คำอธิบายหลักสูตร
อธิบายและนำเสนอขั้นตอนในการวิเคราะห์ข้อความและการสร้างโปรแกรมแชตบอตเพื่อตอบคำถามอัตโนมัติแบบทีละขั้นตอน เพื่อให้ผู้เรียนได้ลงมือทำด้วยตนเอง และสามารถสร้างโปรแกรมเพื่อตอบโต้อย่างง่ายได้

สถานที่เรียน
วิทยาลัยการศึกษาตลอดชีวิต มหาวิทยาลัยเชียงใหม่
CMU MOOC - https://mooc.cmu.ac.th/

ผู้เรียนกลุ่มเป้าหมาย
นักศึกษาและบุคลากรมหาวิทยาลัยเชียงใหม่ และบุคคลทั่วไปที่สนใจ

ความต้องการพื้นฐานของผู้เรียน
ไม่มี

วัตถุประสงค์
ผู้เรียนสามารถอธิบายขั้นตอนในการวิเคราะห์ข้อความและความหมายของข้อความได้

จำนวนชั่วโมงการเรียนรู้
ชั่วโมงการเรียนรู้ทั้งหมด: 1.30 ชั่วโมง
ชั่วโมงการเรียนรู้ต่อสัปดาห์: 30 นาที/สัปดาห์

ภาษาที่ใช้ในการสอนผ่านระบบออนไลน์
ภาษาไทย

เนื้อหาและหัวข้อในหลักสูตร

บทที่ 1 ทำความรู้จัก sentiment analysis

1.1 Sentiment analysis คืออะไร
1.2 งานประยุกต์เกี่ยวกับ sentiment analysis

บทที่ 2 ขั้นตอนการสร้างโมเดลสำหรับ sentiment Analysis

2.1 ขั้นตอนการสร้างโมเดลสำหรับ sentiment analysis
2.2 การเตรียมข้อมูลสำหรับสร้างโมเดล sentiment analysis

บทที่ 3 Text Pre-processing and Tokenization

3.1 ความสำคัญของการทำ Text Pre-processing
3.2 Token คืออะไร
3.3 การทำ Tokenization สำหรับข้อความภาษาอังกฤษ
3.4 สาธิตการทำ Text pre-prossing และ Tokenization

บทที่ 4 Lexicon Normalization

4.1 ความสำคัญของการทำ Lexicon Normalization
4.2 Stemming
4.3 Lemmatization
4.4 สาธิตการทำ Stemming และ Lemmatization สำหรับข้อความภาษาอังกฤษ

บทที่ 5 Dictionary and Stopwords

5.1 Stopword คืออะไร
5.2 ความสำคัญของการลบ Stopword
5.3 ความสำคัญของการสร้าง Dictionary
5.4 ความแตกต่างของการลบ Stopword และการเลือกใช้คำศัพท์ใน Dictionary
5.5 สาธิตการลบ Stopword และการสร้าง dictionary สำหรับข้อความภาษาอังกฤษ

บทที่ 6 Text Representations

6.1 n-gram คืออะไร
6.2 ฺ วิธีการแทนข้อความด้วย Bag-of-words
6.3 วิธีการแทนข้อความด้วย TF-IDF
6.4 สาธิตการแทนข้อความด้วย Bag-of-words และ TF-IDF

บทที่ 7 Model Construction

7.1 ลักษณะปัญหาและประเภทของโมเดลสำหรับ sentiment analysis
7.2 หลักการเบื้องต้นของโมเดล kNN
7.3 หลักการเบื้องต้นของโมเดล SVM
7.4 สาธิตการสร้างโมเดล kNN และ SVM

บทที่ 8 Evaluate the model

8.1 หลักการวัดประสิทสิภาพโมเดลรู้จำสำหรับ sentiment analysis
8.2 Accuracy และ Error Rate
8.3 Precision และ Recall
8.4 สาธิตการวัดประสิทธิภาพโมเดล รู้จำสำหรับ sentiment analysis
8.5 จาก Sentiment analysis สู่ปัญหาการจำแนกประเภทข้อความ

บทที่ 9 Chatbot คืออะไร? ทำ ไมเราถึงต้องใช้ Chatbot?

9.1 Chatbot คืออะไร?
9.2 ประเภทของ Chatbot
9.3 ทำ ไมเราถึงต้องใช้ Chatbot?
9.4 Chatbot ทำงานอย่างไร?

บทที่ 10 ทำความรู้จัก Dialogflow และการสร้าง Intent

10.1 Dialogflow คืออะไร?
10.2 Intent คืออะไร?
10.3 การสร้าง Intent

บทที่ 11 เริ่มต้นสร้าง Chatbot ตัวแรก

11.1 ภาพรวมของ Chatbot ตัวแรกที่จะสร้าง
11.2 สร้าง Chatbot ด้วย Dialogflow

บทที่ 12 การเชื่อมต่อ Dialogflow เข้ากับ LINE

12.1 หลักการทำงานร่วมกันของ Dialogflow และ LINE
12.2 การสร้าง LINE Channel
12.3 การเชื่อมต่อ Dialogflow เข้า LINE Channel

บทที่ 13 ทำความรู้จัก Fulfillment

13.1 Fulfillment คืออะไร?
13.2 การทำงานของ Fulfillment

บทที่ 14 เรียนรู้ Parameters ใน Intent

14.1 ทำความรู้จัก Parameters ใน Intent

บทที่ 15 การพัฒนาความสามารถของ Chatbot ด้วย Entities และการ Training

15.1 Entity คืออะไร?
15.2 การสร้าง Entity
15.3 ทำ ความรู้จักกับ Feature Training

กิจกรรมในรายวิชา การวัดผลและประเมินผล/เกณฑ์การให้คะแนนเพื่อรับใบประกาศนียบัตร
แบบทดสอบก่อนเรียน 0% แบบทดสอบระหว่างเรียน 0%
กิจกรรม ส่งงาน 0% แบบทดสอบหลังเรียน 100%

ผู้เรียนมีคะแนนรวมทั้งหมดไม่ต่ำกว่า 70% ถือว่าผ่านเกณฑ์เพื่อรับประกาศนียบัตรในระบบได้