หลักสูตร Deep Learning for Computer Vision
หลักการ
การเรียนรู้เชิงลึกได้สร้างความก้าวหน้าอย่างมากในโดเมนของการมองเห็นของคอมพิวเตอร์ งานประยุกต์สำคัญๆ เช่น การตรวจจับวัตถุ การติดตามการเคลื่อนไหว การจดจำการกระทำ การประมาณท่าทางของมนุษย์ การควบคุมการผลิต สถาปัตยกรรมและอัลกอริธึมการเรียนรู้เชิงลึกสำหรับแอปพลิเคชันการมองเห็นด้วยคอมพิวเตอร์ ประกอบด้วยโมเดลการเรียนรู้เชิงลึกสำคัญๆ ได้แก่ Convolutional Neural Networks (CNNs) จากสถาปัตยกรรมพื้นฐานไปจนถึงสถาปัตยกรรมใหม่ๆ เช่น VGG ResNet และ Efficientnet
หลักสูตรจะเริ่มจาก โมเดลเชิงเส้น ฟังก์ชั่นแอคทีเวชั่น ฟังก์ชั่นลอส การหาค่าดีที่สุด สถาปัตยกรรมแกน และการประยุกต์ใช้งาน CNN ด้านการแยกแยะและตรวจหาวัตถุ หลักสูตรนี้ มีจุดมุ่งหมายเพื่อเป็นประโยชน์ต่อนักวิจัยด้านการมองเห็นคอมพิวเตอร์และการวิเคราะห์มัลติมีเดียรวมถึงนักวิจัยด้านการเรียนรู้ของเครื่องทั่วไปที่สนใจความทันสมัยในการเรียนรู้เชิงลึกสำหรับงานด้านการมองเห็นด้วยคอมพิวเตอร์เช่นการตรวจจับ และจดจำวัตถุ การจดจำใบหน้า การควบคุมการผลิต เป็นต้น
เนื้อหา
เนื้อหาการอบรมประกอบด้วยภาคทฤษฏีและปฏิบัติ รวม 45 ชั่วโมง ประกอบด้วย
หัวข้อที่ | เนื้อหา |
|---|---|
1 | The basic concept of deep learning and their applications in computer vision |
2 | Convolutional Neural network (CNN) |
3 | Linear models, activation function, Loss function |
4 | Modern architectures such as VGG, ResNet, and Efficientnet |
5 | Stochastic optimization methods |
6 | GAN architecture (Generative Adversarial Network) for photo-realistic images |
7 | Application of CNN in classification and object detection. |
8 | Reviews |
วิทยากร
คณาจารย์ประจำคณะเทคโนโลยีสารสนเทศ และวิทยากรภายนอก
คุณสมบัติของผู้สมัคร
- บุคคลทั่วไป
- นักศึกษาระดับมหาวิทยาลัย
- จบการศึกษาหรือกำลังศึกษาอยู่ในระดับปริญญาตรี
ระยะเวลาและสถานที่อบรม
ในทุกวันเสาร์ เวลา 13.00 – 16.00 น. เรียน 15 สัปดาห์ เริ่มระหว่าง 2 ธันวาคม 2566 – 30 มีนาคม 2567
(เรียนร่วมกับนักศึกษาหลักสูตรปัญญาประดิษฐ์ วิชาโท หรือ ปริญญาโท)
ณ ห้องปฏิบัติการคอมพิวเตอร์ คณะเทคโนโลยีสารสนเทศ
การรับสมัคร
เปิดรับสมัครตั้งแต่บัดนี้ ถึง 23 พฤศจิกายน 2566
**สมัครและชำระค่าลงทะเบียนก่อนจะมีสิทธิ์ก่อน
รับจำนวน 15 คน
อัตราค่าลงทะเบียน 13,500 บาท
โปรโมชั่นพิเศษ!!!
