Login

Lost your password?
Don't have an account? Sign Up
3 students
Training Date : Coming soon !!!                                                       
Time : 24 Hour(s)
Days : 4 Day(s)
Duration : 09:00 – 16:00
Fee : 13,000 THB (Excluded Vat 7%)
Language : Thai
Instructor : Mr.Dendej Sawarnkatat
Objectives :
  • เพื่อเพิ่มพูนทักษะด้านการพัฒนาซอฟแวร์ในการประมวลผล(processing) และปัญญาวิเคราะห์(analytic) ทางด้านวิทยาศาสตร์ข้อมูลและจักรกลเรียนรู้(Machine Learning) สําหรับองค์กรธุรกิจ ด้วยเทคโนโลยีและสถาปัตยกรรมซอฟแวร์(Software Architecture) สมัยใหม่ที่กําลังได้รับความนิยม
  • เพิมพูนทักษะการพัฒนาซอฟแวร์ด้าน Business Intelligence ที่มีการเข้าถึงและประมวลผลข้อมูล มหาศาลที่มีลักษณะโครงสร้างไม่ตายตัว(Unstructured)
  • สร้างเสริมโอกาสความเจริญก้าวหน้าในสายอาชีพให้กับบุคคลที่สนใจ
  • ตอบสนองวิสัยทัศน์ของการพัฒนาประเทศไปสู่ระบบเศรษฐกิจแห่งการสร้างสรรค์(Creative Economy) ด้วยการผลิตบุคลากรที่มีความรู้ และทักษะระดับอาชีพจํานวนมากเพื่อรองรับ การ เจริญเติบโตของอุตสาหกรรมเทคโนโลยีการสื่อสารและสารสนเทศของประเทศรายละเอียดหลักสูตร
Who Should Attend :

กลุ่มเป้าหมาย

  • นักบริหารด้านเทคโนโลยีสารสนเทศ ผู้จัดการโครงการด้านซอฟแวร์ หัวหน้าเจ้าหน้าที่ด้วยข้อมูล

  • นักวิทยาศาสตร์ข้อมูล(Data Scientist) นักวิจัยนักวิเคราะห์ข้อมูล นักสถิติ

  • นักพัฒนาโปรแกรมประยุกต์วิศวกรซอฟแวร์

คุณสมบัติของผู้เข้าอบรม

  • ทักษะการเขียนโปรแกรมบื้องต้นด้วยภาษา Python

  • ความรู้พื้นฐานเชิงสถิต

Benefits :
  • สามารถพฒั นาระบบปัญญาประดิษฐ์แบบจักรกลเรียนรู้ โดยใช้เครื่องมือ กระบวนการพัฒนาและเทคโนโลยีสมัยใหม่คือ TensorFlow ทที่นำไปใช้ทำปัญญาวิเคราะห์ (Analytic) หรือใช้งานร่วมกับ

    Business Intelligence เพื่อใช้เป็นเครื่องมือในการบริหารจัดการในด้านต่างๆ เช่น แนวทางการลดต้นทุนและหรือการกำหนดกลยุทธ์ผลิตภัณฑ์อย่างมีประสิทธิภาพและมีดัชนีชี้วัดที่ชัดเจน

  • มีทักษะและประสบการณ์ในการพัฒนาโปรแกรมอย่างถูกต้องตามหลักปฏิบัติระดับดีเลิศ (Best

    practices) อันเป็นที่ยอมรับทั่วโลก

Course Outline : วันที่ 1

• ความรู้เบื้องต้นเกี่ยวกับวิทยาศาสตร์ข้อมูลData( Science) และจักรกลเรียนรู้(Machine Learning)

    • ความรู้พื้นฐานและกระบวนวิธี (Algorithm) ที่แพร่หลายและควรทราบ

      Supervised Learning
      Unsupervised Learning
      Reinforce Learning

    • กระบวนการเรียนรู้(Learning ) และการสร้างแบบจําลองสําหรับการทํานาย(Predictive Modeling)
    • การประเมินผล(Evaluation ) ของแบบจําลอง

• หลักการเขียนโปรแกรมสําหรับTensorFlow ด้วยภาษา Python เบื้องต้น

    • การใช้งานข้อมูลแบบการกระจายที่มีความทนทานResilient( Distributed Data: RDD)

• ความรู้เบืuองต้นเกี%ยวกับเครือข่ายระบบประสาทจําลอง (Artificial Neural Network: ANN)

