- 33
- 77 670
AI Builders
Thailand
Приєднався 19 кві 2022
โครงการสำหรับน้องๆมัธยมต้น-ปลาย ที่สนใจสร้างผลงานโดยใช้เทคนิคทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence)
โครงการ AI Builders ก่อตั้งขึ้นจากความร่วมมือระหว่าง VISTEC, AIResearch และ Central Digital เพื่อพัฒนาองค์ความรู้ทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI) ให้กับน้องๆระดับมัธยมต้น-ปลาย ที่สนใจอยากเรียนรู้และพัฒนาโครงงานที่ใช้ทักษะในด้านนี้เพื่อประยุกต์ใช้จริงในชีวิตประจำวัน ในปี 2022 เราได้รับการสนับสนุนเพิ่มเติมจาก VISAI, Krungsri Nimble, AWS, AIA, DELL และ Kasikorn Bank
โครงการ AI Builders ก่อตั้งขึ้นจากความร่วมมือระหว่าง VISTEC, AIResearch และ Central Digital เพื่อพัฒนาองค์ความรู้ทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI) ให้กับน้องๆระดับมัธยมต้น-ปลาย ที่สนใจอยากเรียนรู้และพัฒนาโครงงานที่ใช้ทักษะในด้านนี้เพื่อประยุกต์ใช้จริงในชีวิตประจำวัน ในปี 2022 เราได้รับการสนับสนุนเพิ่มเติมจาก VISAI, Krungsri Nimble, AWS, AIA, DELL และ Kasikorn Bank
Відео
บทที่ 4r - ความน่าจะเป็นและสถิติพื้นฐาน
Переглядів 3249 місяців тому
บทที่ 4r - ความน่าจะเป็นและสถิติพื้นฐาน
บทที่ 3a - การประเมินผลโมเดล Machine Learning
Переглядів 1,3 тис.9 місяців тому
ในบทเรียนนี้ เราจะเรียนรู้วิธีการประเมินผลโมเดล Machine Learning เพื่อให้ได้โมเดลที่มีประสิทธิภาพสูงและใช้ได้จริง เราจะเริ่มทำความรู้จักจาก metric (ตัวชี้วัด) สำหรับการใช้งานทั่วไป ได้แก่ classification (การจำแนกชนิด), regression (การทำนายจำนวนจริง), ranking (การจัดลำดับ) พร้อมคำแนะนำในการเปรียบเทียบ metric เหล่านี้กับ baseline ที่แสดงให้เห็นถึงประสิทธิภาพของโมเดลเราอย่างยุติธรรม นอกจากนี้งานเฉ...
บทที่ n - Google Colab for Beginners
Переглядів 3509 місяців тому
ในบทเรียนนี้เราจะพาท่านเรียนรู้และทำความเข้าใจในการใช้งาน Google Colab ซึ่งเป็นเครื่องมือสำหรับการพัฒนาและทดสอบโปรเจคทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI) แบบ online. ท่านจะได้รับทักษะในการสร้าง notebook, การใช้งาน libraries ต่างๆ, และวิธีการใช้ resources ฟรีที่ Google Colab มอบให้. นอกจากนี้ยังจะมีการแนะนำวิธีการเชื่อมต่อกับ Google Drive, การ i...
บทที่ n - Git and GitHub for Beginner
Переглядів 3779 місяців тому
ในบทเรียนนี้เราจะทำความเข้าใจวิธีการใช้ Git และ GitHub สำหรับการพัฒนาโปรเจคทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI). เราจะศึกษาวิธีการติดตั้ง Git, สร้าง repository, การใช้งานพื้นฐาน เช่น commit, push, pull และ branch. นอกจากนี้เรายังจะสอนวิธีการใช้ GitHub เพื่อทำงานร่วมกับทีม และการจัดการโปรเจคของคุณให้มีประสิทธิภาพมากขึ้น. Google Slides: [Link to ...
วิธีทำโปสเตอร์นำเสนอผลงาน AI Builders Showcase
Переглядів 622Рік тому
ต้นแบบโปสเตอร์และการนำเสนอบนเวที: github.com/ai-builders/presentations
ปรับพื้นฐาน #2 - Introduction to Numpy and Pandas
Переглядів 3,1 тис.2 роки тому
Numpy และ Pandas เป็นสอง library ที่เรียกได้ว่าสำคัญที่สุดใน data science สมัยใหม่ แม้แต่ Kaggle แพลตฟอร์ม data science e-sports อันดับหนึ่งของโลกยังต้องใส่ไว้เป็น default import เมื่อคุณสร้าง Kaggle Notebook ในคาบนี้เราจะมาเรียนพื้นฐานพีชคณิตเชิงเส้น (Linear Algebra) หรือที่นักเรียนมัธยมไทยรู้จักกันในนาม "แมททริก" โดยใช้ Numpy เป็นเครื่องมือหลัก ต่อจากนั้นเราจะลองใช้ Pandas เครื่องมือที่ช่วยจั...
