2110743 Machine Learning

1. Zoom link: https://chula.zoom.us/j/92553973325?pwd=VHVacFBwUzc2d2M4TG1LelFZY2pRZz09

2. Shared Drive: https://lh6.googleusercontent.com/GOoXqUTZ4zf93HwhGY_SPp1yWN_hXNreFcomfAyzShTIOBRgRjm7CIOp7bspAtkmw0XltLDjlm91EFzPDBr8K5UMzwfTuGpmJxNFJfF-wBSUkiI8pPM=w1280

3. Schedule:

   1. Course Introduction, Intro to Machine Learning (VDO Playlist, Python Pretest (COVID19))

   2. Concept Learning (Version Space, VDO Playlist, Slides from Tom Mitchell Textbook)

   3. Decision Tree Learning+XGBoosting (VDO Playlist, Slides from Tom Mitchell Textbook, Self Evaluation Exercise)

   4. Neural Network(Week 4-5) (VDO Playlist, Slides from Tom Mitchell Textbook, Self Evaluation Exercise)

   5. Backpropagation Neural Network (Week 6) (VDO Playlist)

   6. Midterm (28 Feb 21) Download ข้อสอบได้ที่นี่ https://drive.google.com/file/d/1cLin3eTi1naUbmWJuRuF1P3XLrd_r5U7/view?usp=sharing เมื่อ Download และส่งข้อสอบแล้วให้ลงชื่อเข้าสอบที่นี่ https://docs.google.com/spreadsheets/d/1beI-epSoeBeeOkKkyVat3UjB6X7-dNX8GebThmxJu68/edit?usp=sharing

      1. Concept Learning

         1. Hypothesis Representation (Example: COVID19) ให้ระบุปัญหาพร้อมกับระบุ Representation

         2. Version Space (Candidate Elimination Algorithm, S, G)

            1. เลือกตัวอย่างเอง เช่น มี 5 ตัวอย่าง บวก ลบ 75%

            2. ให้มีตัวอย่างที่มีเงื่อนไขบางอย่าง เช่น ปรับเซต s พร้อมกัน 2 attribute เป็นต้น

      2. Decision Tree

         1. ให้กำหนดเซตตัวอย่าง หา Gain, Gain Ratio กำหนดเงื่อนไขบางอย่าง

         2. XGBoost ให้สร้างต้นไม้ Regression

      3. Neural Networks

         1. ให้ Space ที่อยากได้ ตอบโครงสร้างเน็ตเวิร์กกับค่าน้ำหนัก

         2. Train (ปรับ weight ให้ดูด้วยอย่างน้อย 5 iteration)

            1. TLN or Linear or Sigmoid

            2. BNN

   7. Evaluating Hypothesis (7 Mar 21) (VDO Clips)

   8. SVM (14 Mar 21) (VDO Clips)

   9. CNN (21 Mar 21) (VDO Clips) (Recorded Zoom Class)

   10. LSTM (28 Mar 21) (VDO Clips)

   11. Naive Bayes Learning (VDO Clips)

   12. Official Songkran Holiday (11 Apr 21)

       1. Project Detail

          1. กลุ่มละ 2-3 คน

          2. ใช้เทคนิคการเรียนรู้ของเครื่องที่เรียนไปแก้ปัญหาในโลกจริง (ของตนเองหรือสมาชิกในทีม)

          3. นำเสนอในวันที่ 2 พฤษภาคม 2564

   13. Clustering (VDO Clips)

   14. Reinforcement Learning (VDO Clips)

   15. Project Presentation (ตารางให้คำปรึกษาระหว่างวันพุธที่ 28-ศุกร์ที่ 30 เมษายน 2564)

   16. Issues in ML (Imbalanced Data)

   17. Final Exam

       1. Review (PDF)

       2. Recorded Zoom of the Review Class:Topic: 2110743 (MACHINE LEARNING)

       3. Start Time : May 9, 2021 09:11 AM

Meeting Recording:

https://chula.zoom.us/rec/share/irdkrikAOe13cJEbv4SN5s26RaYSYg6zMD8nzP_OTFXSBuMLjXduKUgQOyuj0N4K.Lpwq97qiBgzAX7-w

Access Passcode: &@@%Z8Wp

3. 17. 4. Q&A class: 12 May 2021 & 19 May 2021

       5. Exam Schedule

          1. Start=> 9:00 am, 23 May 2021

          2. Submit=> 9:00 am, 25 May 2021

   18. การสอบปลายภาควันที่ 23 พฤษภาคม 2564

       1. Download ข้อสอบได้ที่นี่ https://drive.google.com/file/d/1ZhygV6sHiQK1deUOvfMQyYPUHh1dkg21/view?usp=sharing (ข้อสอบมี password ในการเปิดไฟล์ zip => ThaiFightCovid)

       2. ลงชื่อเข้าสอบ เวลารับข้อสอบ เวลาส่งข้อสอบ หมายเลขโทรศัพท์ที่ติดต่อได้ได้ที่นี่ https://docs.google.com/forms/d/e/1FAIpQLScsSbjfga8dOxm4sxJA12t3ho_EbSMvb0GZ6AAjloE0wNNn4w/viewform?usp=sf_link

       3. รวมคำถามตอบ

          1. ข้อ 4 d ให้วาดรูปจากข้อ 4 c

          2. ข้อสอง เราสามารถยกตัอย่างตัวเลขได้เองเลยใช่ไหมคะ

คำตอบ ยกตัวเลขได้เองเลยครับ แต่ขอให้เป็นตัวเลขที่สอดคล้องกับโจทย์

3. 18. 3. 3. % ความถูกต้องในข้อ 1 เป็น 1-error ใช่ไหมครับ

คำตอบ ใช่ครับ

3. 18. 3. 4. อาจารย์คะ 1b นี่คือตัวอย่างของเราหรือของเค้าคะ

คำตอบ ใช้ตัวอย่างของเราเพื่อทดสอบเทียบกับความถูกต้องของเขาครับ

3. 18. 3. 5. ยกตัวอย่างการแบ่งกลุ่มตัวอย่างด้วยวิธี K-Means มาหนึ่งตัวอย่าง โดยใช้ตัวอย่างที่มีมากกว่า 3 มิติ k=3 และมีตัวอย่างมากกว่า 10 ตัว ข้อนี่คือต้องมีมากกว่า 3 แกนหรอครับ โจทย์ที่บอกว่ามากกว่า 3 มิติ

คำตอบ ใช่ครับ ถึงไม่ได้ให้แสดงรูปครับ เป็น 4 มิติขึ้นไปครับ

3. 18. 3. 6. อาจารย์คะ บทความในข้อ 1a คือ บทความอะไรคะ

คำตอบ หมายถึงเวลาเราไปอ่านเปเปอร์ครับ เราจะเจอเหตุการณ์นี้บ่อย ๆ คือ ทดลองตามเขาไม่ได้ แต่อยากรู้ว่า ขอบเขตความถูกต้องที่เขาแสดงไว้ ประมาณได้เท่าไร

3. 18. 3. 7. ข้อ 1 ตอบเป็นความถูกต้องหรือตอบเป็น error

คำตอบ ได้ทั้งคู่ครับ

4. Grading

   1. Midterm (online) 30%

   2. Final (online) 40%

   3. Project (2-3 Students/group) 30%

5. Text book:

   1. Tom Mitchell, "Machine Learning", McGraw Hill, 1997.