Week

Content

Week 1 ครึ่งเช้า

• ทำความรู้จักกับ Deep Learning
• ตัวอย่างการใช้งาน Deep Learning ในปัจจุบัน
• Concept ในการสร้าง Deep Learning
• ทำความรู้จักกับ Multiple Regression
• Idea การสร้าง Multiple Regression แบบ Global
• วิธีการหา Weight ของ Multiple Regression แบบ Global
• Idea การสร้าง Multiple Regression แบบ Local
• ทำความรู้จักกับ Gradient Descent
• วิธีการหา Weight ของ Multiple Regression แบบ Local

Week 1 ครึ่งบ่าย

• ทำความรู้จักกับ Logistic Regression
• Idea การสร้าง Logistic Regression
• วิธีการหา Weight ของ Logistic Regression แบบ Local
• ทำความรู้จักกับ Logistic Regression สำหรับ Multiclass
• Idea การสร้าง Logistic Regression สำหรับ Multiclass
• วิธีการหา Weight ของ Logistic Regression แบบ Multiclass

Week 2 ครึ่งเช้า

• ทำความรู้จักกับทฤษฎีเบื้องหลังการทำงานของ Deep Learning
• State Data, Modeling, Prediction ของ Deep Learning
• ทำความรู้จักกับ Activation Function ต่าง ๆ
• วิธีการสร้าง Model Deep Learning
• แบบฝึกหัด - คำนวณวิธีการสร้าง Deep Learning บนกระดาษ

Week 2 ครึ่งบ่าย

• เขียน Code Deep Learning from Scratch
• DL Workshop 1 - Stock Price Prediction
• DL Workshop 2 - Stock Trend Prediciton

Week 3 ครึ่งเช้า

• เพิ่มประสิทธิภาพ Deep Learning ด้วย Ridge Regression
• เพิ่มประสิทธิภาพ Deep Learning ด้วย Lasso Regression
• เพิ่มประสิทธิภาพ Deep Learning ด้วย Elastic Net
• เพิ่มประสิทธิภาพ Deep Learning ด้วย Dropout Regularization
• เพิ่มประสิทธิภาพ Deep Learning ด้วย Momentum
• เพิ่มประสิทธิภาพ Deep Learning ด้วย RMSProp
• เพิ่มประสิทธิภาพ Deep Learning ด้วย AdaGrad
• เพิ่มประสิทธิภาพ Deep Learning ด้วย Adam
• เพิ่มความเร็วการเรียนรู้ ด้วย Batch Size

Week 3 ครึ่งบ่าย

• ทำความรู้จักกับ Convolutional Neural Network
• State Data, Modeling, Prediction
• ทำความรู้จักกับ Convolution
• แบบฝึกหัด - ตัวอย่างการคำนวณ Convolution
• ทำความรู้จักกับ Layer ต่าง ๆ ของ Convolutional Neural Network
• แบบฝึกหัด - คำนวณวิธีการสร้าง Convolutional Neural Network บนกระดาษ

Week 4 ครึ่งเช้า

• เขียน Code CNN from Scratch
• วิธีการเตรียมข้อมูลรูปภาพ เพื่อนำมาใช้ Train Model
• CNN Workshop 1 - Image Classification : CIFAR

Week 4 ครึ่งบ่าย

• CNN Workshop 2 - Face Recognition
• CNN Workshop 3 - Image Classification : Student’s Image

Week 5 ครึ่งเช้า

• Convolutional Neural Network สำหรับ Time Series
• วิธีการเตรียมข้อมูล Time Series เพื่อนำมาใช้ Train Model
• CNN for TS Workshop 1 - Time Series Prediction : Stock Trend Prediction

Week 5 ครึ่งบ่าย

• CNN for TS Workshop 2 - Time Series Prediction : Student’s Time Series
• CNN for TS Workshop 3 - Time Series Prediciton : Student’s Time Series

Week 6 ครึ่งเช้า

• ทำความรู้จักกับ Recurrent Neural Network
• State Data, Modeling, Prediction
• โครงสร้างรูปแบบต่าง ๆ ของ Recurrent Neural Network
• แบบฝึกหัด - คำนวณวิธีการสร้าง Recurrent Neural Network บนกระดาษ
• ทำความรู้จัก Truncated Backpropagation Through Time

Week 6 ครึ่งบ่าย

• ทำความรู้จักกับ LSTM
• วิธีการทำงานของ LSTM
• แบบฝึกหัด - ตัวอย่างการคำนวณ LSTM
• ทำความรู้จักกับ GRUs
• วิธีการทำงานของ GRUs
• แบบฝึกหัด - ตัวอย่างการคำนวณ GRUs

Week 7 ครึ่งเช้า

• เขียน Code RNN from Scratch
• RNN Workshop 1 - Stock Trend Prediction using Tx Time Step Feature
• RNN Workshop 2 - Stock Trend Prediction using Tx Time Step Feature และ Ty Time Step Target

Week 7 ครึ่งบ่าย

• RNN Workshop 3 - Stock Price Prediction using Tx Time Step Feature
• RNN Workshop 4 - Stock Price Prediction using Tx Time Step Feature และ Ty Time Step Target

Week 8 ครึ่งเช้า

• วิธีการเตรียมข้อมูลภาษา เพื่อนำมาใช้ Train Model
• RNN Workshop 5 - Sentimental Analysis ภาษาอังกฤษ
• RNN Workshop 6 - Sentimental Analysis ภาษาไทย

Week 8 ครึ่งบ่าย

• สรุปเนื้อหาคอร์ส Deep Learning