การเรียนรู้ของเครื่องและการเรียนรู้เชิงลึก
2(24-0)
วิชาบังคับก่อน :ไม่มี
พื้นฐานการเรียนรู้ของเครื่อง ประเภทของการเรียนรู้ของเครื่อง กระบวนการการเรียนรู้ของเครื่อง โมเดลโครงข่ายประสาทเทียม โมเดลโครงข่ายประสาทแบบ Convolution ทฤษฎีการตรวจจับวัตถุ และการประยุกต์ใช้การเรียนรู้ของเครื่องในงานต่างๆ
ผลลัพธ์การเรียนรู้ที่คาดหวังระดับรายวิชา
1. สามารถอธิบายพื้นฐานการเรียนรู้ของเครื่อง ประเภทของการเรียนรู้ของเครื่องได้
2. สามารถเข้าใจกระบวนการการเรียนรู้ของเครื่องได้
3. สามารถวิเคราะห์โมเดลโครงข่ายประสาทเทียม โมเดลโครงข่ายประสาทแบบ Convolution ได้
4. สามารถเข้าใจทฤษีการตรวจจับวัตถุของการมองเห็นของคอมพิวเตอร์ได้
5. สามารถประยุกต์ใช้การเรียนรู้ของเครื่องงานด้านต่างๆ ได้
Machine Learning and Deep Learning
Prerequisite : None
Fundamental of machine learning; types of machine learning, machine learning process; artificial neural network; convolution neural network; object detection theory; and the application of machine learning in various tasks.
Course Learning Outcomes (CLOs)
1. Explain the basics of machine learning, types of machine learning.
2. Understand the machine learning process.
3. Be able to analyze artificial neural network models convolution neural network model
4. Understand the object detection theory for computer vision.
5. Apply machine learning to various tasks.