เนื้อหาการอบรม:

1. เครือข่ายประสาทประดิษฐ์ (Artificial Neural Network)
2. การใช้ TensorFlow Keras
3. การสร้าง Convolutional Neural Network: CNN สำหรับงาน Computer Vision
4. การตรวจจับวัตถุด้วย YOLO (Real-time Object Detection)
5. การถ่ายโอนความรู้ด้วย Transfer Learning
6. Recurrent Neural Network: LSTM GRU
7. Generative Adversarial Network: GAN
8. Autoencoder
9. การประมวลผลภาษาธรรมชาติเบื้องต้น (NLP)
10. BERT & Sentiment analysis วิเคราะห์ความรู้สึกจากข้อความ
11. ตัวอย่างระบบจำแนกภาพ ระบบรู้จำลายมือตัวเลข ระบบรู้จำใบหน้า ระบบแนะนำสินค้าแบบฉลาด ๆ ระบบวิเคราะห์อารมณ์ความรู้สึก การทำนายหุ้น การจำแนกข้อความ และอีกหลากหลายเรื่องราวน่าสนใจ

วันที่ 1

1. ความรู้เบื้องต้นเกี่ยวกับวิทยาศาสตร์ข้อมูล Data ( Science) และจักรกลเรียนรู้ (Machine Learning)

2. ความรู้พื้นฐานและกระบวนวิธี (Algorithm) ที่แพร่หลายและควรทราบ

• Supervised Learning
• Unsupervised Learning
• Reinforce Learning

3. กระบวนการเรียนรู้ (Learning ) และการสร้างแบบจําลองสำหรับการทํานาย (Predictive Modeling)

4. การประเมินผล (Evaluation ) ของแบบจําลอง

• หลักการเขียนโปรแกรมสำหรับTensorFlow ด้วยภาษา Python เบื้องต้น

5. การใช้งานข้อมูลแบบการกระจายที่มีความทนทาน Resilient ( Distributed Data: RDD)

• ความรู้เบื้องต้นเกี่ยวกับเครือข่ายระบบประสาทจําลอง (Artificial Neural Network: ANN)

6. การจําแนกชนิดของเครือข่ายระบบประสาทจําลอง

• Feed Forward Neural Network
• Convolutional Neural Network (CNN)
• Recurrent Neural Network (RNN)

7. ความรู้เบื้องต้นเกี่ยวกับชุดคําสังและฐานระบบปัญญาวิเคราะห์ ( Analytics API & Platform) ชนิดTensorFlow

• การติดตั้งและใช้งานและเครื่องมือที่จําเป็น
• สถาปัตยกรรมและองค์ประกอบหลักของ Tensor Flow

8. หลักการเขียนโปรแกรมสำหรับ TensorFlow ด้วยภาษา Python

• Computational Graph
• Graph Building Blocks
• ขั้นตอนการดําเนินงานขั้นพืuนฐาน (Flowing of Tensors)

วันที่ 2

9. การพัฒนาระบบจักรกลเรียนรู้อย่างง่ายด้วยTensor Flow

10. การพัฒนาระบบจําแนกประเภท Classification

• การทำแบบฝึกหัด(Workshop) สำหรับระบบจําแนกประเภทด้วยTensorFlow

11. การพัฒนาระบบวิเคราะห์ชนิดถดถอย (Regression)

• การทำแบบฝึกหัด(Workshop) สำหรับการวิเคราะห์แบบถดถอยด้วยTensorFlow

วันที่ 3

12. การพัฒนาระบบแบบจําลองด้วยเครืองข่ายแบบ Convolutional Neural Network: CNN

• การทำแบบฝึกหัด(Workshop) สำหรับCNN ด้วยTensorFlow

13. การพัฒนาระบบแบบจําลองด้วยเครืองข่ายแบบ Recurrent Neural Network: RNN

• การทำแบบฝึกหัด (Workshop )สำหรับRNN ด้วยTensorFlow