Code Together with Bangkok AI - FREE!! 100 Days of ML Code Challenge

Code Together with Bangkok AI - FREE!! 100 Days of ML Code Challenge

คุณพร้อมหรือไม่ มาเรียนและเขียน code Machine Learning กัน วันละ 1 ชม. เป็นเวลา 100 วัน !!!  

ถ้าคุณเป็นคนที่ ... 

• อยากเรียน Machine Learning, Deep Learning, หรือ AI เลยไปซื้อหรือสมัครเรียนคอร์ส online จาก Coursera, Udemy, Udacity, EdX, ... แต่เรียนยังไงก็ไม่จบซักที นั่งดูได้ 2-3 vdo ก็เบื่อแล้ว

• นั่งเรียนเขียน code ที่บ้านคนเดียว แล้วก็บ่นว่าไม่เข้าใจซักที ติดปัญหาก็ไม่รู้จะไปถามใคร อยากมีเพื่อนเรียนไปด้วยกัน

• อยากเรียนรู้ Machine Learning แต่ไม่รู้จะเริ่มยังไง คอร์ส online และ offline มีตั้งเยอะ จะทำอะไรก่อนหลัง มึนตึ๊บมันเยอะไปหมด

ดังนั้นจากแนวคิดที่ว่า "The best way to learn something is learning by doing, and then teaching others, sharing your knowledge, and most importantly do it together" 

จะดีกว่าไหม ?? -> New Year Resolution นี้ เรามา Code Together เรียน Machine Learning ไปด้วยกัน From Zero to Hero ในเวลา 100 วัน !!! 

(** idea นี้จริงๆแล้วเริ่มมาจาก Youtube Video ของคุณ  Siraj Raval https://youtu.be/cuQMBj1cWPo เวลา post ลง social อย่าลืมใช้ hashtag #100DaysOfMLCode สามารถเข้าไปดูรายละเอียดได้ เราจะมาเร่ิมพร้อมๆ หรือใกล้เคียงกับคนอื่นๆทั่วโลกกันครับ)

สำหรับเนื้อหาที่เราจะมานั่งเรียนและ code กันใน 100 วัน (ขอแบ่งเป็น week ก่อน) มีดังนี้ครับ 

Week 1: All Required Basics

• Review Python Basics 
• Review Linear Algebra, Calculus, Maths
• Intro to Github and how to use it for team collaboration in Silicon-Valley style

Week 2: Machine Learning Foundations

• NumPy, Pandas, Python libraries
• Import dataset from various sources: files, databases, public datasets
• Handling missing data
• Encoding categorical data 
• Feature engineering
• Model evaluation and validation assessment

Week 3:  Data Visualization

• web scraping
• Matplotlib, Seaborn 
• Plotly
• Bokeh
• Dash
• Other libraries

Week 4:  Supervised Learning: Regression

• Simple Linear Regression
• Gradient Descent
• Higher Dimensions Linear Regression
• Polynomial Regression
• Regularization

Week 5:  Supervised Learning : Classification

• Perceptron Algorithm
• Logistic Regression
• K-Nearest Neighbours
• Decision Trees 
• Naive Bayes
• Support Vector Machine
• Ensemble Methods
• Parameters Tuning 
• XGboost

Week 6: Supervised Learning Practice Projects 

Week 7: Unsupervised Learning: Clustering

• K-Mean clustering
• Hierarchical and Density-based 
• Gaussian Mixture Model and Cluster Validation
• Feature Scaling
• Principle Component Analysis (PCA)

Week 8: Unsupervised Learning Practice Projects 

Week 9:  Feature Extraction and Dimensionality Reduction

• Random Projection
• Independent Component Analysis (ICA)

Week 10:  Feature Extraction and Dimensionality Reduction Practice Projects 

Week 11:  Introduction to Deep Learning 

• Neural Networks
• Cloud Computing
• Deep Neural Networks
• Convolutional Neural Networks
• Recurrent Neural Networks
• Deep Learning Example Applications

Week 12:  Deep Learning Practice Projects

Week 13:  DevOps for ML/DL/AI Engineers

• Basics of Flask, Docker, Kubenetes
• REST API
• DevOps Basics (Continuous Integration, Continuous Delivery, CI/CD pipeline, DevOps tools)
• DevOps Lab:
  • Step1: Model development 
  • Step2: Developing the interface our Flask app will use to load and call the model
  • Step3: Building the Docker Image with our Flask REST API and model
  • Step4: Testing our Docker image before deployment
  • Step5: Creating our Kubernetes cluster and deploying our application to it
  • Step6: Testing the deployed model
  • Step7: Testing the throughput of our model
  • Step8: Update our model and automate the deployment process  
  • Step9: Cleaning up resources

