การเรียนรู้เชิงลึก

• หน่วยกิต: 3(2-2-5) (บรรยาย-ปฏิบัติ-ศึกษาด้วยตนเอง)

• ภาคการศึกษา: 1 ปีการศึกษา 2566

• ครึ่งแรก (ก่อนสอบกลางภาค) ใช้ Keras/TensorFlow ตามตำรา Chollet, F. Deep Learning with Python, 2nd ed. (ซอร์สโค้ด)

• ครึ่งหลัง (หลังสอบกลางภาค) ใช้ PyTorch ตาม บทเรียนทางการ และ Learn PyTorch for Deep Learning

แผนการจัดการเรียนรู้

Table 6 แผนการจัดการเรียนรู้รายสัปดาห์ (ภาคการศึกษา 1/2566)

สัปดาห์ที่	สาระ/เนื้อหาการเรียนรู้	บรรยาย/สาธิต(ชม.)	ศึกษาด้วยตนเอง(ชม.)/การบ้าน
1	Introduction to deep learning slides	2/2	5
2	Mathematical building blocks of neural networks slides	2/2	5
3	Introduction to Keras and TensorFlow slides	2/2	5
4	Neural networks: Classification and Regression slides	2/2	5
5	Fundamentals of machine learning and working with Keras slides	2/2	5
6	Introduction to deep learning for computer vision slides	2/2	5
7	Quiz quiz	2/2	5
8	สอบกลางภาค	2/2	5
9	Introduction to PyTorch (tensors, autograd) และ simple perceptron (torch.nn , training loop) slides	2/2	5 assignment prj-template-zip
10	Neural networks with PyTorch: Dataset, DataLoader และ classification/regression slides	2/2	5
11	Deep learning for timeseries with PyTorch slides	2/2	5 assignment prj-template-zip
12	Deep learning for text 1: embeddings และ sequence models slides	2/2	5
13	Generative AI for text: language models (RNN → Transformer) slides	2/2	5 assignment prj-template-zip
14	Generative AI for image: GAN และ diffusion models slides	2/2	5
15	Project Presentation โครงงานรายวิชา	2/2	5
16	Post-Midterm Quiz quiz	2/2	5
	รวมจำนวนชั่วโมง	30/30	75

แผนการประเมินผลการเรียนรู้

Table 7 สัดส่วนการประเมินผล

วิธีการประเมินผล	สัปดาห์ที่ประเมิน	สัดส่วน (%)
การประเมินการบ้าน	1–14	30
การประเมินรายงาน/โครงงาน	16	20
การเข้าชั้นเรียน/การเข้าร่วมกิจกรรม	1–14	5
การสอบกลางภาค	8	20
การสอบปลายภาค	16	25
รวม		100