หลักสูตร Natural Language Processing with Deep Learning
หลักการ
งานประมวลผลภาษาธรรมชาติแบบดั้งเดิม จำเป็นต้องมีการวิเคราะห์รูปคำ บทบาทของคำ การแบ่งคำ การแบ่งวลี การแบ่งประโยค ไวยากรณ์โครงสร้างประโยค การจัดการความกำกวม การตีความหมาย และงานอื่นๆ ทำให้การประยุกต์ใช้งานในขั้นตอนสุดท้าย ทำได้ล่าช้าและไม่มีประสิทธิภาพ ส่วนการเรียนรู้ด้วยเครื่องจักร ที่ใช้การเข้ารหัสแบบ one hot มีปัญหาที่ชัดเจน คือขาดความสัมพันธ์ระหว่างคำคู่ใด ๆ
อัลกอริทึมการเรียนรู้เชิงลึกพยายามเรียนรู้การแทนคำด้วยเวกเตอร์ที่ฝังความสัมพันธ์กับคำอื่นๆ รอบข้าง ประโยชน์หลายประการที่เราได้รับจากการใช้การเรียนรู้เชิงลึกสำหรับงานประมวลผลภาษาธรรมชาติ เช่น สามารถแสดงการแจกแจงคำที่คล้ายคลึงกันในปริภูมิเวกเตอร์เดียวกัน เปิดโอกาสให้ระบบหาเหตุผลและความรู้ที่ซับซ้อนมากขึ้น จัดการการเรียกซ้ำของภาษามนุษย์อย่างเป็นธรรมชาติ สามารถจัดการข้อมูลเชิงลำดับ สิ่งที่น่าสนใจที่สุดคือรูปแบบการเรียนรู้เชิงลึกเพียงรูปแบบเดียว สามารถเรียนรู้ความหมายของคำและทำงานด้านภาษาได้โดยหลีกเลี่ยงความจำเป็นในการทำงานด้านภาษาที่ซับซ้อนข้างต้น แต่มุ่งตรงไปที่การประยุกต์ใช้งาน ได้แก่ งานแบ่งคำ งานจำแนกข้อความ งานแปลภาษา งานสรุปความ และงานตอบคำถาม
หลักสูตรนี้ ต้องการปูพื้นฐานความรู้ด้านงานประมวลผลภาษาธรรมชาติ การเรียนรู้เชิงลึกที่ใช้ในงานประมวลผลภาษาธรรมชาติ และการประยุกต์ใช้การเรียนรู้เชิงลึกสำหรับงานต่างๆ
เนื้อหา
เนื้อหาการอบรมประกอบด้วยภาคทฤษฏีและปฏิบัติ รวม 45 ชั่วโมง ประกอบด้วย
หัวข้อที่ | เนื้อหา |
|---|---|
1 | Overview of natural language processing module Syntax and semantics |
2 | Language modelling |
3 | Text labelling and sequence labelling Text representation in vector space |
4 | Text classification |
5 | News classification, sentiment analysis, spam filtering, traditional classifiers |
6 | Deep learning techniques, formulate sequence to sequence tasks |
7 | NLP applications Machine translation; summarization; question answering |
8 | Reviews |
วิทยากร
คณาจารย์ประจำคณะเทคโนโลยีสารสนเทศ และวิทยากรภายนอก
คุณสมบัติของผู้สมัคร
- บุคคลทั่วไป
- นักศึกษาระดับมหาวิทยาลัย
- จบการศึกษาหรือกำลังศึกษาอยู่ในระดับปริญญาตรี
ระยะเวลาและสถานที่อบรม
ในทุกวันเสาร์ เวลา 09.00 – 12.00 น. เรียน 15 สัปดาห์ เริ่มระหว่าง 2 ธันวาคม 2566 – 30 มีนาคม 2567
*หมายเหตุ : เปลี่ยนจากอบรมทุกวันอาทิตย์ เป็น ทุกวันเสาร์ แทน
(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. | ลดทุกคอร์สเหลือเพียง 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)
คุณนุชรี โทร. 0 2723 4927 หรือ มือถือ: 08 9699 7880
ในวันและเวลาราชการ
E-mail: nutcharee@it.kmitl.ac.th
หลักการ
งานประมวลผลภาษาธรรมชาติแบบดั้งเดิม จำเป็นต้องมีการวิเคราะห์รูปคำ บทบาทของคำ การแบ่งคำ การแบ่งวลี การแบ่งประโยค ไวยากรณ์โครงสร้างประโยค การจัดการความกำกวม การตีความหมาย และงานอื่นๆ ทำให้การประยุกต์ใช้งานในขั้นตอนสุดท้าย ทำได้ล่าช้าและไม่มีประสิทธิภาพ ส่วนการเรียนรู้ด้วยเครื่องจักร ที่ใช้การเข้ารหัสแบบ one hot มีปัญหาที่ชัดเจน คือขาดความสัมพันธ์ระหว่างคำคู่ใด ๆ
อัลกอริทึมการเรียนรู้เชิงลึกพยายามเรียนรู้การแทนคำด้วยเวกเตอร์ที่ฝังความสัมพันธ์กับคำอื่นๆ รอบข้าง ประโยชน์หลายประการที่เราได้รับจากการใช้การเรียนรู้เชิงลึกสำหรับงานประมวลผลภาษาธรรมชาติ เช่น สามารถแสดงการแจกแจงคำที่คล้ายคลึงกันในปริภูมิเวกเตอร์เดียวกัน เปิดโอกาสให้ระบบหาเหตุผลและความรู้ที่ซับซ้อนมากขึ้น จัดการการเรียกซ้ำของภาษามนุษย์อย่างเป็นธรรมชาติ สามารถจัดการข้อมูลเชิงลำดับ สิ่งที่น่าสนใจที่สุดคือรูปแบบการเรียนรู้เชิงลึกเพียงรูปแบบเดียว สามารถเรียนรู้ความหมายของคำและทำงานด้านภาษาได้โดยหลีกเลี่ยงความจำเป็นในการทำงานด้านภาษาที่ซับซ้อนข้างต้น แต่มุ่งตรงไปที่การประยุกต์ใช้งาน ได้แก่ งานแบ่งคำ งานจำแนกข้อความ งานแปลภาษา งานสรุปความ และงานตอบคำถาม
หลักสูตรนี้ ต้องการปูพื้นฐานความรู้ด้านงานประมวลผลภาษาธรรมชาติ การเรียนรู้เชิงลึกที่ใช้ในงานประมวลผลภาษาธรรมชาติ และการประยุกต์ใช้การเรียนรู้เชิงลึกสำหรับงานต่างๆ