คำอธิบายรายวิชา

divider

06046001องค์ประกอบของปัญญาประดิษฐ์ (Elements of Artificial Intelligence) 3 (3-0-6)

นิยามของปัญญาประดิษฐ์และศาสตร์ที่เกี่ยวข้อง การแก้ปัญหาโดยใช้ปัญญาประดิษฐ์ ปริภูมิปัญหาและปริภูมิคำตอบ การค้นหาและเกม งานประยุกต์ปัญญาประดิษฐ์ด้านต่างๆ โอกาสและความน่าจะเป็น กฎของเบส์ การแบ่งกลุ่มด้วยนาอีฟเบส์ การเรียนรู้ด้วยเครื่องจักร ตัวแบ่งกลุ่มแบบเคเพื่อนบ้านใกล้สุด โครงข่ายประสาทเทียม อัลกอริทึมการเคลื่อนลงตามความชัน กลไกการทำนายอนาคต ผลกระทบของปัญญาประดิษฐ์

AI definition and related fields, problem solving with AI, problem space and solution space, search and game, AI applications, odd and probability, Bayes rule, Naïve Bayes classification, machine learning, nearest neighbor classifier, artificial Neural networks, gradient descent algorithm, predicting the future, AI’s implications

06046002การโปรแกรมภาษาไพทอนสำหรับการเรียนรู้ด้วยเครื่อง (Python Programming for Machine Learning)3 (3-0-6)

พื้นฐานการเขียนโปรแกรมภาษาไพทอน การวิเคราะห์ข้อมูลด้วยไลบรารี Numpy และ Pandas พื้นฐานสถิติและการวาดกราฟ การวิเคราะห์และแสดงภาพข้อมูล การเรียนรู้ด้วยเครื่องโดยใช้ภาษาและไลบรารีไพทอน อัลกอริทึมด้านการเรียนรู้ด้วยเครื่อง เช่น การถดถอยเชิงเส้น การถดถอยโลจิสติค เคเพื่อนบ้านใกล้สุด ต้นไม้ตัดสินใจ ซัพพอร์ตเวกเตอร์แมชชิน การทำนายด้วยเครื่องจักร การจัดหมวดหมู่ด้วยเครื่องจักร การจัดกลุ่มด้วยเครื่องจักร

Basic Python Programming, Python for Data Analysis – Numpy and Pandas, Basic Statistics and Plots, Data Visualization, Machine Learning with Python and Python libraries, Machine Learning algorithm such as Linear Regression, Logistic Regression, K Nearest Neighbors, Decision Trees, Support Vector Machines, Machine Learning Prediction, Machine Learning Classification, Machine Learning Clustering

06046003โครงข่ายประสาทเทียมและการเรียนรู้เชิงลึก (Neural networks and Deep Learning)3 (3-0-6)

วิชานี้เป็นการศึกษาปัญญาประดิษฐ์ในด้านการเรียนรู้แบบลึก โดยมีเนื้อหาที่เกี่ยวข้องประกอบด้วย ภาพรวมปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง โครงข่ายประสาทเทียม การรู้จำของโครงข่ายประสาทเทียม การสอนโครงข่ายประสาทเทียมด้วยวิธีการเดินสุ่ม การคำนวณด้วยหลักของการวิวัฒนาการ การปรับปรุงโครงข่ายประสาทเทียมด้วยเจเนติกอัลกอริทึม โครงข่ายประสาทเทียมแบบหลายชั้น การปรับปรุงโครงข่ายประสาทเทียมแบบหลายชั้นด้วยเจเนติกอัลกอริทึม และการเรียนรู้เชิงลึก

This subject studies artificial intelligent in deep learning by the subtopics consisting with the overview artificial intelligent and machine learning, Neural networks , the usage NN for recognition, training NN with random walk, the back-propagation NN, evolutionary computation, improvement BNN with GA, multi-layer hidden node in NN, the improvement MLNN with GA, and deep learning

06046004อินเตอร์เน็ตในทุกสิ่งร่วมกับปัญญาประดิษฐ์ (Internet of Things with Artificial Intelligence)3 (3-0-6)

ภาพรวมของอินเตอร์เน็ตในทุกสิ่ง แนวโน้มการยอมรับและใช้งานอินเตอร์เน็ตในทุกสิ่ง ความเป็นส่วนตัวและความปลอดภัยของอินเตอร์เน็ตในทุกสิ่ง ภาพรวมของระบบสมองกลฝังตัว องค์ประกอบฮาร์ดแวร์ องค์ประกอบซอฟต์แวร์ เครือข่ายสำหรับอินเตอร์เน็ตในทุกสิ่ง การรวมกันของปัญญาประดิษฐ์และอินเตอร์เน็ตในทุกสิ่ง กรณีศึกษาในอินเตอร์เน็ตในทุกสิ่งร่วมกับปัญญาประดิษฐ์

