Machine Learning for Predictive Data Analytics and Applications
- TTDT12
- Classroom
- Fundamental
- Thai
In this course provides offers an in-depth overview of Machine Learning (ML) topics including working with applications, ML algorithms using supervised, un-supervised and reinforcement learning, build a ML model, Hyperparameter tuning, evaluation model and Web Deployment. The implementation using Python on Google Colab and Python libraries to analyze and visualize data. Developing ML applications for Customer Sentiment Analysis, Student Dropout, Dynamic Pricing and Image Recognition
Course description
Time
Instructor
Asst. Prof. Dr.Walisa Romsaiyud
Venue
Machine Learning for Predictive Data Analytics and Applications
- เพื่อให้ผู้เรียนเข้าใจหลักการ และกระบวนการทำงานของการเรียนรู้ของเครื่อง (Machine Learning)
- เพื่อให้ผู้เรียนสามารถเขียนโปรแกรมไพทอน (Python) และเรียกใช้งานไลบรารีต่างๆ (libraries) ที่เกี่ยวข้องกับวิทยาการข้อมูล (data science) ได้
- เพื่อให้ผู้เรียนสามารถสร้างแบบจำลองการเรียนรู้ของเครื่องด้วยอัลกอริธึมที่เหมาะสมได้
- เพื่อให้ผู้เรียนสามารถประยุกต์การเรียนรู้ของเครื่องกับการทำงานจริงได้
- Working with data as data analyst, data engineering, data scientist and developer
- Experience with Python or some programming languages
- เข้าใจโจทย์ปัญหาที่สามารถแก้ปัญหาด้วยวิธีการเรียนรู้ของเครื่อง
- สามารถเขียนโปรแกรมด้วยภาษาไพทอน (Python) สำหรับการทำงานเกี่ยวกับการเรียนรู้ของเครื่องได้
- ได้แบบจำลองการเรียนรู้ของเครื่อง ที่สามารถนำไปใช้งานจริงได้
Module 1: An Introduction to Machine Learning
- Machine Learning Principles
- Machine Learning vs. Deep Learning vs. Artificial Intelligence
Module 2: Machine Learning Algorithms
- Supervised Learning
- Un-supervised Learning
- Reinforcement Learning
Module 3: Machine Learning with Python
- Python
- Data scientist Python library
- Numpy
- Pandas
- Mathplot
- Scikit Learn
- TensorFlow
- Seabon
Module 4: Machine Learning Process
- Data collection
- Data preparation
- Modeling
- Model evaluation
- Model deployment
Module 5: Applying Machine Learning in Education
- Student dropout
- Algorithms; Decision Tree, Random Forest and Gradient Boosting Tree
Module 6: Applying Machine Learning for Natural Language Processing
- Customer sentiment analysis
- Algorithms; KNN, SVM and Multinomial Naïve Bayes
Module 7: Applying Machine Learning in Computer Vision
- Image Recognition for fashion
- Algorithm: Convolutional Neural Network: CNN
Module 8: Web Deployment
- FLASK web development
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.
12,000 THB .
ยืนยันการจัดอบรมรอบวันที่ 22- 24 มีนาคม 2566
Course Detail :
Instructor info