เมนูหลัก
|
|
คพ453 | การเรียนรู้ของเครื่องจักร |
| Machine Learning |
| สังกัด | วิทยาศาสตร์, วิทยาการคอมพิวเตอร์ |
| หน่วยกิต | 3 (2-3-5) |
| สถานะรายวิชา: | ใช้งาน | | เงื่อนไขรายวิชา: | คพ321 |
| เลือก ปีการศึกษา: 2 / 2562 | | รายชื่อ | |
|
| | เชียงใหม่ | | ปริญญาตรี ปกติ | | กลุ่ม | วัน | เวลา | ห้อง | อาคาร | เรียน | ที่นั่ง(เปิด-ลง-เหลือ) | หมวด | | | | 01 | | อังคาร | 15:00-17:00 | บรรยาย คอม 7 | 105 | C | 1 | 1 | 0 | W | | | | | | พุธ | 09:30-12:30 | Lab คอม2 | 105 | L | | | | | | | | | | อาจารย์ / เจ้าหน้าที่/เอกสารประกอบการสอน: | ผู้ช่วยศาสตราจารย์ ดร.พาสน์ ปราโมกข์ชน | | | | ผู้คุมสอบกลางภาค: | | | | | สอบปลายภาค: | | | | | ผู้คุมสอบปลายภาค: | | |
|
| Course Description คำนิยามและตัวอย่างของการเรียนรู้ของเครื่องจักร การเรียนรู้โดยวิธีอุปนัย การเรียนรู้โดยอาศัยพื้นฐานทางสถิติ การเรียนรู้โดยสิ่งสนับสนุน การเรียนรู้จากผู้เชี่ยวชาญ การเรียนรู้โดยอาศัยการตัดสินใจเชิงต้นไม้ การเรียนรู้โดยอาศัยโครงข่ายประสาทเทียม การเรียนรู้โดยอาศัยโครงข่ายความเชื่อ อัลกอริทึมการหาเพื่อนบ้านที่ใกล้ที่สุด ทฤษฎีการเรียนรู้ การแก้ปัญหาโดยการหาจุดที่เหมาะสม การเรียนรู้โดยไม่อาศัยผู้เชี่ยวชาญ Definition and examples of machine learning; Inductive learning; Statistical bases learning; Reinforcement learning; Supervised learning; decision trees learning; Neural networks Learning; The nearest neighbor algorithm; learning theory; The problem of over fitting; Unsupervised learning 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 |
| |