บทนำสู่ Machine Learning: การเรียนรู้แบบมีผู้สอน (Supervised), แบบไม่มีผู้สอน (Unsupervised), และแบบเสริมแรง (Reinforcement Learning)

Machine learning กำลังเปลี่ยนแปลงวิธีที่เราแก้ปัญหา แต่ทว่าภูมิทัศน์ของอัลกอริทึมและระเบียบวิธีอาจทำให้รู้สึกท่วมท้น เพื่อสร้างรากฐานที่มั่นคงในปัญญาประดิษฐ์ (AI) คุณต้องทำความเข้าใจกระบวนทัศน์หลักที่ขับเคลื่อนระบบสมัยใหม่เสียก่อน หลักสูตรนี้จะนำพาคุณตั้งแต่แนวคิดสำหรับผู้เริ่มต้นอย่างแท้จริง ไปจนถึงความเข้าใจที่ชัดเจนและมีโครงสร้างว่าเครื่องจักรเรียนรู้จากข้อมูลได้อย่างไร คุณจะเปลี่ยนผ่านจากการเป็นผู้สังเกตการณ์ที่อยากรู้อยากเห็น สู่การเป็นผู้ปฏิบัติที่มีความรู้ความสามารถในการระบุว่าแนวทาง machine learning ใดที่เหมาะสมกับความท้าทายทางธุรกิจหรือทางเทคนิคที่กำหนด ผ่านการอ่านคำอธิบายที่ชัดเจนและสถานการณ์จำลองจริง คุณจะสร้างกรอบแนวคิดที่จำเป็นในการอภิปราย วางแผน และริเริ่มโครงการที่ขับเคลื่อนด้วยข้อมูล สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจความแตกต่างหลักระหว่างกระบวนทัศน์การเรียนรู้แบบมีผู้สอน แบบไม่มีผู้สอน และแบบเสริมแรง - ระบุงานการเรียนรู้แบบมีผู้สอนที่สำคัญ ซึ่งรวมถึงการถดถอย (regression) และการจำแนกประเภท (classification) พร้อมตัวอย่างจริง - สำรวจเทคนิคการเรียนรู้แบบไม่มีผู้สอน เช่น การจัดกลุ่ม (clustering) และการลดมิติข้อมูล (dimensionality reduction) เพื่อค้นหารูปแบบที่ซ่อนอยู่ - เรียนรู้วิธีที่ตัวแทนการเรียนรู้แบบเสริมแรง (reinforcement learning agents) โต้ตอบกับสภาพแวดล้อมเพื่อเพิ่มผลตอบแทนสูงสุด - ค้นพบเมตริกการประเมินสมัยใหม่เพื่อประเมินประสิทธิภาพของโมเดลและหลีกเลี่ยงข้อผิดพลาดทั่วไป เช่น การ Overfitting - ตรวจสอบพื้นฐานของเวิร์กโฟลว์ machine learning สมัยใหม่ รวมถึงการเตรียมข้อมูลล่วงหน้าและการพิจารณาจริยธรรมของ AI หลักสูตรเริ่มต้นด้วยคำศัพท์ที่จำเป็นและแนวคิดทางคณิตศาสตร์พื้นฐาน สร้างภาษากลางก่อนที่จะสำรวจการเรียนรู้แต่ละประเภทในรายละเอียด คุณจะได้ก้าวผ่านสถานการณ์จริง เปรียบเทียบอัลกอริทึม และตรวจสอบตัวอย่างโค้ดแบบข้อความที่มีโครงสร้าง ซึ่งแสดงให้เห็นว่าโมเดลเหล่านี้ได้รับการกำหนดค่าและประเมินผลอย่างไร หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้น ผู้ที่ต้องการเป็นมืออาชีพด้านข้อมูล และผู้นำทางธุรกิจที่ต้องการเข้าใจกลไกของปัญญาประดิษฐ์โดยไม่ต้องมีพื้นฐานด้านคณิตศาสตร์ขั้นสูงหรือการเขียนโปรแกรม เริ่มอ่านวันนี้เพื่อปลดล็อกหลักพื้นฐานของ machine learning และเริ่มคิดแบบนักวิทยาศาสตร์ข้อมูล