Recurrent Neural Network Course
Neural Network ที่สามารถสกัด information ที่สำคัญและส่งข้ามผ่านเวลาได้ (จาก time_step i ไป time_step i+1) RNN เป็นโมเดลที่ออกแบบมาเพื่อจัดการกับข้อมูลที่เป็น Time Series โดยเฉพาะ
ในคอร์สนี้เราจะมาเรียน
1. ทฤษฎีคณิตศาสตร์ที่ใช้ในการสร้าง Recurrent Neural Network (เรียนกันตั้งแต่ assumption ของ model)
2. โครงสร้างของ RNN แบบต่าง ๆ I) Vanilla II) LSTM III) GRUs
3. วิธี encode ข้อมูลภาษาด้วย I) Bag of Words II) Word2Vec
4. เขียน Code สร้าง Recurrent Neural Network from Scratch (เริ่มเขียน code ตั้งแต่ต้นจากความว่างเปล่า)
5. ตัวอย่างการประยุกต์ใช้ Recurrent Neural Network 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
*คำแนะนำ: ควรเรียนคอร์ส Neural Network & Autodiff ก่อนเรียนคอร์สนี้
Agenda Course (ความยาวคอร์ส 13 ชั่วโมง)
1. Introduction
2. ทำความรู้จักกับ Recurrent Neural Network
3. State Data, State Model, State Prediction
4. เบื้องหลังความฉลาดของ Recurrent Neural Network
5. วิธีการหา Weight ของ Recurrent Neural Network
6. เราใช้ Recurrent Neural Network เมื่อไร?
7. ตัวอย่างการคำนวณ Vanilla Recurrent Neural Network บนกระดาษ
8. ตัวอย่างการคำนวณ LSTM บนกระดาษ
9. ตัวอย่างการคำนวณ GRUs บนกระดาษ
10. เขียน Code Recurrent Neural Network from Scratch
11. Bag of Words
12. Word2Vec
13. Ex1 : Vanilla – Forex Price Prediction
14. Ex2 : Vanilla – Forex Trend Prediction
15. Ex3 : Quora Bag of Words
16. Ex4 : Wongnai Bag of Words
17. Normalization
18. Basic Knowledge – Derivative
19. Basic Knowledge – Chain Rule
20. Basic Knowledge – Matrix
21. Basic Knowledge – Python
22. Basic Knowledge – Numpy
คอรส์นี้เหมาะกับ
1. ผู้ที่ต้องการเข้าใจทฤษฎีเบื้องหลังจากทำงานของ Recurrent Neural Network
2. ผู้ที่ต้องการเขียน code Recurrent Neural Network ขึ้นมาเอง โดยไม่ใช้เครื่องมือสำเร็จรูปใด ๆ
3. ผู้ที่ต้องการนำความรู้ไปประยุกต์ใช้กับการทำงานจริง
4. ผู้ที่ต้องการพัฒนา AI ให้มีศักยภาพสูงขึ้นและตอบโจทย์ specific need ของงานตัวเอง (ใครที่มี pain point กับเครื่องมือสำเร็จรูปจะเข้าใจดี)