Course 1 · Machine Learning

เครื่องจักรเรียนรู้ยังไง

ต่อจากแผนที่ AI ใน Course 0 มาดูวงจรที่ทำให้เครื่องเรียนจากข้อมูล เลือกชนิดงาน วัดผล และนำโมเดลไปใช้งานจริง

เหมาะกับ
ผู้เรียนที่จบ Course 0 หรือเห็นภาพรวม AI แล้ว
ระดับ
เริ่มต้น 1–2/5
เวลารวม
~120 นาที
เปิดแล้ว
1/12 บท · 10 นาที

เมื่อเรียนจบ

คุณจะทำอะไรได้

  • อธิบายวงจร ML สากล: ข้อมูล → เรียนรู้ → ทำนาย → ประเมินผล
  • เลือก classification, regression หรือ clustering ให้ปัญหาง่าย ๆ ได้
  • แยก train, validation และ test data พร้อมมองสัญญาณ overfitting ออก
  • ตีความ accuracy, precision และ recall เบื้องต้นได้
  • แยก training จาก inference และเล่าวงจร deploy, monitor, retrain ได้

ก่อนเริ่ม

พื้นฐานที่ต้องมี

บันทึกในเครื่องนี้

ความคืบหน้าของคุณ

0 จาก 1 บทที่เปิดแล้ว

เก็บเฉพาะในเบราว์เซอร์นี้ ไม่ต้องสมัครบัญชี และไม่มีข้อมูลถูกส่งออกจากเครื่อง

เริ่มบทแรก →

เส้นทางแนะนำ

เรียนตามลำดับ

เริ่มจากบทที่เปิดอ่านได้ก่อน บทที่กำลังจัดทำจะแทรกในตำแหน่งนี้โดยไม่ทำให้ลิงก์เดิมเปลี่ยน

  1. 01

    วงจร ML: ข้อมูล → เรียนรู้ → ทำนาย → ประเมินผล

    เห็นวงจรกลางที่โมเดล Machine Learning ทุกแบบใช้ร่วมกัน

    10 นาที กำลังจัดทำ
    กำลังจัดทำ
  2. 02

    Feature, Label และ Target คืออะไร

    แยกข้อมูลที่โมเดลเห็นออกจากคำตอบที่ต้องการให้ทำนาย

    10 นาที กำลังจัดทำ
    กำลังจัดทำ
  3. 03

    Classification: เลือกคำตอบเป็นหมวด

    ใช้เมื่อคำตอบเป็นกลุ่ม เช่น สแปมหรือไม่ใช่สแปม

    10 นาที กำลังจัดทำ
    กำลังจัดทำ
  4. 04

    Regression: ทำนายค่าตัวเลข

    ใช้เมื่อคำตอบเป็นค่าต่อเนื่อง เช่น ราคา เวลา หรืออุณหภูมิ

    10 นาที กำลังจัดทำ
    กำลังจัดทำ
  5. 05

    Clustering: ให้ข้อมูลจัดกลุ่มตัวเอง

    มองหาโครงสร้างในข้อมูลที่ยังไม่มีป้ายคำตอบ

    10 นาที กำลังจัดทำ
    กำลังจัดทำ
  6. 06

    Train, Validation และ Test แบ่งทำไม

    แยกชุดเรียน ชุดปรับ และชุดสอบเพื่อวัดโมเดลอย่างซื่อสัตย์

    10 นาที กำลังจัดทำ
    กำลังจัดทำ
  7. 07

    Overfitting: จำข้อสอบเก่ง แต่ทำข้อใหม่ไม่ได้

    จับสัญญาณว่าโมเดลจำข้อมูลฝึกมากเกินไป

    10 นาที กำลังจัดทำ
    กำลังจัดทำ
  8. 08

    Accuracy, Precision และ Recall

    เลือกมุมวัดผลให้ตรงกับความผิดพลาดที่สำคัญจริง

    10 นาที กำลังจัดทำ
    กำลังจัดทำ
  9. 09

    Neural Network คืออะไร

    รู้จักชั้น น้ำหนัก และการส่งสัญญาณก่อนต่อไป Deep Learning

    10 นาที กำลังจัดทำ
    กำลังจัดทำ
  10. 10

    Training vs Inference

    แยกช่วงที่โมเดลเรียนออกจากช่วงที่นำโมเดลมาตอบงาน

    10 นาที เปิดอ่านแล้ว
    เปิดบทเรียน
  11. 11

    Gradient และ Learning Rate แบบไม่ต้องกลัวคณิต

    เห็นภาพการปรับน้ำหนักทีละก้าวเพื่อให้ความผิดพลาดลดลง

    10 นาที กำลังจัดทำ
    กำลังจัดทำ
  12. 12

    จากโมเดลใน Notebook สู่ของที่คนใช้จริง

    เชื่อม deployment, monitoring และ retraining เป็นวงจรเดียว

    10 นาที กำลังจัดทำ
    กำลังจัดทำ

เป้าหมาย Course 1

ตามวงจรของโมเดลได้ตั้งแต่ข้อมูล จนถึงการเฝ้าดูหลังเปิดใช้งาน

เมื่อบททั้ง 12 เปิดครบ คุณจะเลือกกรอบปัญหา วางชุดข้อมูล อ่านผลวัด และอธิบายได้ว่าทำไมโมเดลต้องถูกตรวจและฝึกใหม่หลัง deploy