• โปรแกรมเมอร์ นักวิเคราะห์ข้อมูล นักพัฒนาระบบ นักวิทยาศาสตร์ข้อมูล วิศวกรข้อมูล หรือผู้สนใจเกี่ยวกับปัญญาประดิษฐ์
• มีประสบการณ์เขียนภาษาไพทอน หรือภาษาอื่น

• สามารถเขียนโปรแกรมด้วยภาษาไพทอน (Python) สำหรับการทำงานเกี่ยวกับการเรียนรู้เชิงลึกได้
• ได้แบบจำลองการเรียนรู้เชิงลึกที่สามารถนำไปใช้งานจริงได้

Module 1: Introduction to Deep Learning and Business Data Analysis

• Introduction to Deep Learning Algorithms
• Case studies in various industries (e.g., finance, retail, healthcare)
• Impact on business decision-making

Module 2: Data Preparation and Exploration for Deep Learning

• Types of data (structured, unstructured, time-series)
• Sources and collection methods
• Handling missing values, normalization, and scaling
• Feature engineering and selection
• Visualizing and summarizing data
• Identifying trends and patterns relevant to business objectives

Module 3: Foundations of Deep Learning with Python

• Overview of popular frameworks (TensorFlow, Keras, PyTorch)
• Implementing simple neural networks using Python
• Loss functions, optimization algorithms
• Model evaluation metrics (accuracy, precision, recall)

Module 4: Advanced Deep Learning Techniques

• Convolutional Neural Networks (CNNs)
• Implementing CNNs with Python
• Recurrent Neural Networks (RNNs)
• Implementing RNNs and Long Short-Term Memory (LSTM) networks with Python
• Autoencoders and Dimensionality Reduction
• Implementing autoencoders with Python
• Generative Adversarial Networks (GANs)
• Implementing Generative Adversarial Networks with Python

Module 5: Model Deployment and Integration

• Deploying Deep Learning Models
• Deployment options (cloud services, on-premises solutions)
• Tools and frameworks for deployment (e.g., TensorFlow Serving, ONNX)

Module 6: Projects and Case Studies

• Project 1: Facial Expression Recognition in Videos using CNN+LSTM
• Project 2: Text Summarization using LSTM
• Project 3: Recommendation System using GANs