Foundational Knowledge of AI and ML
รศ. ดร.อติวงศ์ สุชาโต
หลักสูตร Chula Mooc Flexi
วันที่ 4 สิงหาคม 2568 เป็นต้นไป
วันที่ 4 สิงหาคม 2568 เป็นต้นไป
19 บทเรียน
19 วิดีโอ
ไม่กำหนด
ไม่มี
ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไป
certificate of completion
นิสิตจุฬา ฯ กลุ่มนักเรียน นักศึกษา และประชาชนทั่วไปที่สนใจเทคโนโลยีและดิจิทัล
มีการวัดและประเมินผลผ่านแบบทดสอบย่อย (Quiz) และแบบทดสอบหลังเรียน (Posttest) โดยจะแบ่งเป็นคะแนนจาก Quiz เท่ากับ 50 คะแนน และคะแนนจาก Posttest เท่ากับ 50 คะแนน ทั้งนี้ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไปจึงจะสามารถขอรับ Certificate of Completion ได้
บทที่ 1 ความแตกต่างระหว่าง AI และโปรแกรมคอมพิวเตอร์อื่น ๆ
บทที่ 2 แนวคิด Machine Learning
บทที่ 3 โมเดลและจำนวนพารามิเตอร์
บทที่ 4 Supervised Learning
บทที่ 5 ปัญหาที่เหมาะกับ Supervised Learning
บทที่ 6 Unsupervised Learning
บทที่ 7 ปัญหาที่เหมาะกับ Unsupervised Learning
บทที่ 8 Reinforcement Learning
บทที่ 9 Self-supervised Learning
บทที่ 10 Generative AI
บทที่ 11 การสร้างเนื้อหาหลากหลายประเภทด้วย Generative AI
บทที่ 12 Pre-training และ Fine-Tuning
บทที่ 13 Retrieval Augmented Generation (RAG)
บทที่ 14 ความสุ่มใน Generative AI
บทที่ 15 AI แอปพลิเคชัน และ AI โมเดล
บทที่ 16 ข้อควรรู้ในการใช้ AI ในทางปฏิบัติ (Token และการคิดค่าใช้จ่าย)
บทที่ 17 ข้อควรรู้ในการใช้ AI ในทางปฏิบัติ (Context Window)
บทที่ 18 ข้อควรรู้ในการใช้ AI ในทางปฏิบัติ (ฮาร์ดแวร์สำหรับการประมวลผล AI)
บทที่ 19 ข้อควรรู้ในการใช้ AI ในทางปฏิบัติ (Latency และ AI Hallucination)
ภาควิชาวิศวกรรมคอมพิวเตอร์
คณะวิศวกรรมศาสตร์
จุฬาลงกรณ์มหาวิทยาลัย
EN
TH
