อบรมและบริการสังคม
การเรียนรู้ของเครื่องจักรแบบไม่มีผู้สอน(Unsupervised learning) สามารถนำไปประยุกต์ใช้ประโยชน์ในการจำแนกข้อมูล ซึ่งเป็นจุดเริ่มต้นของการวิเคราะห์ข้อมูลเชิงลึก นำมาซึ่งองค์ความรู้ใหม่ที่เป็นประโยชน์ทั้งในเชิงธุรกิจ และเชิงวิทยาศาสตร์ ส่วนการวิเคราะห์หารูปแบบข้อมูล การรับรู้รูปแบบทางสถิติ จะทำให้สามารถสร้างโมเดลในการพยากรที่แม่นยำ และสามารถอธิบายได้จากรูปแบบข้อมูลที่รวบรวมจากกลุ่มตัวอย่างหรือข้อมูลที่ได้จากการทดลอง
การเรียนการจัดกลุ่มของข้อมูลและการหารูปแบบของข้อมูล จะทำให้สามารถเข้าใจถึงเทคนิคต่าง ๆ ของการจัดกลุ่มข้อมูล วิเคราะห์ค้นหารูปแบบของข้อมูล และเพื่อสร้างองค์ความรู้ใหม่ที่ใช้ในการแก้ปัญหา ปรับปรุงการทำงาน หรือสร้างนโยบายในการบริหารงาน ในองค์กรณ์ได้
เนื้อหาการอบรมประกอบด้วยภาคทฤษฏีและปฏิบัติ รวม 45 ชั่วโมง ประกอบด้วย
หัวข้อที่ | เนื้อหา |
|---|---|
1 | Basic Machine Learning and Unsupervised Learning |
2 | Cluster Algorithm (K-Means Clustering, Mean-Shift Clustering) |
3 | Cluster Algorithm (Density-Based Spatial Clustering of Applications with Noise (DBSCAN), Expectation–Maximization (EM) Clustering using Gaussian Mixture Models (GMM) |
4 | Cluster Algorithm (Agglomerative Hierarchical Clustering) |
5 | Time Series |
6 | Time Series Clustering and Classification (K-Means) |
7 | Time Series Clustering and Classification (Fuzzy C-mean) |
8 | Markov chain |
9 | Hidden Markov chain |
10 | Reinforcement Learning (Q-learning) |
11 | Reinforcement Learning (Multi agent Q-learning) |
12 | Visualization |
13 | Case study for Time-series clustering |
14 | Case study for Re-enforcement Learning |
15 | Model based reinforcement learning |
คณาจารย์ประจำคณะเทคโนโลยีสารสนเทศ และวิทยากรภายนอก
ในทุกวันอาทิตย์ เวลา 13.00 – 16.00 น. เรียน 15 สัปดาห์ เริ่ม 10 มกราคม – 1 พฤษภาคม 2565
(เรียนร่วมกับนักศึกษาหลักสูตรปัญญาประดิษฐ์ วิชาโท หรือ ปริญญาโท)
ณ ห้องปฏิบัติการคอมพิวเตอร์ คณะเทคโนโลยีสารสนเทศ
*ในกรณีสถานการณ์ยังไม่ปกติ จะจัดการเรียนการสอนแบบออนไลน์*
เปิดรับสมัครถึง 24 ธันวาคม 2564
**สมัครและชำระค่าลงทะเบียนก่อนจะมีสิทธิ์ก่อน
รับจำนวน 30 คน
โปรโมชั่นพิเศษ !!!
