วิชาบังคับก่อน: 09-151-103 ตัวแบบทางสถิติและการวิเคราะห์ข้อมูล และ
09-152-101 การเขียนโปรแกรมคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูล
Pre-requisite: 09-151-103 Statistical Modelling and Data Analysis
09-152-101 Computer Programming for Data Analytics
คำอธิบายรายวิชา
การเรียนรู้ของเครื่อง การเรียนรู้แนวคิด อัลกอริทึมเพื่อนบ้านที่ใกล้ที่สุด อัลกอริทึมต้นไม้ตัดสินใจ โครงข่ายประสาทเทียมและการเรียนรู้เชิงลึก ซัพพอร์ทเวกเตอร์แมชชีน การเรียนรู้แบบเบย์ ขั้นตอนวิธีเชิงพันธุกรรม การลดมิติข้อมูล การจัดกลุ่ม
Course Description
Machine Learning, concept Learning, k-nearest neighbor algorithm, decision tree algorithm, neural network and deep Learning, support vector machine, Bayesian learning, genetic algorithm, dimensionality reduction, clustering
ผลลัพธ์การเรียนรู้
CLO1: ทำงานที่มอบหมายด้วยตนเอง (PLO 1, 2)
CLO2: ส่งงานที่มอบหมายตามเวลาที่กำหนด (PLO 1)
CLO3: เข้าห้องเรียนตรงต่อเวลา (PLO 1)
CLO4: ระบุข้้อปฏิบัติเชิงจรรยาบรรณที่สำคัญที่เกี่ยวข้องกับการจัดการข้อมูลขนาดใหญ่ด้วยการเรียนรู้ของเครื่อง ได้(PLO 2)
CLO5: อธิบายทฤษฎีพื้นฐานการวิเคราะห์ข้อมูลขนาดใหญ่สำหรับการเรียนรู้แนวคิดในการเรียนรู้ของเครื่องได้ (PLO 3, 8)
CLO6: อธิบายขั้นตอนของอัลกอริทึมเพื่อบ้านที่ใกล้ที่สุดได้อย่างถูกต้อง (PLO 3, 8)
CLO7: บอกองค์ประกอบของโครงข่ายประสาทเทียมและการเรียนรู้เชิงลึกได้ (PLO 3, 8)
CLO8: บอกแนวคิดของขั้นตอนวิธีเชิงพันธุกรรมได้ (PLO 3, 8)
CLO9: ใช้ความรู้ทางคณิตศาสตร์และสถิติอธิบายหลักการของการลดมิติข้อมูลได้ (PLO 4)
CLO10: อธิบายกระบวนการแบบเบย์สำหรับการเรียนรู้ของเครื่องด้วยวิธีการทางคณิตศาสตร์ได้ (PLO 3, 8)
CLO11: ประยุกต์ใช้ความรู้ด้านการเรียนรู้ของเครื่องเพื่อจัดกลุ่มข้อมูลขนาดใหญ่ได้ (PLO 4)
CLO12: สามารถนำเสนอข้อมูลจากการวิเคราะห์ด้วยเทคนิคการเรียนรู้ของเครื่องในรูปแบบที่เหมาะสมกับผลลัพธ์ได้ (PLO 4)
CLO13: สามารถใช้งาน Google แพลตฟอร์มเพื่อการวิเคราะห์ข้อมูลขนาดใหญ่ด้วยการเรียนรู้ของเครื่องได้ (PLO 4)