ปัญญาประดิษฐ์ (ฉบับปรับปรุง)

บทความโดย ผศ.ดร.ณัฐโชติ พรหมฤทธิ์
ภาควิชาคอมพิวเตอร์
คณะวิทยาศาสตร์
มหาวิทยาลัยศิลปากร

คำอธิบายรายวิชา

แนวคิดปัญญาประดิษฐ์เบื้องต้น การแก้ปัญหาโดยใช้การค้นหาในปริภูมิสถานะ ประเภทของการเรียนรู้ของเครื่อง กระบวนการพัฒนาโมเดลด้วยการเรียนรู้ของเครื่อง วิศวกรรมคุณลักษณะสำหรับปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง ขั้นตอนวิธีแบบแบบแพร่กลับและการเคลื่อนลงตามความชันอย่างสุ่ม การปรับอัตราการเรียนรู้ การนำโมเดลไปใช้ การทำเรกูลาร์ไรเซชัน การเรียนรู้เชิงลึก การเลือกใช้ฟังก์ชันการสูญเสีย การวิเคราะห์ประสิทธิภาพโมเดลด้วยเส้นโค้งการเรียนรู้ การถ่ายโอนความรู้ของโมเดล การประยุกต์ในด้านต่าง ๆ ระบบแนะนำ การประมวลผลภาษาธรรมชาติ การเล่นเกมIntroduction to artificial

intelligence. The state space search in AI. Types of machine learning. Machine learning model development process. Feature engineering for artificial intelligence and machine learning. Back-propagation algorithm and stochastic gradient descent. The effects of the learning rate on model performance. Model deployment. Regularization. Deep learning. Selection of the loss function. Diagnose machine learning model performance with learning curves. Transfer learning. Applications in fields: natural language processing. Recommendation system, and Game play.

Week 1

Course Outline

Week 2

Introduction to AI และความรับผิดชอบ (Week 2 Slide)

ประวัติศาสตร์ AI ฉบับสมบูรณ์

The Imitation Game

Bank of England home

ตัวอย่าง GenAI Suno

Search & Pathfinding in AI : จากอัลกอริทึมคลาสสิกสู่การประยุกต์ใช้สมัยใหม่

Animation of Search Algorithms

search-pathfinding.ipynb

OpenStreetMap NetworkX (OSMnx) Route Analysis Cheat Sheet

Lab Week 2 : Push Code "search-pathfinding.ipynb" ที่รันแล้วขึ้น GitHub

Assignment Week 2 : ปรับปรุง  Code "search-pathfinding.ipynb" แก้เป็น "my-search-pathfinding.ipynb" โดยใช้เส้นทางของนักศึกษาจากบ้านยังมหาวิทยาลัย

Week 3

Introduction to Machine Learning & Classification (Week3 Slide)

Introduction to Machine Learning & Classification (Aticle)

Week 4

Data Preparation และ Feature Engineering (Week4 Slide)

Data Preparation และ Feature Engineering (Aticle)

Random Forest

Lab Week 4 : Push Code "train-model.ipynb", "api.ipynb" และ  "client.ipynb" ที่รันแล้วขึ้น GitHub

Assignment Week 4 : สร้างไฟล์  "dp-and-fe-for-student-data.ipynb" เพื่อทำ Data Preparation และ Feature Engineering กับข้อมูลนักศึกษา รันแล้วขึ้น GitHub

Week 5

Lab Week 4 : Push Code "train-model.ipynb", "api.ipynb" และ  "client.ipynb" ที่รันแล้วขึ้น GitHub (ต่อ)

Neural Network Fundamentals (Week5 Slide)