Mathematics and Architectures of Machine Learning

คณิตศาสตร์และสถาปัตยกรรมการเรียนรู้ของเครื่อง                       

2(2-0-4)

วิชาบังคับก่อน: ENG62 1002  คณิตศาสตร์วิศวกรรมพื้นฐาน

เวกเตอร์ เมตริกซ์ เทนเซอร์ พีชคณิตเชิงเส้น ความน่าจะเป็น สถิติ Matrix Calculus การทดถอยเชิงเส้น ฟังก์ชันกระตุ้น Loss การหาค่าเหมาะสมที่สุด Backpropagation, Gradient Descent

ผลลัพธ์การเรียนรู้ที่คาดหวังระดับรายวิชา

1. อธิบายสถาปัตยกรรมการเรียนรู้ของเครื่องได้
2. อธิบายการการหาค่าเหมาะสมที่สุด, Backpropagation, Gradient Descent ได้
3. ประยุกต์ใช้คณิตศาสตร์และสถาปัตยกรรมการเรียนรู้ของเครื่องได้

Mathematics and Architectures of Machine learning

Prerequisite: ENG62 1002  Basic Engineering Mathematics

Vector, Matrix, Tensor, Linear Algebra, Probability, Statistics, Matrix Calculus, Linear Regression, Excitation Function, Loss, Optimization, Backpropagation, Gradient Descent.

Course Learning Outcomes (CLOs)

1. Describe the machine learning architecture.
2. Explain the optimization, Backpropagation, Gradient Descent.
3. Able to apply mathematics and machine learning architecture.