    • การจําแนกชนิดของเครือข่ายระบบประสาทจําลอง

      Feed Forward Neural Network
     Convolutional Neural Network (CNN)
     Recurrent Neural Network (RNN)

• ความรู้เบื้องต้นเกี่ยวกับชุดคําสังและฐานระบบปัญญาวิเคราะห์( Analytics API & Platform) ชนิดTensorFlow

    • การติดตั้งและใช้งานและเครื่องมือที่จําเป็น
    • สถาปัตยกรรมและองค์ประกอบหลักของ Tensor Flow

• หลักการเขียนโปรแกรมสําหรับTensorFlow บน Google Cloud ML ด้วยภาษา Pytho

    • Computational Graph
    • Graph Building Blocks
    • ขั้นตอนการดําเนินงานขั้นพืuนฐาน (Flowing of Tensors)

วันที่2

• การพัฒนาระบบจักรกลเรียนรู้อย่างง่ายด้วยTensor Flow
• การพัฒนาระบบจําแนกประเภทClassification)

    • การทําแบบฝึกหัด(Workshop) สําหรับระบบจําแนกประเภทด้วยTensorFlow

• การพัฒนาระบบวิเคราะห์ชนิดถดถอย (Regression)

    • การทําแบบฝึกหัด(Workshop) สําหรับการวิเคราะห์แบบถดถอยด้วยTensorFlow

วันที่ 3

  • ความรู้เบื้องต้นเกี่ยวกับชุดคำสั่งงและฐานระบบปัญญาวิเคราะห์( Analytics API & Platform) ชนิด Scikit Learning บนGoogle Cloud ML
    • การติดตั้งและใช้งานและเครื่องมือที่จำเป็น
    • สถาปัตยกรรมและองค์ประกอบหลักของ Scikit Learning บน Google Cloud ML
    • การบวนการพัฒนาระบบแบบจําลอง (Model Training)
    • การทํานายด้วยระบบแบบจําลอง (Predicting with Model)
  • การทําแบบฝึกหัด (Workshop) สําหรับการวิเคราะห์แบบถดถอยด้วย Scikit Learning บน Google Cloud ML

วันที่ 4

• ความรู้เบื้องต้นเกี่ยวกับชุดคำสั่งและฐานระบบปัญญาวิเคราะห์( Analytics API & Platform) ชนิด XGBoost บน Google Cloud ML

    • การติดตั้ง และใช้งาานและเครื่องมือที่จำเป็น
    • สถาปัตยกรรมและองค์ประกอบหลักของ XGBoost บน Google Cloud ML
    • การบวนการพัฒนาระบบแบบจําลอง (Model Training)
    • การทํานายด้วยระบบแบบจําลอง (Predicting with Model)
    • การทําแบบฝึกหัด (Workshop) สําหรับการวิเคราะห์แบบถดถอยด้วย XGBoost บน Google Cloud ML
Payment Condition : Payment can be made by:

1. Cash or Credit Card or Bank Cheque payable to “Software Park Thailand #2” (a post-dated cheque is not accepted) on the first day of the service or within the last day of the service.
2. Account transfer and send the proof of the payment (the deposit slip) via fax or email to fax no. 02-583-2884 or email ttd@swpark.or.th

2.1 Siam Commercial Bank, Chaengwattana Branch
Saving Account Number: 324-2-56262-0
Account Name: Software Park Thailand#2

2.2 Krungsri Bank, Chaengwattana (Software Park) Branch
Saving Account Number: 329-1-34850-3
Account Name: Software Park Thailand#2

 

Notes:

– Withholding tax (3%) is exempt.
– Should you need to withdraw, you must send the notice of the withdrawal in writing no later than 7 working days before the commencement date. The cancellation less than 7 days will be subject to a fine of 40% of the fee.
– Software Park Thailand reserves the rights to cancel courses due to unforeseen circumstances.

Contact Person : For more information, contact our course coordinator on:

Patsorn Porntip

Tel: +66-2583-9992 Ext. 1422

Fax: +66-2583-2884

Email: ttd@swpark.or.th

patsorn@swpark.or.th

You are encouraged to use the course schedule as a guide to plan your training. The schedule is accessible at www.swpark.or.th for more information. 

Curriculum is empty

0.00 average based on 0 ratings

5 Star
0%
4 Star
0%
3 Star
0%
2 Star
0%
1 Star
0%
13,000 ฿

Course Features

  • Lectures 0
  • Quizzes 0
  • Students 3
  • Assessments Yes