AI & Machine Learning with Python

Programming & Coding

หลักสูตร AI & Machine Learning with Python

ในปัจจุบัน ปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (Machine Learning) เป็นเทคโนโลยีที่มีบทบาทสำคัญในหลากหลายอุตสาหกรรม ทั้งในด้านธุรกิจ การแพทย์ การเงิน และการวิเคราะห์ข้อมูล ศาสตร์เหล่านี้ได้กลายเป็นปัจจัยสำคัญที่ช่วยเพิ่มประสิทธิภาพและความแม่นยำในกระบวนการทำงาน อีกทั้งยังสามารถนำมาใช้แก้ปัญหาทางธุรกิจและเพิ่มโอกาสในการสร้างนวัตกรรมใหม่ ๆ หลักสูตรนี้จึงถูกออกแบบมาเพื่อให้ผู้เรียนได้รับพื้นฐานที่ครอบคลุมตั้งแต่การประยุกต์ใช้การเขียนโปรแกรมภาษา Python ในการจัดการและประมวลผลข้อมูล การพัฒนาโมเดลการเรียนรู้ของเครื่อง ตลอดจนถึงการใช้งานไลบรารีและเครื่องมือยอดนิยม เช่น Scikit-learn, TensorFlow, และ Keras เพื่อพัฒนาความสามารถและทักษะในการพัฒนาโซลูชันด้วย AI ในการเขียนโปรแกรม

ระยะเวลา 18 ชั่วโมง

อบรม 3 วัน | 9.00 น. - 16.00 น.

ระดับ Advance

ระดับความรู้ขั้นสูง


แจ้งสนใจอบรม

เนื้อหาการอบรม

  • Chapter 1: พื้นฐานปัญญาประดิษฐ์ (Introduction to Artificial Intelligence)
    • นิยามของปัญญาประดิษฐ์ (Artificial Intelligence)
    • ประเภทของ Machine Learning
    • บทบาทของ AI และการประยุกต์ใช้
    • หลักการของ AI ที่มีความรับผิดชอบ (Principle of Responsible AI)
    • ผลกระทบที่อาจจะเกิดขึ้นจากความเสี่ยงในการใช้ AI (Risk of AI)
  • Chapter 2: การตั้งค่าทรัพยากร (Environment Setting)
    • การติดตั้งภาษา Python และการพิจารณาเวอร์ชันภาษา
    • การติดตั้ง IDE สำหรับการเขียนโปรแกรม (Visual Studio Code)
  • Chapter 3: การเขียนโปรแกรม Python สำหรับงาน Data และ AI (Python programming for data & AI)
    • ทบทวนพื้นฐานการเขียนโปรแกรม Python
    • การใช้งาน List, Tuple, Dictionary, และ Set ใน Python
    • การจัดการกับอาเรย์และการดำเนินการเชิงคณิตศาสตร์ด้วย NumPy
    • การจัดการข้อมูลรูปแบบตาราง (Table), DataFrame และการแปลงข้อมูลด้วย Pandas
    • ลองเรียนรู้การดึงข้อมูลจากเว็บไซต์ โดยใช้เทคนิค Web Scraping (Requests, Beautiful Soup, Selenium)
  • Chapter 4: การเรียนรู้ของเครื่อง (Introduction to Machine Learning)
    • Supervised Learning
    • Unsupervised Learning
    • Reinforcement Learning
    • การประยุกต์ใช้ Machine Learning ในชีวิตประจำวัน
  • Chapter 5: การใช้งานไลบรารี Scikit-learn สำหรับการพัฒนาโมเดลการเรียนรู้ของเครื่อง
    • การวิเคราะห์ข้อมูลแบบถดถอย (Regression Analysis)
      • Evaluation Metrics: MAE, MSE, RMSE
      • Linear Regression
      • Multiple Linear Regression
    • การจัดหมวดหมู่ข้อมูล (Classification)
      • Decision Tree
      • Random Forest
      • Cross Validation
      • Evaluation Metrics: Accuracy, Precision, Recall, F1-Score
      • Hyperparameters Tuning
    • การแบ่งกลุ่มข้อมูล (Clustering)
      • K-Means Clustering
  • Chapter 6: การประมวลผลภาพ (Computer Vision) โดยใช้ OpenCV เบื้องต้น
    • Basic OpenCV
    • การใช้ Cascade Classifier สำหรับตรวจจับใบหน้าและดวงตา
    • การรู้จำใบหน้าจากภาพ วิดีโอ และ Webcam แบบเรียลไทม์
  • Chapter 7: การพัฒนาโมเดล Neural Networks เบื้องต้น ด้วย Keras และ TensorFlow
    • Artificial Neural Network (ANN)
    • Convolutional Neural Network (CNN)
    • VGG16
    • ResNet50
    • Inception
    • Object Detection using YOLO
Download Course Outline
แจ้งสนใจอบรม