รายวิชานี้สำหรับนิสิตปัจจุบันและบุคลากรจุฬาฯ
เกี่ยวกับรายวิชา
วิชา Machine Learning Series : Supervised Learning จะกล่าวถึง Machine Learning ว่าคืออะไร แบ่งเป็นประเภทไหนบ้าง หลักการของ Machine Learning รูปแบบของ Machine Learning และคำจำกัดความของ Supervised Learning คืออะไร สามารถทำอะไรได้ มีเทคนิคอะไรบ้าง เรียนรู้เกี่ยวกับ Supervised Learning ทั้ง Regression และ Classification ผ่านตัวอย่าง case study ในรูปแบบต่าง ๆ และเข้าถึงหัวใจของการศึกษาโมเดลต่าง ๆ ว่าคืออะไรบ้าง รวมถึงขั้นตอนการจัดเตรียมข้อมูล เพื่อผู้เรียนสามารถนำความรู้ไปใช้ได้จริงและสามารถนำไปต่อยอดได้อย่างมีประสิทธิภาพ
เนื้อหารายวิชา
หัวข้อ วิชา Machine Learning Series : Supervised Learning ประกอบด้วย
บทที่ 1 Introduction to Machine Learning
บทที่ 2 Regression
บทที่ 3 Classification
บทที่ 4 ML Models
บทที่ 5 Data preprocessing
บทที่ 6 Fine-tuning your models
บทที่ 7 End-to-end ML project
บทที่ 8 Challenges in ML
เกณฑ์การวัดและประเมินผล
มีการวัดและประเมินผลผ่านแบบทดสอบย่อย (Quiz) และแบบทดสอบหลังเรียน (Posttest) โดยจะแบ่งเป็นคะแนนจาก Quiz เท่ากับ 50 คะแนน และคะแนนจาก Posttest เท่ากับ 50 คะแนน ทั้งนี้ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไป และเรียนจบภายในเวลาที่กำหนดจึงจะสามารถขอรับ Certificate of Completion ได้
วัตถุประสงค์
1. เพื่อให้เกิดความรู้ความเข้าใจเกี่ยวกับการใช้โปรแกรม Supervised Learning ได้อย่างถูกต้องและเหมาะสม
2. เพื่อให้ผู้เรียนสามารถนำความรู้ที่ได้รับไปพัฒนาทักษะการจัดการข้อมูลได้อย่างมีประสิทธิภาพ
หมายเหตุ
1. ผู้เรียนจะมีสิทธิ์ทำแบบทดสอบหลังเรียน (Posttest) เมื่อเข้าร่วมกิจกรรมการเรียน (Course Progress) มากกว่า 80% ขึ้นไป
2. แบบทดสอบหลังเรียน (Posttest) ในแต่ละวิชาจะสามารถทำได้แค่ครั้งเดียวเท่านั้น
อาจารย์ผู้สอน
ผศ. ดร.นฤมล ประทานวณิช
ภาควิชาคณิตศาสตร์และวิทยาการคอมพิวเตอร์, คณะวิทยาศาสตร์
จุฬาลงกรณ์มหาวิทยาลัย
TH
EN CHULA MOOC (5).png)