ปรับพื้นฐาน #1 - Introduction to Python
Переглядів 4,8 тис.2 роки тому
ทำความรู้จักกับภาษา Python ตั้งแต่เริ่มต้น ไม่จำเป็นต้องมีประสบการณ์เขียนโปรแกรมมาก่อน เพียงแค่มีพื้นฐานคณิตศาสตร์ ม.ต้น และเตรียมตัวมาสนุกกันแบบเข้มข้น ถ้าจะให้ดีเตรียมคอมพิวเตอร์ Desktop หรือ Laptop มาให้พร้อม ติดตั้ง Browser เช็คสัญญาณอินเตอร์เน็ตให้ดี เราจะรัน Python กันผ่าน Colab Notebook: colab.research.google.com/github/vistec-AI/ai-builders/blob/main/notebooks/ai_builder_intro_python.ip...
บทที่ 8 - Prototype Deployment
Переглядів 2,5 тис.2 роки тому
ในบทเรียนนี้จะแนะนำวิธีการ Deploy โปรเจค ML / AI โดยจะนำ source code ที่เขียนไว้ใน notebook มาสร้างเป็นโปรเจค Streamlit, เรียนรู้ widget ต่างๆของ Streamlit เพื่อใช้ทำ Visualization ไม่ว่าจะเป็นการนำผลลัพธ์จากการรันโมเดลมาพล็อตเป็นกราฟ ตาราง แสดงรูปภาพที่เกี่ยวข้อง และอื่นๆ รวมโค้ดทั้งหมดออกเป็นเป็นโปรเจค จากนั้น Deploy โปรเจคไปยัง Heroku, Streamlit Cloud หรือ Cloud Server อื่นๆ เช่น DigitalOcea...
บทที่ 7 - จริยธรรมปัญญาประดิษฐ์
Переглядів 9092 роки тому
เมื่อปัญญาประดิษฐ์เข้ามามีบทบาทในชีวิตประจำวัน รวมถึงใช้ในการทำงานสาขาต่างๆ อาทิ ช่วยตรวจโรค ช่วยตรวจจับผู้กระทำผิด หรือช่วยตัดสินค่าตอบแทน/บทลงโทษ ฯลฯ จะเห็นได้ว่าปัญญาประดิษฐ์เกี่ยวข้องกับประเด็นทางสังคมและส่งผลกระทบต่อคนเป็นจำนวนมาก บางครั้งปัญญาประดิษฐ์มีการตัดสินใจที่ผิดพลาด ส่งผลกระทบกับชีวิตของคน หลายครั้งปัญญาประดิษฐ์เป็นส่วนหนึ่งของการเผยแพร่อคติโดยที่ผู้พัฒนาคาดไม่ถึง หรือบางกรณีเป็นก...
บทที่ 6v (2/3) - การสร้างแบบจำลอง DCGAN ด้วย PyTorch
Переглядів 7762 роки тому
ในบทเรียนนี้เราจะมาลองสร้างแบบจำลองประเภท Generative Adversarial Network หรือ GAN แบบเบื้องต้นเพื่อที่จะสร้างภาพเสมือนขึ้นมา (จากข้อมูลภาพหน้าของบุคคลที่มีชื่อเสียง) ด้วยไลบรารี่ต่างๆทั้งจาก PyTorch และ FastAI นอกจากนั้นเรายังจะได้ทำความรู้จักกับ DCGAN ซึ่งเป็น GAN แบบเฉพาะทางทางหนึ่งอีกด้วย Slides (Google Slides): docs.google.com/presentation/d/1uSyldRREnvHu1zdI2Etczk2BQaOAoG1Z7UFrPkg-xZs/edit...
บทที่ 6v (3/3) - การสร้างแบบจำลอง GAN ด้วย FastAI
Переглядів 4632 роки тому
ในบทเรียนนี้เราจะมาลองสร้างแบบจำลองประเภท Generative Adversarial Network หรือ GAN แบบเบื้องต้นเพื่อที่จะสร้างภาพเสมือนขึ้นมา (จากข้อมูลภาพหน้าของบุคคลที่มีชื่อเสียง) ด้วยไลบรารี่ต่างๆทั้งจาก PyTorch และ FastAI นอกจากนั้นเรายังจะได้ทำความรู้จักกับ DCGAN ซึ่งเป็น GAN แบบเฉพาะทางทางหนึ่งอีกด้วย Slides (Google Slides): docs.google.com/presentation/d/1uSyldRREnvHu1zdI2Etczk2BQaOAoG1Z7UFrPkg-xZs/edit...
