วิชาที่ 1 การจัดกลุ่มและการจำแนกประเภทเพื่อการทำนายข้อมูล (Clustering and Classification)
บทที่ 1: ความรู้เบื้องต้นของการจัดกลุ่มและการจำแนกประเภท
บทที่ 2: ต้นไม้การตัดสินใจ และ Random Forest
บทที่ 3: การวิเคราะห์การจำแนกประเภทเชิงเส้นและการถดถอยโลจิสติค
บทที่ 4: Support Vector Machine (SVM) และโครงข่ายประสาทเทียม
บทที่ 5: ความเหมือนกันหรือคล้ายกันของข้อมูล
และ K-nearest Neighbor (k-NN)
บทที่ 6: การจัดกลุ่มของข้อมูล
วิชาที่ 2 การพยากรณ์อนุกรมเวลาและ Long-Short Term Memory Network (Time Series Prediction and Long-Short Term Memory Network)
บทที่ 1: Regression กับ Time Series Regression
บทที่ 2: การสำรวจข้อมูลอนุกรมเวลา
บทที่ 3: การอธิบายคุณลักษณะของข้อมูลอนุกรมเวลา
บทที่ 4: หลักการพื้นฐานของ LSTM
บทที่ 5: โมเดลต่าง ๆ ของ LSTM
บทที่ 6: ตัวอย่างการสร้างโมเดล LSTM ด้วย Keras
วิชาที่ 3 ความรู้เบื้องต้นเกี่ยวกับ Reinforcement Learning (Overview of Reinforcement Learning)
บทที่ 1: ความรู้เบื้องต้นเกี่ยวกับ Reinforcement Learning และ Markov Decision Process
บทที่ 2: Value-based Reinforcement Learning
บทที่ 3: Policy-based Reinforcement Learning
บทที่ 4: Actor-Critic Reinforcement Learning
บทที่ 5: สรุป
หลักสูตรนี้ สนับสนุนโดยกระทรวงอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม และพัฒนาโดย ภาควิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี (นำเสนอผ่าน Academy.KMUTTWORKS.com)