SED63001 Applied Deep learning การเรียนรู้เชิงลึกประยุกต์

          ความรู้เบื้องต้นเกี่ยวกับเครือข่ายประสาทประดิษฐ์ เครือข่ายประสาทเชิงลึก เครือข่ายประสาทคอนโวลูชัน สถาปัตยกรรมซีเอ็นเอ็นขั้นสูง การเรียนรู้แบบถ่ายโอน เครือข่ายประสาทแบบวนกลับ การเข้ารหัสคำ กลไกการให้ความสนใจ ตัวแปลง ตัวเข้ารหัสสองทิศทางในรูปแบบตัวแปลง ตัวเข้ารหัสอัตโนมัติและการประยุกต์ใช้ เครือข่ายก่อกำเนิดแบบมีปรปักษ์และการประยุกต์ใช้ การเรียนรู้แบบเสริมแรงเชิงลึก

          Introduction to Artificial Neural Networks, Deep Neural Networks (DNN), Convolutional Neural Networks (CNN), Advanced CNN Architectures, Transfer Learning, Recurrent Neural Networks (RNN), Word Embedding, Attention Mechanism, Transformers, Bidirectional Encoder Representations from Transformers (BERT), Autoencoders and Applications, Generative Adversarial Networks (GANs) and Applications, Deep Reinforcement Learning

ระยะเวลาในการเรียนรู้  : 45 ชั่วโมง ( 3 หน่วยกิต ) จำนวน 7 วัน

วันที่เรียน : 1 มิถุนายน 2566 | 8 มิถุนายน 2566 | 15 มิถุนายน 2566 | 22 มิถุนายน 2566 | 29 มิถุนายน 2566 | 6 กรกฎาคม 2566 | 13 กรกฎาคม 2566

รูปแบบการเรียน : แบบ Onsite คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

สิ่งที่จะได้เรียนรู้ใน Module นี้

• Introduction to Artificial Neural Network
• Introduction to Deep Learning
• Transfer Learning
• Deep Learning for Computer Vision
• Deep Learning for NLP
• Generative Deep Learning

เครื่องมือในการเรียนรู้ (Tools)

• Google Colab

ผลลัพธ์การเรียนรู้

• สามารถเขียนโปรแกรมสร้างเครือข่ายประสาทประดิษฐ์และการเรียนรู้เชิงลึกในงานด้านปัญญาประดิษฐ์ บนหลักจริยธรรม โดยคำนึงถึงผลกระทบที่จะเกิดขึ้นต่อผู้ใช้งานและต่อสังคม

ผู้เรียนได้รับ Knowledge / Skills / Ability อะไรบ้าง

• Knowledge ความเข้าใจในหลักการและกระบวนการเรียนรู้เชิงลึก เพื่อประยุกต์ใช้ในงานทางด้านวิทยาศาสตร์ข้อมูลและปัญญาประดิษฐ์
• Skills
  1. มีทักษะการเขียนโปรแกรมหรือใช้เครื่องมือเพื่อสร้างโมเดลการเรียนรู้เชิงลึก เพื่อใช้ในงานทางด้านวิทยาการข้อมูลและปัญญาประดิษฐ์
  2. มีทักษะการประเมินประสิทธิภาพ และเลือกโมเดลการเรียนรู้เชิงลึกเพื่อการใช้งานได้อย่างเหมาะสม

• Ability            
  1. วิเคราะห์ความต้องการจากโจทย์ปัญหาจริงของหน่วยงานหรือภาคอุตสาหกรรมเพื่อการพัฒนางานโดยใช้วิทยาศาสตร์ข้อมูลและปัญญาประดิษฐ์
  2. มีทักษะเรียนรู้ด้วยตนเอง ปรับตัวใช้เครื่องมือทางด้านวิทยาศาสตร์ข้อมูลและปัญญาประดิษฐ์ที่มีการพัฒนาปรับปรุงและเกิดขึ้นใหม่อย่างต่อเนื่องในปัจจุบัน

Module นี้ตรงหรือเทียบได้กับรายวิชาในหลักสูตร