Direct to Dean

AI and ML for Telecommunication Applications

ปัญญาประดิษฐ์และการเรียนรู้ของเครื่องสำหรับการประยุกต์ด้านโทรคมนาคม

4(4-0-12)

วิชาบังคับก่อน : ไม่มี

บทนำสู่ AI และ ML ในด้านโทรคมนาคม พื้นฐานการเรียนรู้แบบมีผู้สอนและไม่มีผู้สอน การเรียนรู้เชิงลึก (โครงข่ายประสาทเทียม, CNNs, RNNs) AI สำหรับการตรวจจับความผิดปกติในปริมาณการใช้งานเครือข่าย การจัดสรรทรัพยากรโดยใช้ AI และการบำรุงรักษาเชิงพยากรณ์AI สำหรับเครือข่ายไร้สายและอินเทอร์เน็ตของสรรพสิ่ง (IoT) กรณีศึกษาและเครื่องมือในอุตสาหกรรม

เค้าโครงรายวิชา

  1. บทนำสู่ AI และML ในด้านโทรคมนาคม (6 ชม.)
  2. พื้นฐานการเรียนรู้แบบมีผู้สอนและไม่มีผู้สอน (6 ชม.)
  3. การเรียนรู้เชิงลึก (โครงข่ายประสาทเทียม, CNNs, RNNs) (6 ชม.)
  4. AI สำหรับการตรวจจับความผิดปกติในปริมาณการใช้งานเครือข่าย (8 ชม.)
  5. การจัดสรรทรัพยากรโดยใช้ AI และการบำรุงรักษาเชิงพยากรณ์ (8 ชม.)
  6. AI สำหรับเครือข่ายไร้สายและอินเทอร์เน็ตของสรรพสิ่ง (IoT) (8 ชม.)
  7. กรณีศึกษาและเครื่องมือในอุตสาหกรรม (6 ชม.)

ผลสัมฤทธิ์การเรียนรู้

  1. ผู้เรียนสามารถเข้าใจพื้นฐานของ AI และ ML อธิบายแนวคิดสำคัญของปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (ML) รวมถึงการประยุกต์ใช้ในเครือข่ายโทรคมนาคม
  2. ประยุกต์ใช้โมเดล AI/ML เพื่อแก้ปัญหาด้านโทรคมนาคม – ใช้เทคนิคการเรียนรู้แบบมีผู้สอนและไม่มีผู้สอน (เช่น การถดถอย การจำแนกประเภท การจัดกลุ่ม) เพื่อแก้ไขปัญหาจริงในเครือข่าย เช่น การคาดการณ์ปริมาณการใช้ข้อมูลและการตรวจจับความผิดปกติ
  3. วิเคราะห์ปริมาณการใช้งานเครือข่ายโดยใช้เทคนิค ML นำโมเดล ML ไปใช้เพื่อเพิ่มประสิทธิภาพเครือข่ายโทรคมนาคม การบำรุงรักษาเชิงพยากรณ์ และการตรวจจับความผิดปกติ นำ AI ไปใช้ด้านโทรคมนาคม ใช้บริการ AI บนคลาวด์ (เช่น AWS AI, Google AI, Huawei AI) และเครื่องมือเฉพาะทางด้านโทรคมนาคมเพื่อพัฒนาและใช้งานโซลูชัน AI

 

AI and ML for Telecommunication Applications

Prerequisite : None

This course covers the introduction to AI & ML in telecommunications, supervised & unsupervised learning basics, deep learning (Neural Networks, CNNs, RNNs), AI for anomaly detection in network traffic, AI-driven resource allocation & predictive maintenance, AI for wireless networks & IoT, and Case Studies & Tools.

Course Outline

  1. Introduction to AI & ML in Telecommunications. (6 hr.)
  2. Supervised & Unsupervised Learning Basics. (6 hr.)
  3. Deep Learning (Neural Networks, CNNs, RNNs). (6 hr.)
  4. AI for Anomaly Detection in Network Traffic. (8 hr.)
  5. AI-driven Resource Allocation & Predictive Maintenance. (8 hr.)
  6. AI for Wireless Networks & IoT. (8 hr.)
  7. Case Studies & Tools. (6 hr.)

Learning Outcomes

  1. Students will be able to understand the fundamentals of Artificial Intelligence (AI) and Machine Learning (ML), explain key concepts of AI and ML, and discuss their applications in
    telecommunications networks.
  2. Apply AI/ML models to solve telecommunications problems by utilizing supervised and unsupervised learning techniques (e.g., regression, classification, clustering) to address real-world network challenges, such as traffic prediction and anomaly detection.
  3. Analyze network traffic using ML techniques, deploy ML models to optimize telecommunications networks, implement predictive maintenance, and detect anomalies. Apply AI in telecommunications by leveraging cloud-based AI services (e.g., AWS AI, Google AI, Huawei AI) and specialized telecommunications tools to develop and implement AI-driven solutions.