Introduction to Deep learning and Data Science with Python and Tensorflow

  • TTDT08
  • Classroom
  • Intermediate
  • Thai
AI & Data Technology

เรียนรู้การพัฒนาการระบบปัญญาประดิษฐ์แบบจักรกลเรียนรู้ โดยใช้เครื่องมือที่ชื่อ TensorFlow ด้วยภาษา Python

Course description

Time
Days :
4 Day(s)
Duration :
24 Hour(s)
Time :
09:00:00 - 16:00:00
Training Date :
25 January 2022 - 28 January 2022
Status :
Open Register
Instructor
Name :
Ph.D.Dendej Rakrattanatrai
Language :
Thai
Venue
Venue :
Type :
Classroom
Introduction to Deep learning and Data Science with Python and Tensorflow

  • เพื่อเพิ่มพูนทักษะด้านการพัฒนาซอฟแวร์ในการประมวลผล(processing) และปัญญาวิเคราะห์(analytic) ทางด้านวิทยาศาสตร์ข้อมูลและจักรกลเรียนรู้(Machine Learning) สําหรับองค์กรธุรกิจ ด้วยเทคโนโลยีและสถาปัตยกรรมซอฟแวร์(Software Architecture) สมัยใหม่ที่กําลังได้รับความนิยม
  • เพิ่มพูนทักษะการพัฒนาซอฟแวร์ด้าน Business Intelligence ที่มีการเข้าถึงและประมวลผลข้อมูล มหาศาลที่มีลักษณะโครงสร้างไม่ตายตัว(Unstructured)
  • สร้างเสริมโอกาสความเจริญก้าวหน้าในสายอาชีพให้กับบุคคลที่สนใจ
  • ตอบสนองวิสัยทัศน์ของการพัฒนาประเทศไปสู่ระบบเศรษฐกิจแห่งการสร้างสรรค์(Creative Economy) ด้วยการผลิตบุคลากรที่มีความรู้ และทักษะระดับอาชีพจํานวนมากเพื่อรองรับ การ เจริญเติบโตของอุตสาหกรรมเทคโนโลยีการสื่อสารและสารสนเทศของประเทศรายละเอียดหลักสูตร

กลุ่มเป้าหมาย

  • นักบริหารด้านเทคโนโลยีสารสนเทศ ผู้จัดการโครงการด้านซอฟแวร์ หัวหน้าเจ้าหน้าที่ด้วยข้อมูล
  • นักวิทยาศาสตร์ข้อมูล(Data Scientist) นักวิจัยนักวิเคราะห์ข้อมูล นักสถิติ
  • นักพัฒนาโปรแกรมประยุกต์วิศวกรซอฟแวร์

คุณสมบัติของผู้เข้าอบรม

  • ทักษะการเขียนโปรแกรมบื้องต้นด้วยภาษา Python
  • ความรู้พื้นฐานเชิงสถิต

ประโยชน์ที่จะได้รับ

  • สามารถพัฒนาระบบปัญญาประดิษฐ์แบบจักรกลเรียนรู้ โดยใช้เครื่องมือ กระบวนการพัฒนาและเทคโนโลยีสมัยใหม่คือ TensorFlow ที่นำไปใช้ทำปัญญาวิเคราะห์ (Analytic) หรือใช้งานร่วมกับ Business Intelligence 
  • เพื่อใช้เป็นเครื่องมือในการบริหารจัดการในด้านต่างๆ เช่น แนวทางการลดต้นทุนและหรือการกำหนดกลยุทธ์ผลิตภัณฑ์อย่างมีประสิทธิภาพและมีดัชนีชี้วัดที่ชัดเจน
  • มีทักษะและประสบการณ์ในการพัฒนาโปรแกรมอย่างถูกต้องตามหลักปฏิบัติระดับดีเลิศ (Best practices) อันเป็นที่ยอมรับทั่วโลก

วันที1

  • 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

                        - การติดตัuงและใช้งานและเครื่องมือที่จําเป็น

                       - สถาปัตยกรรมและองค์ประกอบหลักของ Tensor Flow

  • หลักการเขียนโปรแกรมสําหรับTensorFlow ด้วยภาษา Python

                     - Computational Graph

                     - Graph Building Blocks

                     - ขั้นตอนการดําเนินงานขั้นพืuนฐาน (Flowing of Tensors)

วันที2

  • การพัฒนาระบบจักรกลเรียนรู้อย่างง่ายด้วยTensor Flow
  • การพัฒนาระบบจําแนกประเภทClassification)

            - การทําแบบฝึกหัด(Workshop) สําหรับระบบจําแนกประเภทด้วยTensorFlow

  • การพัฒนาระบบวิเคราะห์ชนิดถดถอย (Regression)

            - การทําแบบฝึกหัด(Workshop) สําหรับการวิเคราะห์แบบถดถอยด้วยTensorFlow

วันที3

  • การพัฒนาระบบแบบจําลองด้วยเครืองข่ายแบบConvolutional Neural Network: CNN

            - การทําแบบฝึกหัด(Workshop) สําหรับCNN ด้วยTensorFlow

วันที4

  • การพัฒนาระบบแบบจําลองด้วยเครืองข่ายแบบRecurrent Neural Network: RNN

            - การทําแบบฝึกหัด (Workshop)สําหรับRNN ด้วยTensorFlow

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:

คุณภัสสร พรทิพย์

Ms. Patsorn Pornthip

Tel: 02583-9992 Ext. 81422

Mobile: 088-893-5564

E-mail : patsorn@swpark.or.th , ttd@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. 

13,000 THB .

สำคัญ!!! กรุณารอการยืนยันเปิดการอบรมจากเจ้าหน้าที่ก่อนการชำระค่าลงทะเบียน

Enroll nowขออภัย ขณะนี้ปิดรับลงทะเบียนแล้ว

Course Detail :
Days :
4 Day(s)
Duration :
24 Hour(s)
Time :
09:00:00 - 16:00:00
Training Date :
25 January 2022 - 28 January 2022
Status :
Open Register

Instructor info
Ph.D.Dendej Rakrattanatrai