# AI Image Processing and Object Detection

หลักสูตรนี้ออกแบบมาเพื่อปูพื้นฐานและต่อยอดความเข้าใจเกี่ยวกับการประมวลผลภาพด้วย AI ตั้งแต่การเตรียมข้อมูลภาพ การใช้โมเดลสำเร็จรูป ไปจนถึงการสร้างแอปพลิเคชันตรวจจับวัตถุและประยุกต์ใช้ในชีวิตจริง เหมาะสำหรับผู้ที่ต้องการเริ่มต้นในสาย Computer Vision และ Machine Learning โดยไม่จำเป็นต้องมีพื้นฐานลึกทางคณิตศาสตร์หรือโปรแกรมมิ่งมาก่อน

---

## Week 1 – AI in Images and Basic Python

เรียนรู้ว่า AI ทำอะไรได้บ้างกับภาพ เช่น การตรวจจับ การจำแนก และการสร้างภาพ พร้อมลงมือทำจริงด้วย Python

- ติดตั้งเครื่องมือ (Google Colab / Jupyter, TensorFlow/Keras, OpenCV)

- ทดลองใช้งาน MobileNet ที่เทรนไว้แล้ว เพื่อจำแนกภาพตัวอย่าง

- ติดตั้ง Python และเรียนรู้พื้นฐานที่จำเป็น

---

## Week 2 – Image Preprocessing & Transformation

เข้าใจขั้นตอนการเตรียมภาพก่อนใช้กับโมเดล AI

- การนำเข้าภาพ ปรับขนาด ตัดภาพ แปลงเป็น grayscale ด้วย OpenCV

- การทำ normalization และ augmentation สำหรับโมเดล AI

- Mini-project: สร้าง “image cleaner pipeline” อย่างง่าย

---

## Week 3 – Apply Pretrained Models (Classification)

เรียนรู้การใช้โมเดลที่มีอยู่แล้วให้เกิดประโยชน์สูงสุด

- อธิบายแนวคิด transfer learning

- ใช้โมเดลสำเร็จรูปจาก TensorFlow Hub / HuggingFace

- Fine-tune MobileNet หรือ ResNet กับ dataset ขนาดเล็ก (เช่น Cats vs Dogs)

- Mini-project: เทรน classifier ของตัวเองด้วยโค้ดสั้นๆ

---

## Week 4 – Object Detection (Ready-Made YOLO)

ทำความเข้าใจความแตกต่างระหว่างการ “จำแนก” และ “ตรวจจับวัตถุ”

- ใช้โมเดล YOLOv8 สำเร็จรูปในการตรวจจับวัตถุในภาพ

- Mini-project: ตรวจจับวัตถุจากภาพที่ผู้เรียนอัปโหลดเอง

---

## Week 5 – Data Augmentation and Improve Models

เข้าใจเทคนิคการเพิ่มคุณภาพของโมเดลด้วยข้อมูล

- เหตุผลที่การทำ augmentation ช่วยให้โมเดลแม่นขึ้น

- ใช้ Keras layers และ Albumentations เพื่อสร้างภาพแบบอัตโนมัติ

- Mini-project: augment dataset และ retrain classifier อย่างรวดเร็ว

- แนะนำความเข้าใจเบื้องต้นของ accuracy, precision, recall

- ใช้ confusion matrix และ ROC curve (sklearn)

- เรียนรู้การใช้ callbacks เช่น early stopping และ learning rate scheduling

- Mini-project: ประเมินโมเดลกับข้อมูลจริง

---

## Week 6 – Image Generation

เข้าสู่โลกของ AI ที่ “สร้างภาพใหม่” ได้

- แนะนำแนวคิดของ GANs และ VAEs

- ใช้โมเดล GAN สำเร็จรูปเพื่อสร้างภาพตัวเลข/ใบหน้า

- ทดลอง style transfer แปลงภาพถ่ายให้เหมือนภาพวาด Van Gogh

- Mini-project: สร้างภาพสไตล์ของตัวเอง

---

## Week 7 – Connect to ChatGPT API for Object Detection

เชื่อมต่อความสามารถของ AI ด้านภาพเข้ากับภาษา

- Object Detection ช่วยระบุวัตถุในภาพ

- ChatGPT ช่วยอธิบายหรือสรุปผลลัพธ์จากการตรวจจับ

- รวมกัน → สร้างแอปเช่น captioning, monitoring, หรือ shopping assistant

---

## Week 8 – Human-Centric Applications

เรียนรู้การใช้ AI เพื่อวิเคราะห์อารมณ์และใบหน้ามนุษย์

- Emotion detection ด้วยโมเดลสำเร็จรูป

- Face detection เบื้องต้น (OpenCV Haar, Dlib, Mediapipe)

- Mini-project: ตรวจจับรอยยิ้มหรืออารมณ์จากภาพตัวอย่าง

---

## Week 9 – Deploy Your Model

เรียนรู้การนำโมเดลไปใช้งานจริง

- การบันทึกและโหลดโมเดล (Keras H5, ONNX, TFLite)

- สร้าง FastAPI service ที่รับภาพและคืนผลลัพธ์การทำนาย

- Mini-project: สร้าง AI API endpoint ของตัวเอง

---

## Week 10 – Final Integration Project

สรุปและประยุกต์ทุกสิ่งที่เรียนมาในโปรเจกต์สุดท้าย

- ตัวเลือกโปรเจกต์:

- Real-time webcam object detection

- AI photo filter (style transfer app)

- Face mask detection

- Product image classifier สำหรับ e-commerce

- Deploy ขึ้น cloud (Colab + free hosting)

- สรุปแนวทางการเรียนรู้ต่อยอดในอนาคต

<<<วันเวลาเรียน>>>

เรียนออนไลน์ผ่านไลฟ์ในกลุ่มเฟสบุ๊ค ทุกวันจันทร์ ยาว 10 สัปดาห์ เริ่มคลาสแรกวันจันทร์ที่ 3 พฤศจิกายน 2568 และ เวลา 19.00-21.00 น. (ดูย้อนหลังได้เลยหลังจบไลฟ์)