AI202 ปัญญาประดิษฐ์แบบดั้งเดิมสู่ปัญญาประดิษฐ์ขั้นสูง (From Classical to Advanced AI)
วิชาที่ 1 ปัญญาประดิษฐ์แบบดั้งเดิม 1 (Classical AI 1)
บทที่ 1: การแทนองค์ความรู้
บทที่ 2: เทคนิคการค้นหาข้อมูล
บทที่ 3: ขั้นตอนวิธีเชิงพันธุกรรม
วิชาที่ 2 ปัญญาประดิษฐ์แบบดั้งเดิม 2 (Classical AI 2)
บทที่ 1: Automated Reasoning: Propositional and Predicate Logic
บทที่ 2: Automated Reasoning: Inference and Resolution for Problem Solving
บทที่ 3: Rules and Expert Systems
วิชาที่ 3 การประมวลภาษาธรรมชาติและการวิเคราะห์ข้อความ (Natural Language Processing and Text Analytics)
บทที่ 1: การประมวลผลภาษาธรรมชาติคืออะไร
บทที่ 2: การประยุกต์ใช้งานการประมวลผลภาษาธรรมชาติ
บทที่ 3: วิธีการประมวลผลภาษาธรรมชาติแบบคลาสสิค
บทที่ 4: การประมวลผลเบื้องต้นและการฝังคำ
บทที่ 5: การเรียนรู้เชิงลึกและแบบจำลอง RNN
บทที่ 6: การประยุกต์ใช้ RNN กับการประมวลผลภาษาธรรมชาติ
วิชาที่ 4 ภาพรวมของคอมพิวเตอร์วิทัศน์ จากพื้นฐานสู่การใช้งานจริง (Brief Overview of Computer Vision: from Basics to Applications)
บทที่ 1: บทนำ และประวัติโดยย่อของ "Computer Vision" หรือ "คอมพิวเตอร์วิทัศน์"
บทที่ 2: โมเดล และการเรียนรู้
บทที่ 3: การเรียนรู้เชิงลึกและโครงข่ายประสาทเทียม
บทที่ 4: การจำแนกวัตถุ
บทที่ 5: การตรวจจับ และการแบ่งแยกวัตถุ
บทที่ 6: การเรียนรู้แบบทรานส์เฟอร์ และการปฏิบัติ
วิชาที่ 5 บทนำการเรียนรู้เชิงลึก (Introduction to Deep Learning)
บทที่ 1: การเรียนรู้เชิงลึกคืออะไร
บทที่ 2: โครงข่ายประสาทเทียมและการเรียนรู้เชิงลึก
บทที่ 3: โครงข่ายประสาทแบบคอนโวลูชัน
บทที่ 4: โครงข่ายประสาทแบบเกิดซ้ำ
บทที่ 5: ตัวอย่างการใช้งานการเรียนรู้เชิงลึกในสถานการณ์จริง
วิชาที่ 6 การจำแนกประเภทและวิเคราะห์อารมณ์ในข้อความ (Text classification and sentimental analysis practicum)
บทที่ 1: ภาพรวมของงานที่เกี่ยวข้องกับการแบ่งประเภทข้อความ
บทที่ 2: การสร้างโทเค็น (Tokenization)
บทที่ 3: การแบ่งประเภทข้อความด้วย Bag-of-words และ การใช้แบบจำลองแบบดั้งเดิม
บทที่ 4: การแบ่งประเภทข้อความด้วยโมเดล Embedding และ การทดลองใช้ Universal sentence encoder
บทที่ 5: การแบ่งประเภทข้อความด้วยโมเดล Transformer และ การทดลองใช้โมเดลประมวลผลภาษาไทย WangchanBERTa
หลักสูตรนี้ สนับสนุนโดยกระทรวงอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม และพัฒนาโดย ภาควิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี (นำเสนอผ่าน Academy.KMUTTWORKS.com)