หลักสูตร Essential ML.NET

อธิบายเกี่ยวกับหลักสูตร

ดูวิดีโออธิบายเนื้อหาหลักสูตรต่าง ๆ https://www.facebook.com/LoySyllabus

ชื่อหลักสูตร: Essential ML.NET
ผู้สอน: ลาภลอย วานิชอังกูร
ติดต่อสอบถาม:  081-915-7816 (อ.สุเทพ)
เวลาเรียน: 3 วัน

• สอนวิธีพัฒนางาน A.I. แขนงแมชชีนเลินนิงด้วยภาษา C#

• สอนวิธีใช้เครื่องมือช่วยพัฒนาต่าง ๆ เช่น Automated ML (AutoML), Azure ML, API

• สอนวิธีประยุกต์ใช้งานในสถาปัตยกรรมต่าง ๆ เช่น .NET Core console app, Windows desktop app (WinForm) และ ASP.NET Core

• สอนวิธีเขียนโค้ดเพื่อทำ

o Classification/Categorization

o Anomaly Detection

o Automatically divide customer feedback into positive and negative categories

o Detect fraudulent banking transactions

o Regression/Predict continuous values, product price

o Recommendations Suggest products that online shoppers may want to buy, based on their previous purchases

เหมาะสำหรับ

C#, .NET Core developer

ความรู้เบื้องต้นที่ต้องมี

C#, .NET Core, Application development, SQL Database ระดับพื้นฐาน

เนื้อหาวิชา

สาเหตุที่ควรเรียนคอร์สนี้ • เรียนแล้วสามารถพัฒนางาน A.I. แขนงแมชชีนเลินนิงได้ • เป็นหลักสูตรเพื่อนักพัฒนา .NET ด้วยภาษา C# • นำไปใช้กับแอพลิเกชันได้หลายแบบ เช่น เดกส์ทอป เว็บ สมาร์ทโฟน • สร้างและรันข้ามเพลตฟอร์มได้ Windows, Linux, and macOS • เป็นเฟรมเวิร์กที่โอเพ่นซอร์ส • เป็นเฟรมเวิร์กที่ฟรี • พัฒนาและทำงานได้ที่ local ไม่จำเป็นต้องเชื่อมกับคลาวด์ • มีประสิทธิภาพสูงกว่าเฟรมเวิร์กประเภทเดียวกันอย่าง scikit-learn และ H2O • ผู้เรียนไม่ต้องเก่งสถิติ คณิตศาสตร์ หรือ Data Science • พร้อมนำผลลัพธ์ไปใช้กับ End-user Application ได้ทันที

โมเดลแมชชีนเลินนิงที่สอนในคอร์สนี้ทำงานได้ในสถาปัตยกรรมต่าง ๆ ดังนี้ End-user Application Architecture • ASP.NET Core web apps & WebAPI services • ASP.NET web apps & WebAPI services • Azure Functions • Any other Azure app model app (server-side) • .NET WPF desktop app • .NET WinForms desktop app • .NET Core console app • .NET Framework console app

Course outline วันที่ 1: ความรู้พื้นฐาน ML.NET • Introduction to ML.NET • ML.NET Hello world • Introduction to Data Science basic • Create model using Azure ML • Introduction to AutoML • Introduction to ML.NET coding

วันที่ 2: วิธีสร้างML เพื่อพยากรณ์ราคาสินค้าหรือคำตอบที่เป็นตัวเลขเชิงปริมาณ Regression/Predict continuous values • นำข้อมูลเข้าจากไฟล์ CSV และ SQL Server • สร้างดาต้าเซตด้วย IViewer • ทำ data cleansing, normalization • ทำโปรเจกต์เพื่อสร้างโมเดล ML • สร้าง pipeline และ transformer • ทำโปรเจกต์เพื่อ train โมเดล ML • ทำเขียนโค้ดเพื่อ save และ load โมเดล • ทำโปรเจกต์ส่วน End-user Application

วันที่ 3: ทำ ML เพื่อวิเคราะห์ข้อความ และการคัดกรองสแปม • วิธีทำ ML เพื่อวิเคราะห์ user message ว่าเป็นบวกหรือลบ Classification/Categorization • วิธีทำ ML เพื่อแยกแยะหมวดหมู่ของ message (divide customer feedback) • การคัดกรอง message หรืออีเมลที่เป็นสแปม Spam detection

หมายเหตุ : ลำดับการสอนอาจไม่เรียงตามนี้หรือหลักสูตรอาจถูกเปลี่ยนแปลงโดยไม่ได้แจ้งให้ทราบล่วงหน้า