ประยุกต์ใช้งาน Machine Learning เข้ากับ Web ด้วย Scikit-learn, Flask, HTML, CSS และ deploy ด้วย Docker
- Getting Started with Dataset : แนะนำ Dataset (21 min)
- Story (3 min)
- Import Dataset โดยใช้ Pandas (3 min)
- Explore Dataset เบื้องต้นโดยใช้ Pandas (15 min)
- Plot Bar Chart : จำนวนชั่วโมงที่ฝนตกในรอบสัปดาห์ (10 min)
- Plot Line Chart : อุณหภูมิเฉลี่ยในแต่ละชั่วโมง เทียบกับการตกของฝน (10 min)
- Plot Line Chart: ความชื้นเฉลี่ยในแต่ละชั่วโมง เทียบกับการตกของฝน (10 min)
- 80:20 Data Splitting (9 min)
- การทำงานคร่าว ๆ ข้อดี ข้อเสีย (9 min)
- N-Fold Cross Validation
- การทำงานคร่าว ๆ ข้อดี ข้อเสีย (9 min)
- Implement (5 min)
- Evaluate Model (ดู Accuracy, Precision, F1-score) (25 min)
- การหา Accuracy (10 min)
- การหา Precision (10 min)
- การหา F1-score (10 min)
- Implement Script สำหรับหา Accuracy, Precision, Recall และ F1-Score (10 min)
- Save model ลงไปในไฟล์ โดยใช้ Pickle (10 min)
- สร้าง Frontend สำหรับกรอกข้อมูลโดยใช้ Bootstrap (หรือจะเปิด Flex เลย) (50 min)
- เขียนส่วนรับ Route สำหรับรับ Request จาก Frontend และ Extract HTTP Payload สำหรับดึงค่า Parameter จาก Frontend (20 นาที)
- โหลด Model มาเพื่อเรียกใช้งาน (10 นาที)
- นำ Payload มาใส่ใน Model เพื่อ Inference และ Return ค่ากลับไป (20 min)
- สร้าง Function สำหรับ Train และ Save Model (10 min)
- สร้าง Function สำหรับเช็คการอัพเดทของข้อมูล (20 min)
- สร้างเงื่อนไขการแก้ Model เมื่อ Accuracy สูงกว่า (10 min)
- สร้าง Function สำหรับตั้งเวลาการทำงานของ Update Model (20 min)
- สร้าง Requirement File + Docker File (20 min)
- ทดลองสร้าง Container (10 min)
- สร้าง Docker Compose (20 นาที)
- BONUS: สร้าง Web Server ไวสูงด้วย Japronto ที่เร็วกว่า Go ถึง 22 เท่า (120 min)
คอร์สเรียนไพธอน (Python Programming & Web Development Courses) ประจำปี 2021
฿ 9,900 บาท
คอร์สเรียน vue.js (Frontend-JavaScript) ประยุกต์ร่วมกันกับ flask (Backend-Python) คอร์สแรกในไทย
฿ 2,500 บาท
พื้นฐาน Machine Learning ด้วยภาษาไพธอน โดยใช้หนึ่งในไลบรารี่ยอดนิยมอย่าง scikit-learn
฿ 2,500 บาท