เนื้อหาการอบรม:
- เครือข่ายประสาทประดิษฐ์ (Artificial Neural Network)
- การใช้ TensorFlow Keras
- การสร้าง Convolutional Neural Network: CNN สำหรับงาน Computer Vision
- การตรวจจับวัตถุด้วย YOLO (Real-time Object Detection)
- การถ่ายโอนความรู้ด้วย Transfer Learning
- Recurrent Neural Network: LSTM GRU
- Generative Adversarial Network: GAN
- Autoencoder
- การประมวลผลภาษาธรรมชาติเบื้องต้น (NLP)
- BERT & Sentiment analysis วิเคราะห์ความรู้สึกจากข้อความ
- 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