หลักสูตร Neural Networks and Deep Learning
หลักการ
เทคโนโลยีด้านปัญญาประดิษฐ์ มีความก้าวหน้าอย่างมากตามการพัฒนาของระบบคอมพิวเตอร์ สารสนเทศ และปริมาณข้อมูล ในปัจจุบันปัญญาประดิษฐ์สามารถนำมาสร้างเป็นระบบแบ่งแยกข้อมูล ระบบคาดการณ์และทำนาย ระบบค้นหาที่ซับซ้อนและต้องการความรวดเร็ว หนึ่งในศาสตร์ของปัญญาประดิษฐ์คือ การเรียนรู้ของเครื่องจักร (Machine Learning) ซึ่งวิธีการที่นิยมอย่างมากในปัจจุบันคือการใช้โครงข่ายประสาทเทียม (Neural Networks) ที่เป็นการล้อโครงสร้างการจดจำภายในของสมองสิ่งมีชีวิต นอกจากนี้โครงข่ายประสาทเทียมได้มีการพัฒนาความสามารถให้สามารถเรียนรู้ที่ซับซ้อนและลึก (Deep Learning)
การทำงานในด้านวิทยาศาสตร์ข้อมูล (Data science) และการวิเคราะห์ข้อมูลขนาดใหญ่ (Big Data Analytic) จำเป็นอย่างมากที่ต้องใช้การเรียนรู้ของเครื่องจักร โครงข่ายประสาทเทียม และการเรียนรู้เชิงลึก ในหลักสูตรอบรมนี้เป็นการสร้างพื้นฐานจนกระทั้งถึงระดับกลางของการโครงข่ายประสาทเทียม การเรียนรู้เชิงลึก นอกจากนี้ยังผนวกการสร้างการค้นหาผลลัพธ์ที่ดีสุด (Optimization technique) เพื่อให้ผู้เรียนนำไปใช้ในการปรับแต่งโครงข่ายประสาทเทียมให้มีความสามารถทำงานที่ปริมาณข้อมูลมากได้อย่างรวดเร็ว
เนื้อหา
เนื้อหาการอบรมประกอบด้วยภาคทฤษฏีและปฏิบัติ รวม 45 ชั่วโมง ประกอบด้วย
หัวข้อ | เนื้อหา |
|---|---|
1 | Overview of artificial intelligent and machine learning |
2 | Neural networks |
3 | Coding Forward Propagation |
4 | Coding Backward Preparation |
5 | Coding Multilayer Perceptron |
6 | Process of recognition in Neural networks |
7 | Recurrent NN, Convolution NN |
8 | Long short-term memory |
9 | Neural network project and examples |
10 | Evolutionary computations |
11 | Improvement Neural networks with Genetic algorithm |
12 | Deep learning concept |
13 | Coding deep learning |
14 | Recognition system in Deep learning project |
15 | Deep learning project and example |
วิทยากร
คณาจารย์ประจำคณะเทคโนโลยีสารสนเทศ และวิทยากรภายนอก
คุณสมบัติของผู้สมัคร
- บุคคลทั่วไป
- นักศึกษาระดับมหาวิทยาลัย
- จบการศึกษาหรือกำลังศึกษาอยู่ในระดับปริญญาตรี
ระยะเวลาและสถานที่อบรม
ในทุกวันเสาร์ – อาทิตย์ วันละ 6 ชั่วโมง เวลา 09.00 – 16.00 น. เรียน 4 สัปดาห์ 45 ชั่วโมง ระหว่างวันที่ 6 – 28 กรกฎาคม 2567
(หมายเหตุ: หากมีการเปลี่ยนแปลงวันและเวลาจากที่กำหนดไว้ จะแจ้งให้ทราบล่วงหน้า)
ณ ห้องปฏิบัติการคอมพิวเตอร์ คณะเทคโนโลยีสารสนเทศ
การรับสมัคร
เปิดรับสมัครถึง 27 มิถุนายน 2567
**สมัครและชำระค่าลงทะเบียนก่อนจะมีสิทธิ์ก่อน
รับจำนวน 30 คน
***คณะขอสงวนสิทธิ์ไม่เปิดอบรม กรณีที่มีผู้สมัครเรียนและชำระเงินค่าลงทะเบียนไม่ถึง 10 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
ตั้งแต่บัดนี้ถึง 27 มิถุนายน 2567 |
วิธีการสมัคร
- สมัครผ่านระบบออนไลน์ คลิกที่นี่
- หลังสมัคร โอนเงินค่าลงทะเบียน เข้าบัญชี ออมทรัพย์ ธนาคารกรุงไทย สาขาเทคโนโลยีพระจอมเกล้าฯลาดกระบัง เลขที่ บัญชี 693-0-31634-2 ชื่อบัญชี “ โครงการพิเศษคณะเทคโนโลยีสารสนเทศ สจล.”
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
เทคโนโลยีด้านปัญญาประดิษฐ์ มีความก้าวหน้าอย่างมากตามการพัฒนาของระบบคอมพิวเตอร์ สารสนเทศ และปริมาณข้อมูล ในปัจจุบันปัญญาประดิษฐ์สามารถนำมาสร้างเป็นระบบแบ่งแยกข้อมูล ระบบคาดการณ์และทำนาย ระบบค้นหาที่ซับซ้อนและต้องการความรวดเร็ว หนึ่งในศาสตร์ของปัญญาประดิษฐ์คือ การเรียนรู้ของเครื่องจักร (Machine Learning) ซึ่งวิธีการที่นิยมอย่างมากในปัจจุบันคือการใช้โครงข่ายประสาทเทียม (Neural Networks) ที่เป็นการล้อโครงสร้างการจดจำภายในของสมองสิ่งมีชีวิต นอกจากนี้โครงข่ายประสาทเทียมได้มีการพัฒนาความสามารถให้สามารถเรียนรู้ที่ซับซ้อนและลึก (Deep Learning)
การทำงานในด้านวิทยาศาสตร์ข้อมูล (Data science) และการวิเคราะห์ข้อมูลขนาดใหญ่ (Big Data Analytic) จำเป็นอย่างมากที่ต้องใช้การเรียนรู้ของเครื่องจักร โครงข่ายประสาทเทียม และการเรียนรู้เชิงลึก ในหลักสูตรอบรมนี้เป็นการสร้างพื้นฐานจนกระทั้งถึงระดับกลางของการโครงข่ายประสาทเทียม การเรียนรู้เชิงลึก นอกจากนี้ยังผนวกการสร้างการค้นหาผลลัพธ์ที่ดีสุด (Optimization technique) เพื่อให้ผู้เรียนนำไปใช้ในการปรับแต่งโครงข่ายประสาทเทียมให้มีความสามารถทำงานที่ปริมาณข้อมูลมากได้อย่างรวดเร็ว