PYTHON-L2

Machine Learning using Python

ระยะเวลา
3
วัน (
18
ชม.) |ช่วงเวลา 9:00 - 16:00 น.
ประเภทการอบรม
Public
Inhouse
11,900
บาท
*ราคาดังกล่าวยังไม่รวมภาษีมูลค่าเพิ่ม
ขอใบเสนอราคา Public
ขอใบเสนอราคา Inhouse
หลักสูตร Machine Learning Using Python
หลักสูตร Machine Learning Using Python
Development
รูปแบบการอบรม
  • Classroom
  • Hybrid
?
Classroom : อบรมแบบ Class Room ณ ห้องอบรม 9EXPERT
Hybrid : (เลือกอบรมแบบ Class Room หรือ Ms Teams)

รอบการอบรม

17-19
Aug
รับสมัคร
23-25
Nov
รับสมัคร

Python เป็นโปรแกรมที่มีความสามารถในการทำ Machine Learning หรือ ML เพื่อทำการวิเคราะห์และประมวลผลด้วย AI (Artificial Intelligence) Python เป็นภาษาโปรแกรมที่ง่ายต่อการเรียนรู้ นอกจากนั้นยังมี Library จำนวนมาก ที่สามารถ
ประยุกต์ใช้งาน Artificial Intelligence และ Machine Learning สำหรับทำการวิเคราะห์และประมวลผลข้อมูล เพื่อนำไปใช้ประโยชน์ในการสร้างความได้เปรียบทางธุรกิจเหนือคู่แข่งได้

วัตถุประสงค์

  1. ผู้อบรมสามารถเข้าใจหลักการของ AI และ Machine Learning ได้
  2. ผู้อบรมสามารถใช้ภาษา Python ประยุกต์ใช้งานทางด้าน AI และ Machine Learning ได้​
  3. ผู้อบรมสามารถประยุกต์ใช้ Deep Learning และ CNN สำหรับ Image Classification และ Object Detection ได้
  4. ผู้อบรมสามารถใช้ Pretrained Models สำหรับการแก้ปัญหาจริงได้

หลักสูตรนี้เหมาะสำหรับ

  1. นักเรียน นักศึกษา วิศวกร นักพัฒนาซอฟต์แวร์ หรือบุคคลทั่วไปที่สนใจการประยุกต์ใช้งานMachine Learning ด้วยภาษา Python
  2. ผู้ที่ต้องการเรียนรู้ภาษา Python เพื่อต่อยอดในงานทางด้าน Data science ในอนาคต
  3. ผู้ที่ต้องการเรียนรู้ภาษา Python เพื่อต่อยอดในงานทางด้าน Machine Learning และ AI ได้​
  4. Data Analysts และ Data Scientists ที่ต้องการพัฒนาทักษะด้าน Deep Learning

พื้นฐานของผู้เข้าอบรม

  1. ผู้เข้าอบรมต้องมีความเข้าใจการเขียนโปรแกรมภาษา Python เบื้องต้นมาก่อน
  2. ผู้เข้าอบรมสามารถใช้งานคอมพิวเตอร์พื้นฐานได้ดี
  3. มีความตั้งใจและอยากเรียนรู้​
  4. มีความรู้พื้นฐานด้านคณิตศาสตร์และสถิติ

ความต้องการของระบบ

  • ระบบปฏิบัติการ Windows 10 / 11 หรือ macOS  
  • RAM: 4 GB (8 GB recommended)  
  • 50 GB free disk space
  • Python (latest version)  
  • Visual Studio Code
  • Jupyter
  • Google Account (สำหรับใช้งาน Google Colab)  

หัวข้อการฝึกอบรม

  • แนวคิดและประเภทของ AI
  • ความแตกต่างระหว่าง AI, ML และ Deep Learning
  • การประยุกต์ใช้งาน

  • Python 3.x Installation
  • Microsoft Visual Studio Code
  • Google Colab
  • Workshop: "Hello, World" of Machine Learning

  • Workshop: Image Scraping

  • Data Preparation (การเตรียมข้อมูล)
  • Dealing with Missing Values and Duplicate Data
    • Encoding Techniques
    • One Hot Encoding
    • Ordinal Encoding
    • Label Encoding
  • Data Augmentation
  • Data Separation (Train/Validation/Test Split)

  • Linear Regression
  • Multiple Linear Regression
  • Evaluation Metrics (MAE, MSE, and RMSE)

  • แนะนำ Keras และ TensorFlow
  • โครงสร้างของ Neural Network
  • การนับจำนวน ANN parameters

  • Convolutional Layer
  • Pooling Layer
  • Fully Connected Layer
  • CNN for MNIST dataset
  • CNN for Fashion-MNIST dataset
  • CNN for CIFAR10 dataset
  • CNN for CIFAR100 dataset
  • Validation split
  • Batch size
  • Early Stopping
  • Plotting Graphs
  • Underfitting vs Overfitting
  • Model Checkpoint
  • Resume Training

  • VGG16 and VGG19
  • NASNet
  • EfficientNetV2
  • ConvNeXt
  • Etc.

  • Machine Learning Algorithms
    • Support Vector Machine (SVM)
    • K-Nearest Neighbors (KNN)
    • Naive Bayes
    • Decision Trees
    • Random Forest
    • XGBoost
  • Cross Validation
  • Grid Search
  • Hyperparameter Tuning

  • Accuracy
  • Precision
  • Recall
  • F1-Score

  • K-Means Clustering
  • Euclidean distance
  • The elbow method

  • Face Detection
  • Face Recognition
  • Deep Fake Technology

  • Image Object Detection
  • Video Object Detection
  • Webcam (Real-time Detection)
  • Custom Object Detection