Machine Learning using Python

การพัฒนา Machine Learning Model ไม่ได้เริ่มจากการเลือก Algorithm แต่เริ่มจากการรวบรวมข้อมูล (Data Gathering) การเตรียมข้อมูล (Data Preparation) การแบ่งข้อมูลสำหรับ Train, Validation และ Test จากนั้นจึงเลือกโมเดล ฝึกสอน (Training) และประเมินผล หลักสูตรนี้สอน Workflow ตั้งแต่ต้นจนจบ พร้อม Workshop ที่ช่วยให้เข้าใจขั้นตอนการพัฒนาโมเดลสำหรับงานจริงอย่างเป็นระบบ

ครอบคลุม ผู้เรียนจะได้เรียนรู้ทั้ง Machine Learning สำหรับงาน Regression, Classification และ Clustering รวมถึง Deep Learning ด้วย TensorFlow และ Keras พร้อมการสร้าง Artificial Neural Network (ANN) และ Convolutional Neural Network (CNN) เพื่อประยุกต์ใช้กับงานด้าน Computer Vision และการจำแนกภาพ (Image Classification)

หลักสูตรอธิบายหลักการเลือกใช้อัลกอริทึมให้เหมาะกับลักษณะของข้อมูลและวัตถุประสงค์ของงาน เช่น Linear Regression สำหรับการพยากรณ์ค่า, Decision Tree, Random Forest, Support Vector Machine (SVM) และ XGBoost สำหรับงานจำแนกข้อมูล รวมถึง K-Means Clustering สำหรับการจัดกลุ่มข้อมูล พร้อมเปรียบเทียบข้อดี ข้อจำกัด และแนวทางเลือกใช้งานในแต่ละสถานการณ์

ตอบโจทย์ หลักสูตรครอบคลุมการพัฒนาโมเดลด้าน Computer Vision เช่น Image Classification, Face Detection, Face Recognition และ Object Detection ด้วย YOLO รวมถึงการประยุกต์ใช้ Pretrained Models เช่น VGG, EfficientNet และ ConvNeXt เพื่อช่วยลดเวลาในการพัฒนา AI และสามารถนำไปต่อยอดกับโจทย์ขององค์กรได้รวดเร็วยิ่งขึ้น

ผู้เรียนจะได้เรียนรู้การประเมินประสิทธิภาพของโมเดลด้วยตัวชี้วัด เช่น Accuracy, Precision, Recall, F1-Score, MAE, MSE และ RMSE รวมถึงเทคนิค Cross Validation, Grid Search, Hyperparameter Tuning, Early Stopping และการวิเคราะห์ปัญหา Underfitting และ Overfitting เพื่อช่วยให้สามารถพัฒนาโมเดลที่มีความแม่นยำและเหมาะสำหรับการใช้งานจริงได้