Zoom Link: https://chula.zoom.us/j/91037649181?pwd=RXpiYlJSNDgvVFZsMmZLSy9sNXpqUT09
Shared Drive: https://drive.google.com/drive/folders/1euG9uuvlS_-brFRJTVIxdcwvgSk7ffjQ?usp=sharing
Course Schedule:
18 Jan 21: Course Introduction (Brain System, Artificial Neuron)
25 Jan 21: Artificial Neuron Architecture (VDO Playlist)
1 Feb 21: TLN Architecture (VDO Playlist)
8,15,22 Feb 21: TLN Architecture+TLN Training+Supervised Learning (Brief VDO)
TLN Architecture (Last four clips from VDO Playlist: เริ่มดูตั้งแต่ MLP in Specific Area)
Training a Perceptron (VDO Playlist)
Q&A Session: Monday, 13:00-15:00, 15 Feb 21.
1 Mar 21: Midterm Exam (Recorded Midterm Exam Guide VDO)
สามารถ Download ข้อสอบได้ที่นี่ หมดเวลาส่ง 16:15 น. ของวันนี้ครับ https://drive.google.com/file/d/14gL8BOEyyYI7PvzwUjnk-pW2iJtdC_f4/view?usp=sharing
เมื่อส่งเสร็จแล้ว รบกวนลงชื่อที่นี่ด้วยครับ https://docs.google.com/forms/d/e/1FAIpQLSfEaDpocFeTzUX4PDYlZ72u8yqmtdMcRDtRy6WXQvKk9rvJyg/viewform?usp=sf_link
รวมคำถามคำตอบ
ในข้อสอบมี "เลขข้อ" 6 ซ้ำกัน อย่าได้ถือสาครับ
13:14 ข้อที่เป็นการ Train แปะ Code Colab ได้เลยไหม
แปะได้ครับ แต่ให้แสดงค่าระหว่างการคำนวณอย่างเพียงพอด้วย อย่าตอบแค่คำตอบครับ เพื่อให้ผมสามารถตรวจสอบคำตอบได้ครับ เดี๋ยวผมตรวจลำบากครับ
13:22 dichotomies คืออะไรเหรอครับ
ที่เอาเส้นแบ่งตัวอย่างออกเป็นสองกลุ่มครับ แต่ละการแบ่งยังกำหนดตัวอย่างได้เป็นสองแบบ คือ ข้างหนึ่งเป็นลบอีกข้างเป็นบวก และกลับกันครับ
13:42 อาจารย์ครับข้อ 5 ทำไมสูตร binary มันแปลกอะครับ
ตรง e คือ target-output
13:45 ข้อ 6 ทำเป็น tln ใช่มั้ยครับ
ข้อ 6 แรกเป็น linear ครับ
ข้อ 6 หลัง เป็น sigmoid ครับ มีเขียนไว้ในโจทย์แล้วครับ
13:50 Weight ต่าง ๆ กำหนดเองเลยใช่ไหม
เกือบทุกข้อจะมีระบุไว้ว่า ให้ weight เริ่มต้นเป็นเท่าใด แต่ถ้าไม่มีระบุไว้ ก็สามารถกำหนดได้เองครับ
14:20 1 Iteration คือ 1 example ใช่ไหมครับ
ใช่ครับ
14:21 ข้อ 7 ที่ให้หา Weiner Solution ใช้ code ได้มั้ยครับ
ได้ครับ แต่ต้องแสดงค่า P และ R ด้วยครับ
14:22 สรุปข้อ 6 แรก เป็น Linear หรือ Binary
เป็น Liner ครับ
14:24 ข้อ 8 ตัวอย่างบวกกับลบหมายถึงอย่างไร
ให้มีสองตัวอย่างตัวอย่างละ 1 iteration พอครับ โดยต้องปรับ weight ของตัวอย่างบวก 1 ครั้ง และของตัวอย่างลบ 1 ครั้งครับ
14.32 ถ้าเอา code จาก colab ที่เรียนในชั้นเรียนต้องแสดงอะไรบ้าง ตรงนี้น่าจะเหมือนเพื่อน
แสดงค่าตรงกลางที่ใช้คำนวณด้วยครับ อย่าแสดงแต่คำตอบ เช่น Weiner solution ก็ต้องแสดงค่า P กับ R อย่าแสดงแต่คำตอบ