Week 14:  Work on your own Capstone Project

Week 15:  Hackathon-Style Final Pitching your Capstone Project
(** ทั้งนี้กำหนดการนี้เป็นเพียง draft เท่านั้นในขณะนี้ อาจะมีความเปลี่ยนแปลงตามความเหมาะสมต่อไป **)

Technology/Software Stack

• Google Colab 
  
• Jupyter Notebook
• Python
• Keras 
• Tensorflow
• Cloud services (to be announce) 

ส่ิงที่ผู้เข้าร่วมจะต้องทำทุกวันระหว่าง 100 Days of ML Code Challenge

• เขียน code และ push commit ไปที่ Github repo อัพเดทความคืบหน้า

• เขียน Blog (Medium, Github wiki) หรือ Vlog (Youtube, Facebook) อัพเดทความคืบหน้า

• โพสสิ่งที่เขียนและแชร์ลง social media เช่น Facebook, Line, Instagram, ... 

• (**หรือถ้าไม่ทันจะรวบยอดเขียนช่วงวันหยุดสุดสัปดาห์ก้ได้แต่ขอให้มี code push ไปที่ Github Repo ทุกวันนะครับ)

ส่ิงที่ผู้เข้าร่วมจะได้หลังจากจบ 100 Days of ML Code Challenge

• Github repo ที่เป็นเหมือน Resume Ready สามารถนำไปใส่ใน resume สมัครงานให้ profile เราดูโหดๆได้

• เพื่อนร่วมทางที่มา Code Together เป็นที่ปรึกษา แก้ปัญหา หรืออาจมี Idea ทำ startup ร่วมกัน
  

• ความรู้ Machine Learning และ Deep Learning แบบรู้ลึกรู้จริงเอาไปใช้ในการทำงานได้

• ลองนำความรู้ที่ได้ไป apply กับงานจริง ในปัญหาหรืองานที่แต่ละท่านอยากจะทำ คล้ายๆ กับ Capstone project แล้ววันสุดท้ายเรามา present แบบ hackathon pitching กันมันส์ๆ (สถานที่ yet to announce แต่ท่านไหนที่สนใจอยากเป็น sponsor สามารถติดต่อมาได้ที่ kwarodom@vt.edu หรือ Line ID: @kwarodom ครับ) 

• Certification of Attendance from CITY.AI Global Community (ยังไม่ชัวร์นะครับ ขอหารือกับทาง CITY.AI ก่อนว่าจะออกให้ได้รึปล่าวแต่จะพยายาม***)

พื้นฐานของผู้เข้าร่วม 100 Days of ML Code Challenge with Bangkok AI 

- Basic knowledge and little experience with Python programming ผู้เข้าร่วมควรจะมีพื้นฐานการเขียนโปรแกรมด้วยภาษา Python (ถ้ายังไม่เคยเขียน Python สามารถเรียนฟรี online ได้ที่นี่ครับ https://www.codecademy.com/learn/learn-python) 

ตัวอย่างของคนที่เข้าร่วม 100 Days of ML Code Challenge กับ Siraj Raval และทำสำเร็จไปแล้ว (เผื่อบางคนถามว่าแล้วโลกนี้มันมีคนทำได้รึปล่าว?? แล้วเราะจะทำได้เหรอ??)

- 100 DAYS OF MACHINE LEARNING CODE: My Journey to ML by Manja Bogicevic

- 100 Days of ML Code by Avik Jain 

การเข้าร่วมมีค่าใช้จ่ายไหม ?? 

- Free ล้านเปอร์เซ็น!!!

จำนวนของผู้เข้าร่วม (** 30 ท่าน เท่านั้น **)

- เนื่องจาก workshop ของเราเป็นแบบ online ผ่าน vdo conference มีข้อจำกัดในเรื่องของจำนวนผู้เข้าร่วม การสื่อสาร bandwidth และอื่นๆทั้งที่เป็น technical และ non-technical ฯลฯ เราจึงขอคัดเลือกผู้เข้าร่วมที่เราคิดว่าพร้อมที่จะลุยไปด้วยกัน 100 วันเต็ม ไม่ยอมแพ้ก่อนระหว่างทาง จำนวน 30 ท่านแรกก่อนครับ

Timeline 

1. สมัครเข้าร่วมได้ตั้งแต่ 6 มกราคม 2562 - 19 มกราคม  2562 (ก่อน 12.00 pm)

2. เริ่มมา Code Together 100 Days of ML Code Challenge เริ่มนับ Day 1 ตั้งแต่วันที่ 20 มกราคม  2562 เริ่ม 11:00 pm ถึง11:59 pm ผ่าน zoom.us vdo conference โดย url จะถูกส่งให้ทาง email ที่สมัครมาหรือทาง line group: BKKAI100DaysCode 

