- 33
- 78 048
AI Builders
Thailand
เข้าร่วมเมื่อ 19 เม.ย. 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
วีดีโอ
บทที่ 4r - ความน่าจะเป็นและสถิติพื้นฐาน
มุมมอง 3269 หลายเดือนก่อน
บทที่ 4r - ความน่าจะเป็นและสถิติพื้นฐาน
บทที่ 3a - การประเมินผลโมเดล Machine Learning
มุมมอง 1.3K9 หลายเดือนก่อน
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
มุมมอง 3759 หลายเดือนก่อน
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
มุมมอง 3809 หลายเดือนก่อน
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
มุมมอง 622ปีที่แล้ว
ต้นแบบโปสเตอร์และการนำเสนอบนเวที: github.com/ai-builders/presentations
ปรับพื้นฐาน #2 - Introduction to Numpy and Pandas
มุมมอง 3.1K2 ปีที่แล้ว
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
มุมมอง 4.9K2 ปีที่แล้ว
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
มุมมอง 2.5K2 ปีที่แล้ว
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
มุมมอง 9142 ปีที่แล้ว
เมื่อปัญญาประดิษฐ์เข้ามามีบทบาทในชีวิตประจำวัน รวมถึงใช้ในการทำงานสาขาต่างๆ อาทิ ช่วยตรวจโรค ช่วยตรวจจับผู้กระทำผิด หรือช่วยตัดสินค่าตอบแทน/บทลงโทษ ฯลฯ จะเห็นได้ว่าปัญญาประดิษฐ์เกี่ยวข้องกับประเด็นทางสังคมและส่งผลกระทบต่อคนเป็นจำนวนมาก บางครั้งปัญญาประดิษฐ์มีการตัดสินใจที่ผิดพลาด ส่งผลกระทบกับชีวิตของคน หลายครั้งปัญญาประดิษฐ์เป็นส่วนหนึ่งของการเผยแพร่อคติโดยที่ผู้พัฒนาคาดไม่ถึง หรือบางกรณีเป็นก...
บทที่ 6v (2/3) - การสร้างแบบจำลอง DCGAN ด้วย PyTorch
มุมมอง 7772 ปีที่แล้ว
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
มุมมอง 4632 ปีที่แล้ว
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
มุมมอง 1.1K2 ปีที่แล้ว
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
มุมมอง 7262 ปีที่แล้ว
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
มุมมอง 5432 ปีที่แล้ว
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
มุมมอง 6382 ปีที่แล้ว
บทที่ 5v (3/3) - การแบ่งประเภทพิกเซลจากภาพ ภาคปฏิบัติ
บทที่ 5v (2/3) - การตรวจจับวัตถุ ภาคปฏิบัติ
มุมมอง 1.1K2 ปีที่แล้ว
บทที่ 5v (2/3) - การตรวจจับวัตถุ ภาคปฏิบัติ
บทที่ 5v (1/3) - Deep learning สำหรับการตรวจจับวัตถุและแบ่งประเภทพิกเซลจากภาพ
มุมมอง 1.5K2 ปีที่แล้ว
บทที่ 5v (1/3) - Deep learning สำหรับการตรวจจับวัตถุและแบ่งประเภทพิกเซลจากภาพ
บทที่ 4t (2/3) - Introduction to Tabular Data, Correlation and Regression
มุมมอง 1.2K2 ปีที่แล้ว
บทที่ 4t (2/3) - Introduction to Tabular Data, Correlation and Regression
บทที่ 4t (1/3) - Introduction to Tabular Data, Correlation and Regression
มุมมอง 2.1K2 ปีที่แล้ว
บทที่ 4t (1/3) - Introduction to Tabular Data, Correlation and Regression
บทที่ 4t (3/3) - Introduction to Tabular Data, Correlation and Regression
มุมมอง 8222 ปีที่แล้ว
บทที่ 4t (3/3) - Introduction to Tabular Data, Correlation and Regression
บทที่ 6n การเทรนโมเดลบน Hugging Face พาร์ท 2
มุมมอง 1.8K2 ปีที่แล้ว
บทที่ 6n การเทรนโมเดลบน Hugging Face พาร์ท 2
บทที่ 5n การเทรนโมเดลบน Hugging Face พาร์ท 1
มุมมอง 6K2 ปีที่แล้ว
บทที่ 5n การเทรนโมเดลบน Hugging Face พาร์ท 1
บทที่ 4n - NLP คืออะไร? บทเรียนจากอดีตสู่ปัจจุบัน
มุมมอง 3.7K2 ปีที่แล้ว
บทที่ 4n - NLP คืออะไร? บทเรียนจากอดีตสู่ปัจจุบัน
บทที่ 3b - Stochastic Gradient Descent ตั้งแต่เริ่มต้น
มุมมอง 4.4K2 ปีที่แล้ว
บทที่ 3b - Stochastic Gradient Descent ตั้งแต่เริ่มต้น
บทที่ 4v (4/4) - พื้นฐานการทำงานของ Convolutional Neural Network และ Image augmentation
มุมมอง 1.5K2 ปีที่แล้ว
บทที่ 4v (4/4) - พื้นฐานการทำงานของ Convolutional Neural Network และ Image augmentation
บทที่ 4v (3/4) - การใช้ Pytorch และ Pytorch Lightning สำหรับแบ่งประเภทภาพ
มุมมอง 2K2 ปีที่แล้ว
บทที่ 4v (3/4) - การใช้ Pytorch และ Pytorch Lightning สำหรับแบ่งประเภทภาพ
บทที่ 4v (2/4) - การใช้ไลบรารี่ FastAI สำหรับแบ่งประเภทภาพ
มุมมอง 2.2K2 ปีที่แล้ว
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 :)