บทที่ 6v (1/3) - อารัทภบทสู่แบบจำลองประเภท Generative Adversarial Network หรือ GAN
Переглядів 1,1 тис.2 роки тому
ในบทเรียนนี้เราจะมาลองสร้างแบบจำลองประเภท Generative Adversarial Network หรือ GAN แบบเบื้องต้นเพื่อที่จะสร้างภาพเสมือนขึ้นมา (จากข้อมูลภาพหน้าของบุคคลที่มีชื่อเสียง) ด้วยไลบรารี่ต่างๆทั้งจาก PyTorch และ FastAI นอกจากนั้นเรายังจะได้ทำความรู้จักกับ DCGAN ซึ่งเป็น GAN แบบเฉพาะทางทางหนึ่งอีกด้วย Slides (Google Slides): docs.google.com/presentation/d/1uSyldRREnvHu1zdI2Etczk2BQaOAoG1Z7UFrPkg-xZs/edit...
บทที่ 6t (1/2) - Similarity, Recommendation and Clustering
Переглядів 7262 роки тому
การวิเคราะห์ความคลายคลึงและการแบ่งกลุ่มข้อมูล เพื่อนำไปใช้ในการแนะนำสินค้าหรือเนื้อหาที่ลูกค้าสนใจ เช่น Shopee แนะนำสินค้าที่เราสนใจ หรือ spotify แนะนำเพลงที่ผู้ฟังน่าจะอยากฟังต่อไป รวมถึงการนำข้อมูลมาใช้ในการแบ่งกลุ่มลูกค้าที่มีความสนใจเหมือนกันสำหรับนำไปทำการตลาดเฉพาะกลุ่ม Notebook: Part 1: github.com/ai-builders/curriculum/blob/main/notebooks/06t_01_similarity_matching.ipynb Part 2: github.c...
บทที่ 6t (2/2) - Similarity, Recommendation and Clustering
Переглядів 5432 роки тому
การวิเคราะห์ความคลายคลึงและการแบ่งกลุ่มข้อมูล เพื่อนำไปใช้ในการแนะนำสินค้าหรือเนื้อหาที่ลูกค้าสนใจ เช่น Shopee แนะนำสินค้าที่เราสนใจ หรือ spotify แนะนำเพลงที่ผู้ฟังน่าจะอยากฟังต่อไป รวมถึงการนำข้อมูลมาใช้ในการแบ่งกลุ่มลูกค้าที่มีความสนใจเหมือนกันสำหรับนำไปทำการตลาดเฉพาะกลุ่ม Notebook: Part 1: github.com/ai-builders/curriculum/blob/main/notebooks/06t_01_similarity_matching.ipynb Part 2: github.c...
บทที่ 5v (3/3) - การแบ่งประเภทพิกเซลจากภาพ ภาคปฏิบัติ
Переглядів 6372 роки тому
บทที่ 5v (3/3) - การแบ่งประเภทพิกเซลจากภาพ ภาคปฏิบัติ
บทที่ 5v (2/3) - การตรวจจับวัตถุ ภาคปฏิบัติ
Переглядів 1,1 тис.2 роки тому
บทที่ 5v (2/3) - การตรวจจับวัตถุ ภาคปฏิบัติ
บทที่ 5v (1/3) - Deep learning สำหรับการตรวจจับวัตถุและแบ่งประเภทพิกเซลจากภาพ
Переглядів 1,5 тис.2 роки тому
บทที่ 5v (1/3) - Deep learning สำหรับการตรวจจับวัตถุและแบ่งประเภทพิกเซลจากภาพ
บทที่ 4t (2/3) - Introduction to Tabular Data, Correlation and Regression
Переглядів 1,2 тис.2 роки тому
บทที่ 4t (2/3) - Introduction to Tabular Data, Correlation and Regression
บทที่ 4t (1/3) - Introduction to Tabular Data, Correlation and Regression
Переглядів 2,1 тис.2 роки тому
บทที่ 4t (1/3) - Introduction to Tabular Data, Correlation and Regression
บทที่ 4t (3/3) - Introduction to Tabular Data, Correlation and Regression
Переглядів 8212 роки тому
บทที่ 4t (3/3) - Introduction to Tabular Data, Correlation and Regression