ถ้าเป็น weiner solution ก็คงเหมือนครับ ตรงนี้ไม่เป็นไรครับ แต่ถ้าเป็นอันอื่นไม่น่าจะเหมือน
14:53 ข้อที่เป็น TLN ให้ปรับ Weight ต่อกันเลยใช่ไหม
ใช่ครับ อยากให้เป็นแบบนั้น คือ ปรับตัวหนึ่ง แล้วเอาที่ได้ไปปรับอีกตัวหนึ่งต่อครับ
14:54 ข้อ 6 แรกเป็น Linear ใช่ไหม ไม่ใช่ Binary
ใช่ครับเป็น Linear ครับ สูตรเป็น Linear ครับ
Support Vector Machine (VDO Clips)
Recorded VDO for BNN
Topic: 2110571 (Neural Networks)
Start Time : Mar 22, 2021 01:00 PM
Meeting Recording:
https://chula.zoom.us/rec/share/4yMhC03eLUXl5ZU2QXmDzYcT0hpid2OTJ3UkzgLpS8fXkHMwLt3MO34-5iSDfxDC.IC7wVCNlNAnZ8LuA
20 Apr 21: Associative Memory (VDO Clips)
Convolution Neural Network (VDO Clips)
LSTM (VDO Clips)
Class Review
Project Presentation (3 May 21) Update ตารางเวลานำเสนอได้ที่นี่:
งานกลุ่ม กลุ่มละ 2-3 คน
ให้เลือกข้อมูล (ถ้าเป็นข้อมูลของตัวเอง ที่ต้องสกัดมาจากแหล่งอื่น จะดีมาก) ที่ตัวเองสนใจ ที่ยังไม่มีใครลองทำด้วย Neural Networks มา 1 ชุดข้อมูล
ประยุกต์ใช้เทคนิคที่เล่าให้ฟังในชั้นเรียนเพื่อแก้ปัญหานั้น
นำเสนอเป็นเวลา 10 นาที
อธิบายข้อมูล
อธิบายการ "เตรียม" ข้อมูล
อธิบาย "โครงสร้าง" เน็ตเวิร์กที่ใช้
อธิบายผลลัพธ์ในเชิงความถูกต้องที่ได้
"อภิปราย" ผลลัพธ์ ผิดตรงไหน ตรงไหนดีแล้ว ได้ลองแก้ไขอะไรอย่างไร หรืออยากแก้ไขอะไรในอนาคต ***
จุดมุ่งหมายของการ Present คือ นำเสนอว่าตัวเอง "เข้าใจ" และ "ประยุกต์" ใช้นิวรอลเน็ตเวิร์กกับข้อมูลจริงได้ และ "แบ่งปัน" ความรู้และเทคนิคกับเพื่อน
Final Exam
13:00-16:00, 17 May 2021
13 May 2021, VDO แนวทางการเตรียมตัวสอบ
15 May 2021, 18:00 Q&A
17 May 2021
เริ่มทำเวลา 13:15 หมดเวลาส่ง 16:15 ส่งเมลมาที่ sukree@cp.eng.chula.ac.th ตามรายละเอียดในหัวกระดาษ
ลงชื่อเข้าสอบที่ฟอร์มนี้
รวมคำถามคำตอบ เบอร์โทรศัพท์ผม 0814937676 ในกรณีที่ต้องการคำตอบด่วนนะครับ
13:23 ข้อ 1 กับ 2 ตัวอย่างจำเป็นต้องอยู่บนเส้นทั้งหมดหรือไม่คำตอบ ไม่จำเป็นครับ ไม่จำเป็นต้องใช้จุดทั้งหมดเพื่อหาคำตอบครับ
13:32 ส่วนที่ไม่อยู่บน decision surface แล้ว lagrange ของตัวที่ไม่อยู่ จะต้องหาอย่างไรคำตอบ ด้วยการคำนวณ ควรจะได้ค่ากลับมาใกล้เคียง 0 ครับ ปกติค่านี้จะเป็น 0 ครับ
14:26 ข้อ 5 ให้ปรับ winner node และเพื่อนบ้านกี่รอบคำตอบ รอบเดียวพอครับ
Grading System
Midterm (Online) 25%
Final (Online) 25%
Project 50%
References:
Kumar, S. (2013). Neural Networks: A Classroom Approach. India: McGraw-Hill.
Russell, S. J., & Norvig, P. (2021). Artificial intelligence: A modern approach. Hoboken, NJ: Pearson.