Teeradaj Racharak A log of everyday life

Courses

Present

  • Artificial intelligence bootcamp at Thai Programmer Association & Software Park Thailand
    • Objectives: Overview the state-of-the-art technologies related to artificial intelligence (AI) with the primary focus on machine learning techniques. Students will learn about best practices in AI and experience the development using widely-used technologies and tools.
    • Location: BB Co-Meeting Space BTS ช่องนนทรี (ไม่มีที่จอดรถ)
      • (สถานที่จอดรถ) อาคาร CP Tower ค่าจอดรถ ชม.ละ 30- หรือ เหมาจ่าย 240- เต็มวัน (ซื้อของในตึกเขา ปั้มจอดฟรี 2 ชม.)
      • (สถานที่จอดรถ) อาคาร Liberty Square ส อา และ วันหยุดนักขัตฤกษ์ เหมาจ่าย 100- (6:00-17:00) (เหมาทั้งวันถึง 17.00 น. จ่าย 100 บาท ส่วนเกินชั่วโมงละ 50 บาท)
      • (สถานที่จอดรถ) อาคารโอเอซิส เฉพาะเสาร์ อาทิตย์ ค่าจอด ชม. ละ 30-
      • (สถานที่จอดรถ) ใกล้สุด อาคารยูไนเต็ด หรือ อาคาร ทรินิตี้ ค่าจอดรถ ชม.ละ 30- ค่าจอดมอไซค์ ชม.ละ 20-
Week Topics and Course Materials External Materials
1
  • Overview of artificial intelligence
  • [Lab#0] Basics in python
  • Semantic Web Technology
    		•
    2
  • [Lab#1] Basics in TensorFlow and TensorBoard
  • Basics in TensorFlow and TensorBoard
  • What is machine learning?
  • Linear regression with one variable
  • First TensorFlow tutorial
  • Assignment#1
  • VDO: Debugging TensorFlow's project with Pycharm
  • TensorFlow's Visualization toolkit
  • TensorFlow's Graph visualization
    • 3
  • [Lab#2.0] Basics in Google Colab
  • [Lab#2.1] Linear regression with one variables
  • Basics in iterative methods
  • Linear regression with multiple variables
  • Assignment#2
  • Can I use TensorBoard with Google Colab?
  • Stochastic Gradient Descent in TFLearn
    		•
    4
  • [Lab#3] Logistic regression
  • Review about training
  • Logistic regression - classification
    • 5
  • Generalized linear models
  • Generative learning algorithms
  • [Lab#4] Generalized linear models and generative learning algorithms
    • 6
  • Regularization
  • Deep Learning: Basics and Intuition
  • [Lab#5] Regularization
    • 7
  • Deep learning: Feedforward
  • Deep learning: Backpropagation
  • [Lab#6] Deep learning: Learning
  • Stochastic Gradient Descent Tricks
    • 8
  • Practices when applying machine learnings
  • Machine learning system design
  • [Lab#7] Bias-variance tradeoff
    • 9
  • Support vector machines
  • More about similarity
  • [Lab#7] Support vector machines
    • 10
  • Unsupervised learning
  • K-means for clusing
  • Dimensionality reduction
  • [Lab#8] Unsupervised learning
    • 11
  • Convulutional neural network
  • [Lab#9] Convolutional neural network
    • 12
  • [Lab#10] Advanced topic in TensorFlow: How to use a trained model from external programs?
  • AI Reasoning: Logical inference and knowledge representation
  • Talk: How a machine even argue?
    		•

    Preparation:

    • Set up python development environment on your machine. Python 3.6 is preferred.
    • Install TensorFlow 1.12 and your favorite IDE to do assignments. Pycharm is recommended.

    Courses taught in the past

    • Algorithm design
    • Android application development
    • Basic programming (Java)
    • Best practices for architecting web apis
    • Cucumber for Java developers
    • Data analytics using Microsoft Excel
    • Database administrations
    • Discrete mathematics
    • Enterprise architecture and cloud computing
    • Introduction to argumentation framework
    • Introduction to description logics
    • Introduction to modal logic
    • Introduction to Spring framework
    • Logical inference and knowledge representation
    • Object-oriented laboratory (Java)