บทที่ 6n การเทรนโมเดลบน Hugging Face พาร์ท 2
Переглядів 1,8 тис.2 роки тому
บทที่ 6n การเทรนโมเดลบน Hugging Face พาร์ท 2
บทที่ 5n การเทรนโมเดลบน Hugging Face พาร์ท 1
Переглядів 6 тис.2 роки тому
บทที่ 5n การเทรนโมเดลบน Hugging Face พาร์ท 1
บทที่ 4n - NLP คืออะไร? บทเรียนจากอดีตสู่ปัจจุบัน
Переглядів 3,7 тис.2 роки тому
บทที่ 4n - NLP คืออะไร? บทเรียนจากอดีตสู่ปัจจุบัน
บทที่ 3b - Stochastic Gradient Descent ตั้งแต่เริ่มต้น
Переглядів 4,4 тис.2 роки тому
บทที่ 3b - Stochastic Gradient Descent ตั้งแต่เริ่มต้น
บทที่ 4v (4/4) - พื้นฐานการทำงานของ Convolutional Neural Network และ Image augmentation
Переглядів 1,5 тис.2 роки тому
บทที่ 4v (4/4) - พื้นฐานการทำงานของ Convolutional Neural Network และ Image augmentation
บทที่ 4v (3/4) - การใช้ Pytorch และ Pytorch Lightning สำหรับแบ่งประเภทภาพ
Переглядів 1,9 тис.2 роки тому
บทที่ 4v (3/4) - การใช้ Pytorch และ Pytorch Lightning สำหรับแบ่งประเภทภาพ
บทที่ 4v (2/4) - การใช้ไลบรารี่ FastAI สำหรับแบ่งประเภทภาพ
Переглядів 2,2 тис.2 роки тому
บทที่ 4v (2/4) - การใช้ไลบรารี่ FastAI สำหรับแบ่งประเภทภาพ
Explain the concepts clearly. Love this! Thank you!
ขอบคุณความรู้ดีๆและเทคนิคการสอนที่เ้าใจได้ง่ายขึ้นครับ
ขอบคุณคร้าบ 🎉❤
ขอบคุณครับ
ขอบคุณครับ
ขอบคุณครับ
มีเนื้อหาการประเมินสำหรับ Clustering มั้ยค่ะ
หากเจนรูปไปใช้ในเชิงพานิชได้มั้ยคะ
admin ครับ ขอนำสไลด์เอาไปสอนต่อได้มั้ยครับ
เนื้อหาทุกอย่างเป็น open source (GPL 3.0) นำไปใช้ได้เลยค่ะ github.com/ai-builders/curriculum
@@AIBuilders ขอบคุณมากครับ
Notebook ไม่สามารถเข้าได้แล้ว รบกวนช่วยตรวจสอบได้ไหมครับ ขอบคุณครับ
แก้ลิ้งค์เรียบร้อยแล้วค่ะ ขอบคุณค่ะ
@@AIBuilders ขอบคุณครับ
ขอบคุณครับ กำลังเรียนวิชา RL อยู่ครับ แต่ไม่ค่อยเข้าใจ🥲
ขอบคุณครับ
ดีงาม
bro where is your discord link
แจ่มมากครับ
คือไม่เข้าใจ model question answer มันต้องโยนแต่คำถามไม่ใช่เหรอครับ เวลาใช้งานจริงๆ
ตอนเรียน time series ใช้ ARIMA โดยแยกให้มี ตัวทำนาย trend , seasonal ด้วยมั้ง
ผมสร้าง json ที่มี q and a ไว้ สัก 5 600 ร้อยคำถามตอบ จะเอาเอกสารเข้ามาใช้ยังไงครับ
Notebook ไม่สามารถเข้าได้แล้ว รบกวนตรวจสอบได้ไหมครับ ขอบคุณครับ
แก้ไขเรียบร้อย ขอบคุณค่ะ
สุดยอด ขอบคุณมากคับที่แบ่งปันความรู้ครับ ❤❤❤
เสียงเบาเหลือเกิน
ขอบคุณมากๆครับ
อาจารย์เป็นแรงบันดาลใจผมเลยครับ ผมรู้จัก Data เพราะคลิปอาจารย์เลยครับ
15:40 เรื่อง kernel size ที่ต้องเป็นเลขคี่เพราะว่าความสมมาตรของ kernel ด้วยรึป่าวครับ ref: medium.com/analytics-vidhya/significance-of-kernel-size-200d769aecb1#:~:text=Why%20kernel%20size%20is%20odd,for%20distortions%20across%20the%20layers.
