|
เมนูหลัก
|
|
| คพ453 | การเรียนรู้ของเครื่องจักร |
| Machine Learning |
| สังกัด | วิทยาศาสตร์, วิทยาการคอมพิวเตอร์ |
| หน่วยกิต | 3 (2-3-5) |
| สถานะรายวิชา: | ใช้งาน | | เงื่อนไขรายวิชา: | คพ221 หรือ
วค231 |
| เลือก ปีการศึกษา: 2 / 2565 | | รายชื่อ |  |
|
| | | เชียงใหม่ | | ปริญญาตรี ปกติ | | กลุ่ม | วัน | เวลา | ห้อง | อาคาร | เรียน | ที่นั่ง(เปิด-ลง-เหลือ) | หมวด | | | | 01 | | จันทร์ | 13:00-15:00 | บรรยาย คอม 8 | 105 | C | 32 | 31 | 1 | W |  | | | | | พฤหัสบดี | 10:00-13:00 | Lab คอม 1 | 105 | L | | | | | | | | | | อาจารย์ / เจ้าหน้าที่/เอกสารประกอบการสอน: | อาจารย์ ดร.พยุงศักดิ์ เกษมสำราญ | | | | ผู้คุมสอบกลางภาค: | | | | | สอบปลายภาค: | | | | | ผู้คุมสอบปลายภาค: | | | | | หมายเหตุ: | เอกเลือกสำหรับ นศ. สาขาวิชาวิทยาการคอมพิวเตอร์ ชั้นปีที่ 3 | |
|
| Course Description
คำนิยามและตัวอย่างของการเรียนรู้ของเครื่องจักร การเรียนรู้โดยวิธีอุปนัย การเรียนรู้โดยอาศัยพื้นฐานทางสถิติ การเรียนรู้จากผู้เชี่ยวชาญ การเรียนรู้โดยอาศัยการตัดสินใจเชิงต้นไม้
การเรียนรู้โดยอาศัยโครงข่ายประสาทเทียม การจำแนกโดยอาศัยทฤษฎีของเบย์ อัลกอริทึม
การหาเพื่อนบ้านที่ใกล้ที่สุด เทคนิคการประเมินตัวแบบ การแก้ปัญหาโดยการหาจุดที่เหมาะสม
การเรียนรู้โดยร่วมกันตัดสินใจ การเรียนรู้โดยไม่อาศัยผู้เชี่ยวชาญ และการแบ่งกลุ่มข้อมูล
Definition and examples of machine learning; Inductive learning; Statistical bases learning; Supervised learning; Decision trees learning; Neural networks learning; Bayesian classification, The nearest neighbor algorithm; Model evaluation techniques; Unsupervised learning; Data clustering
หมายเหตุ
เรียน C = Lecture L = Lab R = ประชุม S = Self Study T = ติว
หมวด B = วิชาเสริมพื้นฐาน E = วิชาเลือกเฉพาะสาขา F = วิชาเลือกเสรี M = วิชาพื้นฐาน W = วิชาบังคับ X = - ยังไม่กำหนด |
| |
ภาษาไทย 
English
