บทนำสู่โครงข่ายประสาทเทียม
รศ. ดร.อติวงศ์ สุชาโต
หลักสูตร Chula Mooc Flexi
วันที่ 4 สิงหาคม 2568 เป็นต้นไป
วันที่ 4 สิงหาคม 2568 เป็นต้นไป
4 บทเรียน
20 วิดีโอ
1 ชั่วโมง 37 นาที
ไม่มี
ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไป
certificate of completion
นิสิตจุฬา ฯ กลุ่มนักเรียน นักศึกษา และประชาชนทั่วไปที่สนใจเทคโนโลยีและดิจิทัล
รายวิชา รู้จักโครงข่ายประสาทเทียม เนื้อหาจะกล่าวถึง แนวคิดพื้นฐานของโครงข่ายประสาทเทียม ตั้งแต่ประวัติและวิวัฒนาการของโครงข่ายประสาทเทียมจนถึงบทบาทสําคัญในปัญญาประดิษฐ์ (AI) ผู้เรียนจะได้ศึกษาโครงสร้างและขั้นตอนการฝึกฝนโครงข่ายประสาทเทียม รวมถึงการทํางานของฟังก์ชันสําคัญต่าง ๆ เช่น Activation Function, Loss Function, และ Gradient Descent นอกจากนี้ยังสํารวจข้อจํากัดของโครงข่ายประสาทเทียมและการพัฒนาสู่การเรียนรู้เชิงลึก (Deep Learning) พร้อมทั้งศึกษาสถาปัตยกรรมการเรียนรู้เชิงลึก เช่น Convolutional Neural Networks (CNNs) และ Recurrent Neural Networks (RNNs) โดยเน้นการใช้งานจริงและแนวโน้มในอนาคตในอุตสาหกรรมต่าง ๆ
1. เพื่อให้ผู้เรียนสามารถอธิบายแนวคิดพื้นฐานของโครงข่ายประสาทเทียม
2. เพื่อให้ผู้เรียนสามารถอธิบายโครงสร้างและขั้นตอนการฝึกฝนโครงข่ายประสาทเทียม
3. เพื่อให้ผู้เรียนสามารถอธิบายการทํางานของ Activation Function, Loss Function, และ Gradient Descent
4. เพื่อให้ผู้เรียนสามารถระบุข้อจํากัดของโครงข่ายประสาทเทียมและการพัฒนาสู่การเรียนรู้เชิงลึก
5. เพื่อให้ผู้เรียนสามารถวางแผนการประยุกต์ใช้ความรู้เกี่ยวกับโครงข่ายประสาทเทียมในอุตสาหกรรมจริง
วัดและประเมินผลผ่านแบบทดสอบย่อย (Quiz) และแบบทดสอบหลังเรียน (Posttest) โดยจะแบ่งเป็นคะแนนจาก Quiz เท่ากับ 50 คะแนน และคะแนนจาก Posttest เท่ากับ 50 คะแนน ทั้งนี้ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไปจึงจะสามารถขอรับ Certificate of Completion ได้
ผู้เรียนจะมีสิทธิ์ทำแบบทดสอบหลังเรียน (Posttest) เมื่อเข้าร่วมกิจกรรมการเรียน (Course Progress) มากกว่า 80% ขึ้นไป
เนื้อหาในรายวิชา รู้จักโครงข่ายประสาทเทียม ประกอบด้วย
บทที่ 1 บทนำสู่ Neural Network
บทที่ 2 โครงสร้างและการฝึกฝน Neural Network
บทที่ 3 สู่แนวคิด Deep Learning
บทที่ 4 สถาปัตยกรรม Deep Learning ที่น่าสนใจ
ภาควิชาวิศวกรรมคอมพิวเตอร์
คณะวิศวกรรมศาสตร์
จุฬาลงกรณ์มหาวิทยาลัย
TH
EN
