• นักพัฒนาซอฟต์แวร์ (Developer, Programmer)
• นักวิทยาศาสตร์ข้อมูล (Data Scientist)
• ทุกท่านที่มีความสนใจและต้องการต่อยอดประยุกต์ใช้งานระบบประมวลผลภาษาธรรมชาติ (Natural Language Processing : NLP
  *** ผู้เข้าอบรมต้องมีพื้นฐานการเขียนโปรแกรมภาษา Python ***

• เข้าใจถึงหลักการและเทคนิคของ Natural Language Processing (NLP)
• สามารถใช้ภาษา Python ในการพัฒนาและประยุกต์ใช้งาน Natural Language Processing (NLP)
• สามารถใช้ Natural Language Processing (NLP) เพื่อแก้ไขปัญหาในการทำงานจริงได้

           Day 1:

1. Introduction to Generative AI
   • Definition and applications of AI
   • Definition and applications of Gen AI
   
   
2. Introduction to NLP
   • Definition and applications of NLP
   • Challenges in NLP
   
   
3. Python for Natural Language Processing
   • Basics of Python
   • Python libraries for NLP (NLTK, Spacy, TextBlob)
   
   
4. Introduction to Thai NLP using PyThaiNLP
   • Introduction to PyThaiNLP
   • Basic Text Processing in Thai Language
   
   
5. Textual Sources and Formats
   • API
   • Social Media
   • Web Scraping
   • Building your Corpus
   
   Day 2:
   
   
6. Text Processing and Analysis
   • Tokenization, N-grams, Scriptio Continua
   • Stemming and Lemmatization, Synsets and Hypernyms
   • Part of Speech Tagging
   • Named Entity Recognition
   
   
7. Thai Text Processing and Analysis using PyThaiNLP
   • Tokenization, Part of Speech Tagging, and Named Entity Recognition in Thai
   
   
8. Word Embeddings and Language Models
   • Bag of Words, TF-IDF
   • Word2Vec, GloVe
   • Understanding and implementing BERT (Bidirectional Encoder Representations from Transformers)
   
   
9. Basics of Machine Learning and Neural Networks
   • Supervised, Unsupervised, and Semi-supervised Learning
   • Neural Networks Fundamentals
   
   
10. Introduction to Transformers Models
    • Understanding Transformer Architecture
    • Overview of BERT (Bidirectional Encoder Representations from Transformers)
    
    Day 3:
    
    
11. Introduction to Large Language Models
    • Understanding LLM and its significance in NLP
    • Deep dive into GPT (Generative Pretrained Transformer) and its variants, including GPT3, GPT4 and ChatGPT
    • Opensource alternatives of ChatGPT
    • Practical Application and Use cases
    
    
12. Fine-tuning Large Language Models
    • Fine-turning LLMs with Python
    
    
13. Building Gen AI Application using RAG
    • What is RAG?
    • Building RAG using Python
    
    
14. LLM based AI Agents
    • What is AI Agents?
    • Building AI based Agent using Python