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 9 ชั่วโมง)

1. Introduction
2. ทำความรู้จักกับ Naive Bayes สำหรับ Categorical Data
3. State Data, State Model, State Prediction
4. เบื้องหลังความฉลาดของ Naive Bayes สำหรับ Categorical Data
5. เรียนรู้วิธีการหาควมน่าจะเป็นของ Categorical Data ด้วย Bayes’ Theorem
6. ตัวอย่างการคำนวณ Naive Bayes สำหรับ Categorical Data บนกระดาษ
7. เขียน Code Naive Bayes สำหรับ Categorical Data from Scratch
8. Ex1 : Lotto Prediction
9. Ex2 : Gender Prediction
10. Ex3 : EURUSD Trend Prediction
11. ทำความรู้จักกับ Naive Bayes สำหรับ Numerical Data
12. ทำความรู้จักกับ Probability Density Function ต่าง ๆ
13. ตัวอย่างการคำนวณ Naive Bayes สำหรับ Numerical Data บนกระดาษ
14. เขียน Code Naive Bayes สำหรับ Numerical Data from Scratch
15. Ex4 : EURUSD Trend Prediction
16. Ex5 : Body Mass Index Group Prediction

คอรส์นี้เหมาะกับ

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