ဒီ AI သင်တန်းကို Data Science သင်တန်းပြီးစီးပြီးသား 14–16 နှစ်အရွယ် ကျောင်းသားများအတွက် ရည်ရွယ်ထားပြီး၊ advanced AI applications ကို လေ့လာရန် အဆင့်မြှင့်ထားပါသည်။ သင်တန်းကွန်ရစ်ကီက core AI technologies များကို လေ့လာသင်ကြားပေးပြီး၊ ကျောင်းသားများကို အနာဂတ်ပညာရေးနှင့် အလုပ်အကိုင် အခက်အခဲများအတွက် ပြင်ဆင်ပေးပါသည်။

📘 Course Description
AI သင်တန်းတွင် foundational knowledge မှ advanced applications အထိ ရှေ့ဆက်သင်ကြားပါမည်။ Text-based programming ကို အသုံးပြုပြီး real-world problems များကို ဖြေရှင်းနိုင်ရန် အထူးအာရုံစိုက်သည်။ Neural Networks ၏ structure နှင့် applications, advanced image processing, algorithmic learning စသည်တို့ကို ကျွမ်းကျင်စွာ သင်ကြားသည်။ Image classification, object detection အတွက် Neural Network models များဖန်တီးသင်ကြားပြီး၊ computer vision ကိုသုံးပြီး gesture-controlled games ကဲ့သို့ interactive applications များ ဖန်တီးနိုင်မည်ဖြစ်သည်။

Key Learning Objectives

• Neural Networks: Neural Networks ၏ structure နှင့် learning principles ကို နားလည်ပြီး AI models များ ဖန်တီးခြင်းနှင့် တိုးတက်စေရန်။

• Image Recognition: Image processing နှင့် classification techniques ကို ကျွမ်းကျင်စွာ သုံးပြီး AI applications များ ဖန်တီးခြင်း။

• Algorithm Application: Advanced AI algorithms များကို လိုက်လျောညီထွေ သုံးနိုင်ပြီး real-world intelligent systems များ ဖန်တီးခြင်း။

• Computer Vision: Computer vision ကို integrate လုပ်၍ gesture control ရှိ interactive games များ ဖန်တီးခြင်း။

📚 Curriculum Outline (Five Levels)

Level 1: Fundamentals and Applications of Neural Network

• Network Creation: Basic Neural Network structures ဖန်တီးခြင်း၊ learning mechanisms နားလည်ခြင်း၊ XOR ကဲ့သို့ classic problems ဖြေရှင်းခြင်း။

• Optimization: Backpropagation နှင့် Gradient Descent ကို အသုံးပြုပြီး model accuracy နှင့် learning efficiency တိုးတက်စေရန်။

• Evaluation: Neural Network training အတွက် commonly used datasets ကို organize လုပ်ပြီး model performance ကို အကဲဖြတ်ခြင်း။

Level 2: Image Processing and Feature Extraction

• Processing Techniques: Pillow (PIL) နှင့် NumPy libraries ကို အသုံးပြုပြီး image manipulation နှင့် vector representation လေ့လာခြင်း။

• Feature Extraction: Image Feature Extraction နားလည်ပြီး Canny Edge Detector ကို သုံး၍ coin counting program ကဲ့သို့ application များ ဖန်တီးခြင်း။

• Classification: Histogram of Oriented Gradients (HOG) နှင့် Neural Networks ပေါင်းပြီး image classification, facial recognition systems ဖန်တီးခြင်း။

Level 3: Convolutional Neural Network (CNN) and Real-Time Recognition

• CNN Model Building: Facial detection နှင့် classification အတွက် CNN models ဖန်တီးခြင်း၊ MediaPipe tool အသုံးပြုပြီး facial cropping နှင့် advanced training ပြုလုပ်ခြင်း။

• CNN Principles: Convolutional Layer, RELU, Max Pooling, Fully Connected Layer ၏ principles ကို နားလည်ခြင်း။

• Real-Time Systems: OpenCV နှင့် CNN သုံးပြီး real-time image data processing ပြုလုပ်ခြင်း၊ facial liveness detection နှင့် authentication system များ ဖန်တီးခြင်း။

Level 4: Mastering Object Detection and Image Segmentation

• YOLOv8 Applications: YOLOv8 model အသုံးပြုပြီး object detection, image segmentation, pose estimation, real-time result display ပြုလုပ်ခြင်း။

• Model Fine-Tuning: Custom datasets အတွက် model fine-tuning လေ့လာခြင်း။

• Video Analysis: License plate recognition, speed estimation စသည့် intelligent systems များ video footage တွင် real-time display ဖြင့် ဖန်တီးခြင်း။

Level 5: Developing Gesture-Controlled Games with Computer Vision

• Gesture Tracking Module: Hand landmarks real-time display နဲ့ gesture tracking module ဖန်တီးခြင်း။

• Gesture Interaction: Gesture controls ဖြင့် zoom, rotate, move puzzle pieces စသည် task များကို လုပ်ဆောင်ခြင်း။

• Project Integration: PyGame library ကို အသုံးပြုပြီး classic game Fruit Ninja ကို computer vision gestures ဖြင့် control လုပ်နိုင်အောင် ဖန်တီးခြင်း။