3. ตั้งแต่นั้นทุกวัน ตั้งแต่ 11:00 pm ถึง 11:59 pm ไปจนถึงวันที่ 29 เมษายน 2562 (100 วันเต็ม) 

ขั้นตอนการสมัครเข้าร่วม

- กรอกใบสมัครใน Google Form นี้ >> https://goo.gl/forms/lPx0jzGEx3TjkrC53 
-  *** และอย่าลืมแชร์ event นี้บน Facebook พร้อม hashtag #100DaysOfMLCode และ #CodeTogetherWithBangkokAI  (REQUIRED!!!) ***

สุดท้ายนี้ แค่อยากจะบอกว่า ...
"ผมไม่ได้รู้ทุกเรื่อง แต่ทุกเรื่องที่ผมรู้ตั้งแต่เรียนที่ US เก็บประสบการณ์ใน Silicon Valley สร้าง Community ที่ชื่อ Bangkok AI การไปแข่งชนะและแพ้ Hackathon ตามที่ต่างๆ จนถึงการสอบผ่านเป็น Instructor NVIDIA Deep Learning Institute จะพยายามใส่มาให้หมดใน 100 วันนี้" 

แล้วมาเรียนรู้ไปด้วยกันครับ  

ประวัติผู้สอน
ดร. วโรดม คำแผ่นชัย (Warodom Khamphanchai, Ph.D.) 
Bangkok AI Ambassador
Certified Deep Learning Instructor at NVIDIA Deep Learning Institute (Computer Vision)
Ex-Software Developer Engineer at Samsung SmartThings (Palo Alto)
Ex-BEMOSS Software Developer at Virginia Tech (https://ece.vt.edu/news/article/ari-awarded-2-million-to-help-buildings-save-energy--2015-ece-annual-report)

หลงรักการเขียนโค้ดมาตั้งแต่สมัยเรียนปริญญาโท เริ่มจาก java ง่ายๆ ไปจนถึงเรียนปริญญาเอกที่ Virginia Tech ได้มีโอกาศศึกษา python เพื่อพัฒนา IoT platform และศึกษาการพัฒนา machine learning และ AI algorithms เพื่อการจัดการพลังงานภายในอาคารจนได้รับรางวัลชนะเลิศการแข่งขันการพัฒนา Building Energy Management Software จากกระทรวงพลังงานแห่งสหรัฐอเมริกา (U.S. Department of Energy) จับพลัดจับผลูได้ไปแข่ง the 1st Internet of Things Hackathon ที่ MIT พบกับบริษัท startup ของ Samsung ที่ชื่อว่า SmartThings  เลยได้มีโอกาศได้ไปทำงานอยู่ใน Silicon Valley ที่ Palo Alto และใช้ชีวิตโลดแล่นใน San Francisco อยู่พักใหญ่ๆก่อนกลับประเทศไทยในปี 2016 เลยทำให้ชอบการเขียนโค้ด พัฒนาซอฟท์แวร์ python รวมไปถึง ML, DL, AI มานับแต่นั้น

Hackathons:

- Winner Smart Energy Hackathon 2018 (https://smart-energy-hackathon.devpost.com/submissions) 
- Winner Ind-Tech Hackathon by CU Innovation Hub 2017 
- 1st Runner-Up Smart Energy Hackathon 2017 (https://smartenergyhackathon.devpost.com/submissions)
- Mentor Tesco Lotus Hackathon 2018 (https://www.facebook.com/TescoLotusHackathon2018/)
- Judge Korean Rising X ROA Invention Lab X RISE - DEMO DAY 2018 (https://www.startupthailand.org/en/event/rising-x-startup-runway-demo-day/)

Taught Courses:

- Code Together with Bangkok AI - DevOps for ML, DL, AI Developers #1 
- KBTG Software Architecture Design and Development (https://medium.com/altotech/kbtg-software-architecture-design-and-development-hackathon-02-11-18-kbtg-9f5b8ca2a95)
- Introduction to Deep Learning with NVIDIA GPUs (http://www.swpark.or.th/index.php?option=com_training&view=course&task=view&id=263&Itemid=3 )
- Coding and Data Science Series - Basic AI at Suranaree University (http://bit.ly/2RtaOtd)
- CU Innovation Hub - Siam Innovation District Tech Talent 2017 (https://github.com/kwarodom/sidtechtalent) 
-  CU Innovation Hub - Winter Camp 2018 (https://cuinnovationhub.com/wintercamp/)

Talks:
- AI for Dummies (organized by Thailand Tech Startup Association) http://bit.ly/2s8bvdh  
- Bangkok AI Meetup #8 - AI in Energy http://bit.ly/2ToqI5r

LinkedIn:
https://www.linkedin.com/in/kwarodom/