คำอธิบายคอร์สออนไลน์
K Nearest Neighbor คือ โมเดลคณิตศาสตร์ (AI) ที่มีสมมติฐานแบบ Feature Similarity นั่นคือข้อมูลที่มีคุณลักษณะคล้าย ๆ กันจะถูกจำแนกประเภทเหมือน ๆ กัน คำถามที่ตามมาคือคำว่า "คล้าย ๆ กัน" จะวัดอย่างไร ? และถ้าวัดได้เราจะพิจารณาข้อมูลเพื่อนบ้านกี่ตัว (K) ถึงจะทำให้เราพยากรณ์ได้แม่นยำมากที่สุด ? ภารกิจของเราที่นี้คือตอบคำถามดังที่กล่าวด้านบนและตอบคำถามอื่น ๆ ที่เกี่ยวข้อง ยกตัวอย่างการจำแนกประเภทของข้อมูลเช่น I) การพยากรณ์ว่าพรุ่งนี้หุ้นจะขึ้นหรือจะลง II) การวิเคราะห์รูปภาพว่าเป็นหมาหรือแมว III) การวิเคราะห์รูปภาพตัวอักษรไทยว่าเป็นอักษรอะไร ในคอร์สนี้เราจะมาเรียน
1. ทฤษฎีคณิตศาสตร์ที่ใช้ในการสร้าง K Nearest Neighbor (เรียนกันตั้งแต่ assumption ของ model)
2. เขียน Code สร้าง K Nearest Neighbor from Scratch (เริ่มเขียน code ตั้งแต่ต้นจากความว่างเปล่า)
3. ตัวอย่างการประยุกต์ใช้ K Nearest Neighbor ในชีวิตจริง

จุดเด่นของคอร์ส
1. คณิตศาสตร์ที่ยากจะถูกแปลงเป็น "ภาพ" และถูกอธิบายด้วย "ภาษาที่คนทั่วไปเข้าใจได้"
2. นักเรียนเห็นภาพรวม (Overview) และความต่อเนื่องของเนื้อหา
3. อธิบายทุกขั้นตอนอย่างละเอียดและรัดกุม (ย่อยมาให้อย่างดีแล้ว)
4. ตัวอย่างการคำนวณด้วยมือ (เพื่อให้นักเรียนได้ลงมือปฏิบัติและทบทวนความเข้าใจ)
5. ส่วนประกอบของคอร์สนี้มีครบทั้ง I) ทฤษฎี II) เขียน code III) การประยุกต์ใช้

ใครควรเรียนคอร์สออนไลน์นี้ 
1. ผู้ที่ต้องการเข้าใจทฤษฎีเบื้องหลังจากทำงานของ K Nearest Neighbor
2. ผู้ที่ต้องการเขียน code K Nearest Neighbor ขึ้นมาเอง โดยไม่ใช้เครื่องมือสำเร็จรูปใด ๆ
3. ผู้ที่ต้องการนำความรู้ไปประยุกต์ใช้กับการทำงานจริง
4. ผู้ที่ต้องการพัฒนา AI ให้มีศักยภาพสูงขึ้นและตอบโจทย์ specific need ของงานตัวเอง (ใครที่มี pain point กับเครื่องมือสำเร็จรูปจะเข้าใจดี)

ผู้เรียนต้องมีความรู้อะไรมาก่อน
คอร์สนี้เหมาะสำหรับผู้เริ่มต้นศึกษา AI