ปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง

Artificial Intelligence and Machine Learning

ศึกษาและฝึกปฏิบัติเกี่ยวกับการเรียนรู้ของเครื่องและทฤษฎีการเรียนรู้ การเรียนรู้แบบมีผู้สอน การแบ่งประเภท การถดถอย ค่าผิดปกติ ซัพพอร์ตเวกเตอร์แมชชีน การเลือกแบบจำลองและคุณลักษณะ การลดขนาดมิติของข้อมูล ต้นไม้ตัดสินใจ การเรียนรู้แบบไม่มีผู้สอน การจัดกลุ่ม การเรียนรู้แบบเสริมกำลัง ข่ายงานประสาทเทียม การเรียนรู้เชิงลึก
อาจารย์จัดเวลาให้คําปรึกษาเป็นกลุ่มหรือเฉพาะรายตามความต้องการ 1 ชั่วโมง/สัปดาห์ โดยการกําหนดเวลาร่วมกับระหว่างอาจารย์กับนักศึกษา
กิจกรรมที่ ผลการเรียนรู้ * วิธีการประเมินผลนักศึกษา สัปดาห์ที่ประเมิน สัดส่วนของการประเมินผล
1 2.1,2.3, 3.1, 3.3, 4.1,5.1-5.2, 6.2,7.1,8.3 สอบกลางภาค สอบปลายภาค 8 17 20% 20%
2 2.1,2.3, 3.1, 3.3, 4.1,5.1-5.2, 6.1-6.3,7.1,8.1-8.3 การบ้านและงานเขียนโปรแกรม ตลอดภาคการศึกษา 50%
3 2.1 – 2.3, 6.1-6.3 การเข้าชั้นเรียน การมีส่วนร่วม อภิปราย เสนอความคิดเห็นในชั้นเรียน ตลอดภาคการศึกษา 10%
Russell, S. and Norvig, P. (1995) Artificial Intelligence: A Modern Approach, Prentice Hall. Geron, A. (2017) Hands-On Machine Learning with Scikit-Learn & TensorFlow, O’Reilly. Hastie, T., et al. (2009) The Elements of Statistical learning, Springer. บุญเสริม กิจศิริกุล. (2005) ปัญญาประดิษฐ์, สำนักพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.
ไม่มี
เครื่องคอมพิวเตอร์ พร้อมอินเตอร์เน็ต โปรแกรม Jupyter Notebook, Tensorflow ไลบราลี่ Numpy, Matplotlib, Scikit-Learn Cloud Platform เช่น Google Cloud, Google Colab
จัดกิจกรรมในการรวบรวมแนวคิดและความเห็นจากนักศึกษา ด้วยวิธีการดังนี้

การสนทนากลุ่มระหว่างผู้สอนและผู้เรียน แบบประเมินผู้สอน และแบบประเมินรายวิชา ข้อเสนอแนะผ่านเว็บบอร์ด  ที่อาจารย์ผู้สอนได้จัดทำเป็นช่องทางการสื่อสารกับนักศึกษา
ในการเก็บข้อมูลเพื่อประเมินการสอน ด้วยวิธีการดังนี้
2.1   การสังเกตการณ์สอนของผู้ร่วมทีมสอนหรือหัวหน้าหลักสูตร
2.2   ผลการเรียนของนักศึกษา
2.3   การทวนสอบผลประเมินการเรียนรู้
หลังจากผลการประเมินการสอนในข้อ  2 จึงมีการปรับปรุงการสอน โดยการจัดกิจกรรมในการระดมสมอง และหาข้อมูลเพิ่มเติมในการปรับปรุงการสอน  ดังนี้
3.1   สัมมนาการจัดการเรียนการสอน
3.2   การวิจัยในและนอกชั้นเรียน
ในระหว่างกระบวนการสอนรายวิชา มีการทวนสอบผลสัมฤทธิ์ในรายหัวข้อ ตามที่คาดหวังจากการเรียนรู้ในวิชา ได้จาก การสอบถามนักศึกษา หรือการสุ่มตรวจผลงานของนักศึกษา รวมถึงพิจารณาจากผลการ ทดสอบย่อย และหลังการออกผลการเรียนรายวิชา มีการทวนสอบผลสัมฤทธิ์โดยรวมในวิชาได้ดังนี้
4.1  การทวนสอบการให้คะแนนจากการสุ่มตรวจผลงานของนักศึกษาโดยอาจารย์อื่น หรือผู้ทรงคุณวุฒิ ที่ไม่ใช่อาจารย์ประจำหลักสูตร
4.2   มีการตั้งคณะกรรมการในสาขาวิชา  ตรวจสอบผลการประเมินการเรียนรู้ของนักศึกษา โดยตรวจสอบข้อสอบ รายงาน วิธีการให้คะแนนสอบ และการให้คะแนนพฤติกรรม
จากผลการประเมิน และทวนสอบผลสัมฤทธิ์ประสิทธิผลรายวิชา  ได้มีการวางแผนการปรับปรุงการสอนและรายละเอียดวิชา  เพื่อให้เกิดคุณภาพมากขึ้น  ดังนี้
5.1   ปรับปรุงรายวิชาทุก 3 ปี หรือตามข้อเสนอแนะและผลการทวนสอบมาตรฐานผลสัมฤทธิ์ตามข้อ 4
5.2   เปลี่ยนหรือสลับอาจารย์ผู้สอน เพื่อให้นักศึกษามีมุมมองในเรื่องการประยุกต์ความรู้นี้กับปัญหาที่มาจากงานวิจัยของอาจารย์หรืออุตสาหกรรมต่าง ๆ