การเรียนรู้ของเครื่อง Supervised Learning
ผศ. ดร.นฤมล ประทานวณิช
หลักสูตร Chula MOOC
วันที่ 5 สิงหาคม 2567 เป็นต้นไป
วันที่ 5 สิงหาคม 2567 เป็นต้นไป
8 บทเรียน
8 วีดีโอ
ไม่กำหนด
ไม่มี
เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไป
certificate of completion
นิสิตจุฬา ฯ กลุ่มนักเรียน นักศึกษา และประชาชนทั่วไปที่สนใจเทคโนโลยีและดิจิทัล
วิชาการเรียนรู้ของเครื่อง Supervised Learning จะกล่าวถึง Machine Learning ว่าคืออะไร แบ่งเป็นประเภทไหนบ้าง หลักการของ Machine Learning รูปแบบของ Machine Learning และคำจำกัดความของ Supervised Learning คืออะไร สามารถทำอะไรได้ มีเทคนิคอะไรบ้าง เรียนรู้เกี่ยวกับ Supervised Learning ทั้ง Regression และ Classification ผ่านตัวอย่าง case study ในรูปแบบต่าง ๆ และเข้าถึงหัวใจของการศึกษาโมเดลต่าง ๆ ว่าคืออะไรบ้าง รวมถึงขั้นตอนการจัดเตรียมข้อมูล เพื่อผู้เรียนสามารถนำความรู้ไปใช้ได้จริงและสามารถนำไปต่อยอดได้อย่างมีประสิทธิภาพ
1. เพื่อให้เกิดความรู้ความเข้าใจเกี่ยวกับการใช้โปรแกรม Supervised Learning ได้อย่างถูกต้องและเหมาะสม
2. เพื่อให้ผู้เรียนสามารถนำความรู้ที่ได้รับไปพัฒนาทักษะการจัดการข้อมูลได้อย่างมีประสิทธิภาพ
มีการวัดและประเมินผลผ่านแบบทดสอบย่อย (Quiz) และแบบทดสอบหลังเรียน (Posttest) โดยจะแบ่งเป็นคะแนนจาก Quiz เท่ากับ 50 คะแนน และคะแนนจาก Posttest เท่ากับ 50 คะแนน ทั้งนี้ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไปจึงจะสามารถขอรับ Certificate of Completion ได้
1. ผู้เรียนจะมีสิทธิ์ทำแบบทดสอบหลังเรียน (Posttest) เมื่อเข้าร่วมกิจกรรมการเรียน (Course Progress) มากกว่า 80% ขึ้นไป
2. ผู้เรียนจะสามารถทำข้อสอบ Posttest ได้เพียง 1 ครั้งเท่านั้น
หัวข้อรายวิชา การเรียนรู้ของเครื่อง Supervised Learning จะประกอบด้วย
บทที่ 1 Introduction to Machine Learning
บทที่ 2 Regression
บทที่ 3 Classification
บทที่ 4 ML Models
บทที่ 5 Data preprocessing
บทที่ 6 Fine-tuning your models
บทที่ 7 End-to-end ML project
บทที่ 8 Challenges in ML
TH
EN
