9Expert Training

PYTHON-L2

Machine Learning using Python

3 วัน (18 ชม.)/ ช่วงเวลา 9:00 - 16:00 น.
ClassroomHybridInhouse
11,900บาท

*ราคาดังกล่าวยังไม่รวมภาษีมูลค่าเพิ่ม

Workshope-Certificate
ลงทะเบียนขอใบเสนอราคา
DevelopmentPython
หลักสูตรก่อนหน้า:Python Programming
รูปแบบการอบรม:ClassroomHybrid

ตารางอบรม Public Training

ลงทะเบียนรอบที่เลือก

Machine Learning using Python

Python เป็นภาษาโปรแกรมที่ง่ายต่อการเรียนรู้ นอกจากนั้นยังมี Library จำนวนมาก ที่สามารถประยุกต์ใช้งาน Artificial Intelligence และ Machine Learning สำหรับทำการวิเคราะห์และประมวลผลข้อมูล เพื่อนำไปใช้ประโยชน์ในการสร้างความได้เปรียบทางธุรกิจเหนือคู่แข่งได้

วัตถุประสงค์

  1. 1.ผู้อบรมสามารถเข้าใจหลักการของ A.I. และ Machine Learning ได้
  2. 2.ผู้อบรมสามารถใช้ภาษา Python ประยุกต์ใช้งานทางด้าน A.I. และ Machine Learning ได้

หลักสูตรนี้เหมาะสำหรับ

  • นักเรียน นักศึกษา วิศวกร นักพัฒนาซอฟต์แวร์ หรือบุคคลทั่วไปที่สนใจการประยุกต์ใช้งาน Machine Learning ด้วยภาษา Python
  • ผู้ที่ต้องการเรียนรู้ภาษา Python เพื่อต่อยอดในงานทางด้าน Data science ในอนาคต
  • ผู้ที่ต้องการเรียนรู้ภาษา Python เพื่อต่อยอดในงานทางด้าน Machine Learning และ AI ได้

พื้นฐานของผู้เข้าอบรม

  • ผู้เข้าอบรมต้องมีความเข้าใจการเขียนโปรแกรมภาษา Python เบื้องต้นมาก่อน
  • ผู้เข้าอบรมสามารถใช้งานคอมพิวเตอร์พื้นฐานได้ดี
  • มีความตั้งใจและอยากเรียนรู้

ความต้องการของระบบ

  • CPU : Core i5,i7 OR Faster
  • RAM : 4 GB Minimum (8 GB Recommended)
  • Storage : 500 GB hard disks 7200 RPM SATA
  • OS : Windows 8 and later, Mac OS X 10.6 and later, and Ubuntu 16.10 and later
  • JupyterLab

หัวข้อการฝึกอบรม

  • •Python 3.x installation
  • •Microsoft visual code installation
  • •Data structure (List, Tuple, Dictionary, and Set)
  • •NumPy
  • •Pandas
  • •Request
  • •​Beautiful Soup 4
  • •Selenium
  • •Regression Analysis
  • •Evaluation Metrics (MAE, MSE, and RMSE)
  • •Linear regression
  • •Multiple linear regression
  • •Polynomial regression
  • •​Classification
  • •​Decision tree
  • •Random forest
  • •Cross validation
  • •Classification evaluation (Accuracy, Precision, Recall, and F1-Score)
  • •Hyperparameters tunning
  • •Clustering
  • •K-mean clustering
  • •Basic OpenCV
  • •Face and eye detection
  • •Face recognition (Image, Video, and Webcam)
  • •Artificial Neural Network (ANN)
  • •Convolutional Neural Network (CNN)
  • •Pretrained Models for Classification
  • •VGG16
  • •ResNet50
  • •Inception
  • •Object detection using YOLO (Image, video, and webcam)