การเรียนรู้จากข้อมูล
ทำความเข้าใจปัญญาประดิษฐ์
Maarten Van den Broeck
Senior Content Developer at DataCamp
ฟังก์ชันและขอบเขตของ AI
ฟังก์ชันและขอบเขตของ AI
รู้จัก Machine Learning (ML)
Machine Learning: เรียนรู้จากข้อมูลและค้นหารูปแบบ
รู้จัก Machine Learning (ML)
Machine Learning: เรียนรู้จากข้อมูลและค้นหารูปแบบ
รู้จัก Machine Learning (ML)
Machine Learning: เรียนรู้จากข้อมูลและค้นหารูปแบบ
รู้จัก Machine Learning (ML)
Machine Learning: เรียนรู้จากข้อมูลและค้นหารูปแบบ
รู้จัก Machine Learning (ML)
Machine Learning: เรียนรู้จากข้อมูลและค้นหารูปแบบ
Supervised Learning: การจำแนกประเภท
Supervised Learning: การจำแนกประเภท
Supervised Learning: การถดถอยและการพยากรณ์
การถดถอย (Regression): กำหนดค่าผลลัพธ์เป็นตัวเลขหรือ label ให้กับข้อมูลแต่ละรายการตาม input
การพยากรณ์อนุกรมเวลา (Time series forecasting): ทำนายค่าในอนาคตของตัวแปรจากพฤติกรรมในอดีต
Unsupervised learning และ Reinforcement learning
การจัดกลุ่ม (Clustering): ค้นหากลุ่มย่อยของข้อมูลที่มีลักษณะ คล้ายกัน (เช่น อัลกอริทึม k-means)
การตรวจจับความผิดปกติ (Anomaly detection): ตรวจหาข้อมูล ผิดปกติ เช่น รายการธุรกรรมบัตรที่น่าสงสัย
การค้นหากฎความสัมพันธ์ (Association rule discovery): ค้นหารายการที่มักเกิดร่วมกันในข้อมูลธุรกรรม
Reinforcement learning: เรียนรู้จาก ประสบการณ์ (ลองผิดลองถูก) เพื่อเชี่ยวชาญงานที่ซับซ้อน
Deep Learning คืออะไร?
โมเดลที่ซับซ้อนสูงบนพื้นฐาน deep neural networks: แก้ปัญหาที่ท้าทายซึ่ง ML แบบดั้งเดิมทำได้ไม่ดีพอ
เรียนรู้จากข้อมูลในแบบเดียวกับสมองมนุษย์
ต้องการข้อมูลจำนวนมาก ในการเรียนรู้: บางครั้งต้องใช้ข้อมูล หลายล้าน รายการ
Deep Learning คืออะไร?
โมเดลที่ซับซ้อนสูงบนพื้นฐาน deep neural networks: แก้ปัญหาที่ท้าทายซึ่ง ML แบบดั้งเดิมทำได้ไม่ดีพอ
ต้องการข้อมูลจำนวนมาก ในการเรียนรู้: บางครั้งต้องใช้ข้อมูล หลายล้าน รายการ
