Machine Learning

การเรียนรู้ของเครื่อง                                                           

2(1-3-5)

วิชาบังคับก่อน: ENG62 2002 คณิตศาสตร์และสถาปัตยกรรมการเรียนรู้ของเครื่อง

การเรียนรู้ของเครื่องและสถาปัตยกรรม การเรียนรู้แบบมีผู้สอน การเรียนรู้แบบไม่มีผู้สอน การเรียนรู้แบบเสริมกำลัง การถดถอย การแยกประเภท การฝึกแบบจำลองการเรียนรู้ของเครื่องด้วยเฟลมเวิร์คต่าง ๆ Support vector Machine  decision Tree

ผลลัพธ์การเรียนรู้ที่คาดหวังระดับรายวิชา

1. สามารถอธิบายความหมายของการเรียนรู้ของเครื่องได้
2. มีความรู้ความเข้าใจเกี่ยวกับการเรียนรู้ประเภทต่าง ๆ ของการเรียนรู้ของเครื่องได้
3. มีความรู้ความเข้าใจเกี่ยวกับการถดถอย และการแยกประเภท
4. สามารถใช้การเรียนรู้ของเครื่อง เพื่อแก้ปัญหาการถดถอยเชิงเส้น และการแยกประเภทได้
5. สามารถใช้งานการเรียนรู้แบบเสริมกำลังเพื่อแก้ปัญหาทางวิศวกรรมได้
6. สามารถสร้างแบบจำลองการเรียนรู้ของเครื่องด้วยเฟลมเวิร์คต่าง ๆ เช่น Scikit learn, Tensorflow ได้

Machine Learning

Prerequisite:  ENG62 2002 Mathematics and Architectures of Machine Learning

Machine learning and architecture teacher-led learning Learning without an instructor Reinforcement learning, regression, classification, training of machine learning models with different flameworks, support vector Machine decision Tree.

Course Learning Outcomes (CLOs)

1. Be able to explain the meaning of machine learning.
2. Have a good understanding of learning the different types of machine learning.
3. Have knowledge and understanding of regression and classification.
4. Can use machine learning to solve the linear regression problem. and can be classified.
5. Reinforcement learning can be used to solve engineering problems.
6. Able to build machine learning models with different flameworks such as Scikit learn, TensorFlow.