Linear Algebra ไม่ยากอย่างที่คิด เรียนรู้ Linear Algebra จาก 0-100 เข้าใจง่าย ตรงประเด็น นำไปประยุกต์ใช้ในงานได้หลากหลาย คอร์สนี้เหมาะสำหรับทุกคน ไม่มีพื้นฐานก็เรียนได้

Linear Algebra ไม่ยากอย่างที่คิด! การเรียนรู้ด้านคณิตศาสตร์เชิงคำนวณในเรื่อง Linear Algebra จะทำให้ผู้เรียนสามารถจัดการกับข้อมูลขนาดใหญ่และนำไปประยุกต์ใช้ในงานที่หลากหลายได้ ซึ่งจะช่วยให้คุณและองค์กรเกิดการพัฒนาและตอบโจทย์การเปลี่ยนแปลงที่เกิดขึ้นได้

การเรียนรู้ด้านคณิตศาสตร์เชิงคำนวณในเรื่อง Linear Algebra จะทำให้ผู้เรียนสามารถจัดการกับข้อมูลขนาดใหญ่และนำไปประยุกต์ใช้ในงานที่หลากหลายได้ ไม่ว่าจะเป็น Computer vision AI-algorithm design รวมไปถึง pattern recognition ซึ่งจะช่วยให้คุณและองค์กรเกิดการพัฒนาและตอบโจทย์การเปลี่ยนแปลงที่เกิดขึ้นได้

สิ่งที่คุณจะได้เรียนรู้
- ความรู้เบื้องต้นเกี่ยวกับ linear algebra: vector and matrix operations,
- norms, determinant, inverse, และ inner product
- Vector spaces, vector subspace, span, และ basis
- Linear mapping และ transformation matrix
- Linear system และ solution
- Iterative method สำหรับการแก้ linear systems
- Matrix eigenvalues และ eigenvectors
- Block matrix และ tensor product of matrices
- Computational software สำหรับ linear algebra

ผู้เรียนต้องมีความรู้อะไรมาก่อนหรือไม่
- คอร์สนี้เหมาะสำหรับทุกคน ไม่จำเป็นต้องมีความรู้ด้านใดมาก่อนก็เรียนได้

ภาษาที่ใช้
- ภาษาอังกฤษ

ประเภทของคอร์ส
(C) คอร์สนี้เป็นคอร์สบังคับ (Core Course) ของหลักสูตรวิศวกรรมศาสตรมหาบัณฑิต สาขาวิชา Artificial Intelligence and Internet of Things (International Program) ของมหาวิทยาลัยธรรมศาสตร์และ SkillLane

การคำนวณเกรด
คอร์สนี้ประกอบด้วย 1. แบบทดสอบ (Quiz) คิดเป็น 40% ของเกรด และ 2. ข้อสอบไฟนอล (Final Exam) คิดเป็น 60% ของเกรด โดยการตัดเกรดเป็นดังนี้

A 90-100
A- 85-89.99
B+ 80-84.99
B 75-79.99
B- 70-74.99
C+ 65-69.99
C 60-64.99
D 50-59.99
F 0-49.99

ประวัติวิทยากร
อาจารย์ รศ.ดร.ชาลี เจริญลาภนพรัตน์
ปัจจุบันอาจารย์ชาลีดำรงตำแหน่งเป็นอาจารย์ประจำ ภาควิชาเทคโนโลยีสารสนเทศคอมพิวเตอร์และการสื่อสาร สถาบันเทคโนโลยีนานาชาติสิรินธร มหาวิทยาลัยธรรมศาสตร์
มีความเชี่ยวชาญทางวิชาการหลากหลายด้าน ตั้งแต่การประมวลผลสัญญาณดิจิทัล การสื่อสารแบบไร้สาย การประมวลผลสัญญาณหลายมิติ ระบบสมองกลฝังตัว ระบบกริดอัจฉริยะ รวมไปถึง การสอนและออกแบบการเรียน

อาจารย์ชาลีจบการศึกษาระดับปริญญาตรี ปริญญาตรี วิศวกรรมไฟฟ้า จุฬาลงกรณ์มหาวิทยาลัย ปริญญาโท วิศวกรรมไฟฟ้า มหาวิทยาลัยเพนซิลวาเนีย (Pennsylvania State University, USA) และ ปริญญาเอก วิศวกรรมไฟฟ้า มหาวิทยาลัยเพนซิลวาเนีย (Pennsylvania State University, USA)