Overview of Internet of Things (IoT); Trends in the adoption of IoT;  Privacy and Security of IoT; Overview of embedded systems; Components of embedded systems; Hardware components; Software components; Networking for IoT; Combination of Artificial Intelligence (AI) and IoT; Case studies in IoT with AI

06046005ปัญญาประดิษฐ์แบบการเรียนรู้เชิงลึกเพื่องานคอมพิวเตอร์วิทัศน์ (AI Deep Learning for Computer Vision)3 (3-0-6)

หลักการพื้นฐานและการประยุกต์ใช้ในคอมพิวเตอร์วิทัศน์ ของ คอนโวลูชันนัล นิวรอล เน็ตเวอร์ค (CNN) จากสถาปัตยกรรมพื้นฐานไปจนถึงสถาปัตยกรรมใหม่ๆ เช่น VGG ResNet และ Efficientnet หลักสูตรจะเริ่มจาก โมเดลเชิงเส้น ฟังก์ชั่นแอคทีเวชั่น ฟังก์ชั่นลอส การหาค่าดีที่สุด สถาปัตยกรรมแกน และการประยุกต์ใช้งาน CNN ด้านการแยกแยะและตรวจหาวัตถุ

The basic concept and their applications in computer vision of convolutional Neural network (CNN) from basic architecture to modern architectures such as VGG, ResNet, and Efficientnet. Linear models, activation function, Loss function, stochastic optimization methods GAN architecture (Generative Adversarial Network) for photo-realistic images, application of CNN in classification and object detection.

06046006การพัฒนาแชทบอทอัจฉริยะ (AI Chatbot Development)3 (3-0-6)

แนะนำตัวแชทบอท การประมวลผลภาษาธรรมชาติเบื้องต้น การกระจายของคำ การแทนข้อความ ทีเอฟไอดีเอฟ เวิร์ดทูเวค พื้นฐานการเรียนรู้ด้วยเครื่อง องค์ประกอบการสร้างแชทบอท ได้แก่ ช่องทาง เซิร์ฟเวอร์ ฐานข้อมูล การเตรียมแชทบอท เวิร์คชอปการแข่งขันสร้างแชทบอท

Introduction to chatbot, introduction to natural language processing: word distribution, text representation, tf-idf, word2vec, machine learning basics, chatbot implementation i.e., channel, server, database, chatbot setup, chatbot hackathon workshop

06046007การประมวลผลภาษาธรรมชาติด้วยการเรียนรู้เชิงลึก (Natural Language Processing with Deep Learning)3 (3-0-6)

ภาพรวมโมดูลการประมวลผลภาษาธรรมชาติ งานด้านการแบ่งกลุ่มข้อความ เช่น การจัดกลุ่มข่าว การจำแนกอารมณ์ การกรองสแปม ตัวแบ่งกลุ่มแบบดั้งเดิม เทคนิคการเรียนรู้เชิงลึก แบบจำลองภาษาและการกำกับข้อความที่มีลำดับ การแทนข้อความในแบบจำลองเวคเตอร์ งานด้านการสร้างแบบรูปของงานที่มีลำดับ เช่น การแปลภาษาด้วยเครื่อง การย่อความ การตอบคำถาม

Overview of natural language processing module, text classification tasks such as news classification, sentiment analysis, spam filtering, traditional classifiers, deep learning techniques, language modeling and sequence tagging, text representation in vector space models, formulate sequence to sequence tasks such as machine translation, summarization, question answering

06046008Cluster Analysis and Pattern Recognition3 (3-0-6)

การจัดกลุ่มของข้อมูลตัวอย่าง การหาความคล้ายคลึงของข้อมูล การหารูปแบบของข้อมูล การเรียนรู้ของเครื่องจักรแบบแบบไม่มีผู้สอน การจัดกลุ่มแบบฟัซซีซีมีน การจัดกลุ่มแบบเคมีน การจัดกลุ่มตามลำดับชั้น การรับรู้รูปแบบทางสถิติ การรับรู้รูปแบบจากโครงสร้างประโยค การรับรู้รูปแบบด้วยการเรียนรู้เชิงลึก การวิเคราะห์องค์ประกอบหลัก การตรวจสอบไขว้ และการประยุกต์ใช้การทำงานของเครื่องจักร

Grouping a set of data, find similarity of data, pattern recognition, unsupervised learning; Fuzzy c-mean clustering; K-mean clustering; hierarchical clustering, statistical pattern recognition; syntactic pattern recognition; Deep Neural network for Pattern Recognition; principal component analysis; cross-validation; machine learning applications.