คำอธิบายคอร์สออนไลน์
Recurrent Neural Network คือ Neural Network ที่สามารถสกัด information ที่สำคัญและส่งข้ามผ่านเวลาได้ (จาก time_step i ไป time_step i+1) RNN เป็นโมเดลที่ออกแบบมาเพื่อจัดการกับข้อมูลที่เป็น Time Series โดยเฉพาะ ในคอร์สนี้เราจะมาเรียน
1. ทฤษฎีคณิตศาสตร์ที่ใช้ในการสร้าง Recurrent Neural Network (เรียนกันตั้งแต่ assumption ของ model)
2. โครงสร้างของ RNN แบบต่าง ๆ I) Vanilla II) LSTM III) GRUs
3. วิธี encode ข้อมูลภาษาด้วย I) Bag of Words II) Word2Vec
4. เขียน Code สร้าง Recurrent Neural Network from Scratch (เริ่มเขียน code ตั้งแต่ต้นจากความว่างเปล่า)
5. ตัวอย่างการประยุกต์ใช้ Recurrent Neural Network 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 Recurrent Neural Network
2. ผู้ที่ต้องการเขียน code Recurrent Neural Network ขึ้นมาเอง โดยไม่ใช้เครื่องมือสำเร็จรูปใด ๆ
3. ผู้ที่ต้องการนำความรู้ไปประยุกต์ใช้กับการทำงานจริง
4. ผู้ที่ต้องการพัฒนา AI ให้มีศักยภาพสูงขึ้นและตอบโจทย์ specific need ของงานตัวเอง (ใครที่มี pain point กับเครื่องมือสำเร็จรูปจะเข้าใจดี)

ผู้เรียนต้องมีความรู้อะไรมาก่อน
ผู้เรียนควรเรียนคอร์ส "Neural Network & Autodiff เรียนทฤษฎี เขียนโค้ด ใช้งานจริง" ก่อนเรียนคอร์สนี้ 
( https://www.skilllane.com/courses/neural-network-autodiff )