อ.เช็คสอนดีจริงๆ
ดีมากๆ ครับ
Fc เลยครับ
ขอบคุณอาจารย์มาก ๆ ครับ 🙏 ตามดูจนจบตลอดทั้ง playlist ดีมาก ๆ เลยครับ มี tips & tricks ที่มาจาก practice จริง ๆ ในการนำไปใช้ต่อที่ไม่ค่อยเจอสอนตาม online courses ต่าง ๆ เช่น การสอนการแปรผลและตัวอย่างการนำไปใช้จริงในธุรกิจ ทั้ง playlist นี่เป็น Crash Course ให้ผู้เริ่มต้นก็ได้ หรือใช้เป็นตัว refresh ความรู้ก็ได้เช่นกัน🔥
ขอบคุณสำหรับความรู้ดีๆ ครับ
เป็น Crash course ที่ดีสุด ๆ เลยครับ ทั้งความครอบคลุม ทั้งลำดับการสอน เข้าใจได้ง่ายมากครับ ❤
อาจารย์ครับ ช่วยขยายความคำว่า "ตัดเอามาแค่บางส่วน นำมาใช้" ช่วง 42:49 และ 46:26 หมายถึงอะไรเหรอครับ; เลือกข้อมูลที่เทรนช่วง 0 -60 % มาเทรนใหม่และที่เหลือตัดออก? หรือ นำโมเดลที่เทรนเสร็จเรียบร้อยเเล้ว (โมเดลดั้งเดิมไม่ปรับแต่ง) มาทำนายเฉพาะส่วนที่ดีที่สุด แต่มันทำอย่างไรละครับ? (ปล. อาจารย์สอนดีมากๆ ใช้คำพูดเข้าใจง่าย ดูคลิปของอาจารย์จบทุกคลิปเลยครับ)
ทีมงานตอบแทน อ เช็คครับ: หมายถึงโมเดลเรามีความแม่นยำในการทำนายแต่ละ quantile ของ predictions ต่างกันครับ เช่น ถ้าแบ่งเป็น 10 ส่วน (decile) ส่วนบนสุดที่โมเดลมั่นใจที่สุด (90-100%) อาจจะมี performance ดีมากๆ (accuracy, precision, recall, F1, etc สูง) เราอาจจะเลือกส่ง marketing communication ให้กับ quantile นั้นๆก่อนครับ
@@AIBuilders ถึงบางอ้อเลยครับ เข้าใจละ ขอบคุณมากๆครับ
Very good krub
ขอเช็คความเข้าใจที่เรียนมาหน่อยนะครับ ว่า PyTorch มันทำงานเหมือนที่เคยเรียนมาหรือเปล่า Gradient Descent จะมีหลักๆ 3 แบบ 1. Gradient Descent --> ใช้ data ทั้งหมดคำนวณ gradient รวเดียว 2. Mini-Batch Gradient Descent --> แบ่งเป็น batch และใช้ค่า ทั้งหมดในแต่ละ batch คำนวณ gradient 3. Stochastic Gradient Descent --> แบ่งเป็น batch แต่จะสุ่มค่า แค่ค่าเดียว มาคำนวณ gradient ถ้าเข้าใจผิดตรงไหน รบกวนแนะนำด้วยครับ
นิยามอย่างเคร่งครัดของ stochastic gradient descent คือต้องอัพเดท weights ด้วย gradients ที่คำนวณจาก** ทีละ 1 ตัวอย่าง ** แบบสุ่ม เราจะเห็นได้ว่าการทำแบบนั้นมันไม่มีประสิทธิภาพนัก ในทางปฏิบัติเราจึงอัพเดท weights ด้วย gradients ที่คำนวณจาก** ทีละ batch **แบบสุ่ม อย่างที่เรียกว่า mini-batch gradient descent นั่นละครับ
@@AIBuilders ขอบคุณมากครับ
ขอบคุณมากครับ
ขอบคุณมากๆเลยนะคะที่ปล่อยความรู้มาให้มากมายขนาดนี้ ดูไปก็น้ำตาไหลไป รักนะคะ
ทำต่อเรื่อยๆนะครับ นี่มันขุมทรัพย์ชัดๆ
โคตรดี
ขอบคุณวีดีโอคุณภาพเช่นเคยครับ
ติดตามเรื่อยๆเลยครับ ขอบคุณสำหรับเนื้อหานะครับ
ช่วยอัป workshop ก่อนหน้าด้วยนะครับ
ได้ความรู้มากขอบ ขอบคุณมาก
มีประโยชน์มาก ขอบคุณครับ
เนื้อหาดีมากฮะ
ขอบคุณมากๆครับที่แบ่งปันงานให้เรียน ขอบคุณน้องเจมมี่ด้วยครับ :)