Introduction to Machine Learning for Beginners (with WEKA open-source software: no-code and low-code)
- TTDT03
- Classroom
- Fundamental
- Thai | 0
เนื้อหาวิชานี้ ผู้เรียนจะได้เรียนหลักการเรียนรู้ของเครื่อง ประเภทการเรียนรู้ของเครื่อง ได้แก่การเรียนรู้แบบมีผู้สอน (supervised learning) การเรียนรู้แบบไม่มีผู้สอน (unsupervised learning) และการเรียนรู้แบบเสริมแรง (reinforcement learning) ด้วยอัลกอริทึมต่างๆ (algorithms) และการนำไปประยุกต์ใช้ในการวิเคราะห์ข้อมูลหลากหลายด้านอาทิ ด้านสุขภาพ ด้านการศึกษา ด้านธุรกิจ และด้านอุตสาหกรรม เป็นต้น โดยใช้ซอฟต์แวร์โอเพนซอร์ซ (Open-source software) ที่ชื่อว่า WEKA: Waikato Environment for Knowledge Analysis ที่ทำให้การวิเคราะห์ข้อมูลเป็นเรื่องที่ง่าย (โดยไม่ต้องเขียนคำสั่ง) จึงเหมาะสำหรับผู้ใช้งานทั่วไป หรือผู้เริ่มต้นที่สนใจงานด้านปัญญาประดิษฐ์
Course description
Time
Instructor
Venue
Introduction to Machine Learning for Beginners (with WEKA open-source software: no-code and low-code)
- เพื่อให้ผู้เรียนเข้าใจหลักการเรียนรู้ของเครื่อง ประเภทการเรียนรู้ของเครื่อง
- เพื่อให้ผู้เรียนสามารถใช้เครื่องมือในการวิเคราะห์ข้อมูล และทำนายข้อมูล (โดยไม่ต้องเขียนคำสั่งได้)
- เพื่อให้ผู้เรียนสามารถสร้างแบบจำลองการเรียนรู้ของเครื่องด้วยอัลกอริธึมที่เหมาะสมได้
- เพื่อให้ผู้เรียนสามารถประยุกต์การเรียนรู้ของเครื่องกับการทำงานจริงได้
ผู้สนใจเกี่ยวกับปัญญาประดิษฐ์
- สามารถใช้เครื่องมือ WEKA สำหรับการวิเคราะห์ข้อมูลตามหลักการเรียนรู้ของเครื่องได้
- ได้แบบจำลองการเรียนรู้ของเครื่อง ที่สามารถนำไปใช้งานจริงได้
Day1:
Module 1: Machine Learning and WEKA Basics
- What is Machine learning and Weka?
- Core Algorithms types
- Rule Systems
Module 2: Classification
- What is classification and classes?
- Classifying data in Weka
- Which algorithms will work for classification
- Running classification in Weka
Module 3: Regression
- What is regression?
- Which algorithms will work for regression
- Running regression in Weka
Day2:
Module 4: Datasets for Weka
- Creating ARFF files
- Data types
- Class enumeration
Module 5: Features and feature types
- What are features?
- Feature selection and Feature engineering
- Filtering algorithms based on feature-type in Weka
Module 6: Model Evaluation
- Interpreting and Refining Results
- Class Balancing
Day3:
Module 7: Machine learning with Java and Python (low code)
- Using Weka.jar
- Java/Weka classification project
Module 8: Use case example: Naïve Bayes in Weka and Java
- Creating a model
- Importing data
- Analyzing data
Module 9: Use case example: Neural Network in Weka and Java
- Creating a model
- Importing data
- Analyzing data
Payment can be made by:
1. Cash or Credit Card or Bank Cheque payable to "สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ" (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 email ttd@swpark.or.th
2.1 ธนาคารกรุงเทพ สาขาอุทยานวิทยาศาสตร์
Saving Account Number: 080-0-00001-0
Account Name: สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ
2.2 ธนาคารกรุงไทย สาขาตลาดไท
Saving Account Number: 152-1-32668-1
Account Name: สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ
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
Email: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.