Supervised and Unsupervised Machine Learning

การเรียนรู้ของเครื่องแบบมีผู้สอนและไม่มีผู้สอน

3(2-3-7)

วิชาบังคับก่อน: ENG25 2100 ความรู้เบื้องต้นปัญญาประดิษฐ์

การเรียนรู้ของเครื่องเบื้องต้น กระบวนการของการเรียนรู้ของเครื่อง การวิเคราะห์การถดถอยและสหสัมพันธ์ วิธีกำลังสองน้อยสุด การเคลื่อนลงตามความชัน การถดถอยหลายตัวแปร การถดถอยลอจิสติก โครงข่ายเซลประสาทเทียม โครงข่ายประสาทเทียมแบบคอนโวลูชัน การประยุกต์กับปัญหาด้วยวิธี เค-เนียร์เรส ตเนเบอร์ ต้นไม้ตัดสินใจ วิธีซัพพอร์ตเวกเตอร์แมทชีน การวิเคราะห์สหสัมพันธ์คาโนนิคอล การลดมิติ การวิเคราะห์องค์ประกอบหลัก การวิเคราะห์ปัจจัย การวิเคราะห์การแบ่งกลุ่ม การประยุกต์ใช้กับปัญหาต่างๆ ทางวิศวกรรม

ผลสัมฤทธิ์การเรียนรู้

1. อธิบายแนวคิดของการเรียนรู้ของเครื่อง
2. ระบุวิธีการการเรียนรู้ของเครื่องแบบมีผู้สอนและไม่มีผู้สอนที่เหมาะสมสำหรับการประยุกต์ใช้ที่แตกต่างกัน
3. สามารถใช้อัลกอริทึมในการจำแนก การทำนาย การลดมิติและอัลกอริทึมการจัดกลุ่ม เพื่อการประยุกต์ใช้กับปัญหาเชิงวิศวกรรม

Supervised and Unsupervised Machine Learning

Prerequisite:  ENG25 2100 Introduction to Artificial Intelligence

Introduction to machine learning, machine learning process, regression and correlation analysis, least squares method, gradient descent method, multivariable regression, logistic regression, k-nearest neighbor, support vector machine, decision tree, canonic correlation analysis, dimension reduction, principle component analysis, cluster analysis, application to engineering problems.

Learning outcomes

1. Explain the concepts of machine learning.
2. Identify the appropriate supervised and unsupervised machine learning approaches for different applications.
3. Implement classification and prediction algorithms, dimension reduction and clustering algorithms for applying to engineering problems.