การเรียนรู้ของเครื่อง Unsupervised Learning
ผศ. ดร.ฑิตยา หวานวารี
หลักสูตร Chula MOOC
วันที่ 5 สิงหาคม 2567 เป็นต้นไป
วันที่ 5 สิงหาคม 2567 เป็นต้นไป
10 บทเรียน
10 วิดีโอ
ไม่กำหนด
ไม่มี
ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไป
certificate of completion
นิสิตจุฬา ฯ กลุ่มนักเรียน นักศึกษา และประชาชนทั่วไปที่สนใจเทคโนโลยีและดิจิทัล
วิชาการเรียนรู้ของเครื่อง Unsupervised Learning จะนำเสนอให้ผู้เรียนได้เรียนรู้เกี่ยวกับการวัดความเหมือนหรือความต่างของข้อมูล และวิธีการประเมินผลข้อมูลเมื่อเราไม่มีป้ายกำกับผลลัพธ์ การใช้ Unsupervised Learning เพื่อลดมิติของข้อมูล วิธีการจัดกลุ่มโดยอาศัยระยะทาง วิธีการจัดกลุ่มแบบมีลำดับชั้น วิธีการจัดกลุ่มโดยอาศัยความหนาแน่นของข้อมูล กฎความสัมพันธ์ พร้อมตัวอย่างง่าย ๆ ให้ทดลอง เพื่อให้ผู้เรียนสามารถนำไปใช้งานได้จริงอย่างถูกต้องเหมาะสม
1.เพื่อให้เกิดความรู้ความเข้าใจเกี่ยวกับการใช้งานโปรแกรม Unsupervised Learning ได้อย่างถูกต้องเหมาะสม
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 Unsupervised Learning ประกอบด้วย
Introduction
บทที่ 1 Distance/similarity scores and evaluation metrics
บทที่ 2 Dimensionality reduction
บทที่ 3 Distance-based clustering
บทที่ 4 Hierarchical clustering
บทที่ 5 Density based clustering
บทที่ 6 Association rules
บทที่ 7 Topic model
บทที่ 8 Try them all
บทที่ 9 Semi-supervised learning
บทที่ 10 Summary
TH
EN
