AI208 การใช้ภาษาไพธอนแปลงข้อมูลให้พร้อมใช้งานและสร้างโมเดลการเรียนรู้ของเครื่องด้วย
วิชาที่ 1 การใช้ภาษาไพธอนในการจัดการข้อมูลให้อยู่ในรูปแบบพร้อมใช้งาน (Practical Python for Data Wrangling)
บทที่ 1 : บทนำกระบวนการจัดการข้อมูลให้อยู่ในรูปแบบพร้อมใช้งาน (Introduction to Data Wrangling)
บทที่ 2 : การจัดการและเตรียมข้อมูลโดยใช้ Python Pandas
บทที่ 3 : การจัดการและเตรียมข้อมูลโดยใช้ Python Pandas - ภาคปฏิบัติ
บทที่ 4 : การสร้างฟีเจอร์ (Feature) จากข้อมูล
วิชาที่ 2 การใช้ภาษาไพธอนในการสร้างโมเดลการเรียนรู้ของเครื่อง (Practical Python for Machine learning (ML))
บทที่ 1 : การถดถอยเชิงเส้น
บทที่ 2 : โมเดลตระกูลต้นไม้
บทที่ 3 : เครื่องมือชี้วัดประสิทธิภาพการทำงาน
บทที่ 4 : ขั้นตอนการพัฒนาโมเดลการเรียนรู้ของเครื่อง
วิชาที่ 3 การใช้ภาษาไพธอนในการสร้างโมเดลการเรียนรู้เชิงลึกของเครือข่ายประสาทเทียม (Hands-on Deep learning with Pytorch)
บทที่ 1 : พื้นฐานสร้าง Neural Network ด้วย Pytorch
บทที่ 2 : การประยุกต์ใช้ Transfer learning สำหรับการแบ่งประเภทภาพ
บทที่ 3 : เบื้องลึกการทำงานของ Deep learning สำหรับการประมวลผลภาพ
บทที่ 4 : การตรวจจับวัตถุ (Object detection)
บทที่ 5 : Generative adversarial network (GAN) with Pytorch
หลักสูตรนี้ สนับสนุนโดยกระทรวงอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม และพัฒนาโดย ภาควิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี (นำเสนอผ่าน Academy.KMUTTWORKS.com)