โปรโมชั่น | รายละเอียด | เงื่อนไข |
|---|---|---|
EARLY BIRD | ลดทุกคอร์สเหลือเพียง คอร์สละ 9,900 บาท | ผู้สมัครต้องชำระค่าลงทะเบียน |
ลดยกแก๊ง |
|
|
ลดยกเซต |
| |
ลดเพราะคิดถึง |
|
|
ส่งหลักฐานการชำระค่าลงทะเบียน คลิกที่นี่
** การสมัครจะสมบูรณ์ก็ต่อเมื่อทางคณะได้รับชำระเงินค่าลงทะเบียนเรียบร้อยแล้ว **
*** สมัครและชำระค่าลงทะเบียนก่อนจะมีสิทธิ์ก่อนโดยเรียงตามลำดับ ***
หมายเหตุ
– ผู้เข้าอบรมจะต้องมีเวลาในการอบรมไม่น้อยกว่าร้อยละ 80 ของเวลาการอบรมทั้งหมด จึงจะได้รับใบรับรองผ่านการอบรม (Certificate of Course Attendance)
– ข้าราชการ พนักงานรัฐวิสาหกิจ สามารถเบิกค่าลงทะเบียนตามระเบียบราชการได้
คุณนุชรี โทร. 0 2723 4927 หรือ มือถือ: 08 9699 7880
แฟกซ์: 0 2723 4910 ในวันและเวลาราชการ
E-mail: nutcharee@it.kmitl.ac.th
การเรียนรู้ของเครื่องจักรแบบไม่มีผู้สอน(Unsupervised learning) สามารถนำไปประยุกต์ใช้ประโยชน์ในการจำแนกข้อมูล ซึ่งเป็นจุดเริ่มต้นของการวิเคราะห์ข้อมูลเชิงลึก นำมาซึ่งองค์ความรู้ใหม่ที่เป็นประโยชน์ทั้งในเชิงธุรกิจ และเชิงวิทยาศาสตร์ ส่วนการวิเคราะห์หารูปแบบข้อมูล การรับรู้รูปแบบทางสถิติ จะทำให้สามารถสร้างโมเดลในการพยากรที่แม่นยำ และสามารถอธิบายได้จากรูปแบบข้อมูลที่รวบรวมจากกลุ่มตัวอย่างหรือข้อมูลที่ได้จากการทดลอง
การเรียนการจัดกลุ่มของข้อมูลและการหารูปแบบของข้อมูล จะทำให้สามารถเข้าใจถึงเทคนิคต่าง ๆ ของการจัดกลุ่มข้อมูล วิเคราะห์ค้นหารูปแบบของข้อมูล และเพื่อสร้างองค์ความรู้ใหม่ที่ใช้ในการแก้ปัญหา ปรับปรุงการทำงาน หรือสร้างนโยบายในการบริหารงาน ในองค์กรณ์ได้
เนื้อหาการอบรมประกอบด้วยภาคทฤษฏีและปฏิบัติ รวม 45 ชั่วโมง ประกอบด้วย
หัวข้อที่ | เนื้อหา |
|---|---|
1 | Basic Machine Learning and Unsupervised Learning |
2 | Cluster Algorithm (K-Means Clustering, Mean-Shift Clustering) |
3 | Cluster Algorithm (Density-Based Spatial Clustering of Applications with Noise (DBSCAN), Expectation–Maximization (EM) Clustering using Gaussian Mixture Models (GMM) |
4 | Cluster Algorithm (Agglomerative Hierarchical Clustering) |
5 | Time Series |
6 | Time Series Clustering and Classification (K-Means) |
7 | Time Series Clustering and Classification (Fuzzy C-mean) |
8 | Markov chain |
9 | Hidden Markov chain |
10 | Reinforcement Learning (Q-learning) |
11 | Reinforcement Learning (Multi agent Q-learning) |
12 | Visualization |
13 | Case study for Time-series clustering |
14 | Case study for Re-enforcement Learning |
15 | Model based reinforcement learning |
คณาจารย์ประจำคณะเทคโนโลยีสารสนเทศ และวิทยากรภายนอก
ในทุกวันอาทิตย์ เวลา 13.00 – 16.00 น. เรียน 15 สัปดาห์ เริ่ม 10 มกราคม – 1 พฤษภาคม 2565
(เรียนร่วมกับนักศึกษาหลักสูตรปัญญาประดิษฐ์ วิชาโท หรือ ปริญญาโท)
ณ ห้องปฏิบัติการคอมพิวเตอร์ คณะเทคโนโลยีสารสนเทศ
*ในกรณีสถานการณ์ยังไม่ปกติ จะจัดการเรียนการสอนแบบออนไลน์*
เปิดรับสมัครถึง 24 ธันวาคม 2564
**สมัครและชำระค่าลงทะเบียนก่อนจะมีสิทธิ์ก่อน
รับจำนวน 30 คน
โปรโมชั่นพิเศษ !!!
โปรโมชั่น | รายละเอียด | เงื่อนไข |
|---|---|---|
EARLY BIRD | ลดทุกคอร์สเหลือเพียง คอร์สละ 9,900 บาท | ผู้สมัครต้องชำระค่าลงทะเบียน |
ลดยกแก๊ง |
|
|
ลดยกเซต |
| |
ลดเพราะคิดถึง |
|
|
ส่งหลักฐานการชำระค่าลงทะเบียน คลิกที่นี่
** การสมัครจะสมบูรณ์ก็ต่อเมื่อทางคณะได้รับชำระเงินค่าลงทะเบียนเรียบร้อยแล้ว **
*** สมัครและชำระค่าลงทะเบียนก่อนจะมีสิทธิ์ก่อนโดยเรียงตามลำดับ ***
หมายเหตุ
– ผู้เข้าอบรมจะต้องมีเวลาในการอบรมไม่น้อยกว่าร้อยละ 80 ของเวลาการอบรมทั้งหมด จึงจะได้รับใบรับรองผ่านการอบรม (Certificate of Course Attendance)
– ข้าราชการ พนักงานรัฐวิสาหกิจ สามารถเบิกค่าลงทะเบียนตามระเบียบราชการได้
คุณนุชรี โทร. 0 2723 4927 หรือ มือถือ: 08 9699 7880
แฟกซ์: 0 2723 4910 ในวันและเวลาราชการ
E-mail: nutcharee@it.kmitl.ac.th