โปรโมชั่น | รายละเอียด | เงื่อนไข |
|---|---|---|
EARLY BIRD
ศิษย์เก่าคณะเทคโนโลยีสารสนเทศ สจล.
| คอร์สละ 9,900 บาท
พิเศษ คอร์สละ 9,900 บาท จาก 13,500 บาท
| ผู้สมัครต้องชำระค่าลงทะเบียน |
วิธีการสมัคร
- สมัครผ่านระบบออนไลน์ คลิกที่นี่
- หลังสมัคร โอนเงินค่าลงทะเบียน เข้าบัญชี ออมทรัพย์ ธนาคารกรุงไทย สาขาเทคโนโลยีพระจอมเกล้าฯลาดกระบัง เลขที่ บัญชี 693-0-31634-2 ชื่อบัญชี “ โครงการพิเศษคณะเทคโนโลยีสารสนเทศ สจล.”
- ให้ส่งหลักฐานการโอนเงินค่าลงทะเบียน ทาง e-mail ถึง คุณ นุชรี
เงื่อนไขการชำระค่าลงทะเบียน
– ทางคณะขอตัดสิทธิ์ผู้สมัคร หากไม่ชำระค่าลงทะเบียนภายในวันและเวลาที่กำหนด
– กรณีที่ผู้สมัครชำระค่าลงทะเบียนแล้ว ทางคณะขอสงวนสิทธิ์ในการคืนเงินทุกกรณี
ส่งหลักฐานการชำระค่าลงทะเบียน
ส่งหลักฐานการชำระค่าลงทะเบียน คลิกที่นี่
** การสมัครจะสมบูรณ์ก็ต่อเมื่อทางคณะได้รับชำระเงินค่าลงทะเบียนเรียบร้อยแล้ว **
*** สมัครและชำระค่าลงทะเบียนก่อนจะมีสิทธิ์ก่อนโดยเรียงตามลำดับ ***
คลิกดูรายชื่อ
หมายเหตุ
– ผู้เข้าอบรมจะต้องมีเวลาในการอบรมไม่น้อยกว่าร้อยละ 80 ของเวลาการอบรมทั้งหมด จึงจะได้รับใบรับรองผ่านการอบรม (Certificate of Course Attendance)
– ข้าราชการ พนักงานรัฐวิสาหกิจ สามารถเบิกค่าลงทะเบียนตามระเบียบราชการได้
คุณนุชรี โทร. 0 2723 4927 หรือ มือถือ: 08 9699 7880
ในวันและเวลาราชการ
E-mail: nutcharee@it.kmitl.ac.th
หลักการ
การเรียนรู้เชิงลึกได้สร้างความก้าวหน้าอย่างมากในโดเมนของการมองเห็นของคอมพิวเตอร์ งานประยุกต์สำคัญๆ เช่น การตรวจจับวัตถุ การติดตามการเคลื่อนไหว การจดจำการกระทำ การประมาณท่าทางของมนุษย์ การควบคุมการผลิต สถาปัตยกรรมและอัลกอริธึมการเรียนรู้เชิงลึกสำหรับแอปพลิเคชันการมองเห็นด้วยคอมพิวเตอร์ ประกอบด้วยโมเดลการเรียนรู้เชิงลึกสำคัญๆ ได้แก่ Convolutional Neural Networks (CNNs) จากสถาปัตยกรรมพื้นฐานไปจนถึงสถาปัตยกรรมใหม่ๆ เช่น VGG ResNet และ Efficientnet
หลักสูตรจะเริ่มจาก โมเดลเชิงเส้น ฟังก์ชั่นแอคทีเวชั่น ฟังก์ชั่นลอส การหาค่าดีที่สุด สถาปัตยกรรมแกน และการประยุกต์ใช้งาน CNN ด้านการแยกแยะและตรวจหาวัตถุ หลักสูตรนี้ มีจุดมุ่งหมายเพื่อเป็นประโยชน์ต่อนักวิจัยด้านการมองเห็นคอมพิวเตอร์และการวิเคราะห์มัลติมีเดียรวมถึงนักวิจัยด้านการเรียนรู้ของเครื่องทั่วไปที่สนใจความทันสมัยในการเรียนรู้เชิงลึกสำหรับงานด้านการมองเห็นด้วยคอมพิวเตอร์เช่นการตรวจจับ และจดจำวัตถุ การจดจำใบหน้า การควบคุมการผลิต เป็นต้น