ปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง
Artificial Intelligence and Machine Learning
ศึกษาและฝึกปฏิบัติเกี่ยวกับ การเรียนรู้ของเครื่องและทฤษฎีการเรียนรู้ การเรียนรู้แบบมีผู้สอน การแบ่งประเภท การถดถอย ค่าผิดปกติึัพพอร์ตเวกเตอร์แมชชีน การเลือกแบบจาลองและคุณลักษณะ การลดขนาดมิติของข้อมูล ต้นไม้ตัดสินใจ การเรียนรู้แบบไม่มีผู้สอน การจัดกลุ่ม การเรียนรู้แบบเสริมกาลัง ข่ายงานประสาทเทียม การเรียนรู้เชิงลึก
Study and practice of Introduction and Learning theory, Supervised learning, Classification, Regression, Outliers, Support vector machines, Model selection and feature selection, dimensionality reduction, Decision trees, Unsupervised learning, Clustering, Reinforcement learning, Artificial neural networks, Deep Learning.
Study and practice of Introduction and Learning theory, Supervised learning, Classification, Regression, Outliers, Support vector machines, Model selection and feature selection, dimensionality reduction, Decision trees, Unsupervised learning, Clustering, Reinforcement learning, Artificial neural networks, Deep Learning.
| กิจกรรมที่ | ผลการเรียนรู้ * | วิธีการประเมินผลนักศึกษา | สัปดาห์ที่ประเมิน | สัดส่วนของการประเมินผล | ไม่มีข้อมูล |
|---|