กำลังโหลดเนื้อหา
เนื้อหาในคอร์ส: 13 บทเรียน · เอกสารประกอบ 4 รายการ
แบบทดสอบก่อนเรียน
สำรวจความเข้าใจก่อนเริ่มเรียน
Machine Learning คืออะไร
วิดีโอประกอบบทเรียน
รู้จักประเภทโจทย์
Supervised learning ใช้ตัวอย่างมีคำตอบเพื่อจำแนกหรือประมาณค่า unsupervised หาโครงสร้างโดยไม่มี label และ reinforcement เรียนจากการกระทำกับรางวัล แต่ละ
เตรียมข้อมูล
ข้อมูลควรสะท้อนการใช้จริง นิยาม target ให้ตรงและตรวจว่า feature มีอยู่ ณ เวลาทำนาย จัดการ missing, units และหมวดอย่างสม่ำเสมอ แบ่ง train/test ก่อนเรีย
ฝึกและใช้ baseline
เริ่ม baseline เช่น ค่ากลางหรือกฎง่ายเพื่อมีจุดเทียบ แบ่งตามเวลาเมื่อทำนายอนาคต เก็บ test ไว้ไม่ปรับโมเดล ทดลองทีละอย่างและจดการตั้งค่า ใช้ pipeline ใ
ประเมินข้อผิดพลาด
Accuracy อาจทำให้เข้าใจผิดเมื่อกลุ่มไม่สมดุล เลือก precision, recall, F1 หรือ error ตามต้นทุน false positive/negative ตรวจ confusion matrix และตัวอย่า
ติดตามหลังนำใช้
ผลทดลองไม่รับรองผลจริงเมื่อข้อมูลเปลี่ยน ติดตามคุณภาพ input อัตราส่งคนและเหตุผิดพลาด กำหนดเจ้าของ ผู้อนุมัติรุ่นใหม่ และวิธีปิดใช้งาน แสดงข้อจำกัดและท
กรณีศึกษาประยุกต์และการตรวจชิ้นงาน
ตรวจโมเดลที่ accuracy สูงแต่ไม่พบกลุ่มเป้าหมายเลย
คู่มือประกอบคอร์ส
รวบรวมประเด็นสำคัญจากบทเรียน พร้อมเอกสารภาษาไทยและภาษาอังกฤษ
แบบฝึกปฏิบัติ
แบบฝึกจากหัวข้อในคอร์ส ใช้ทบทวนและวางแผนทดลองกับงานจริง
คู่มืออ้างอิงฉบับย่อ
สรุปหัวข้อและประเด็นตรวจทานจากบทเรียน เพื่อเปิดดูระหว่างทำงาน
แบบวางแผนนำไปใช้
แม่แบบเชื่อมโยงหัวข้อในคอร์สกับเป้าหมาย ผู้รับผิดชอบ และหลักฐานตรวจผล
แบบทดสอบหลังเรียน
แบบทดสอบสถานการณ์ 8 ข้อเพื่อประยุกต์ความรู้จากบทเรียน
กำลังโหลดความคิดเห็น…
