รายวิชานี้สำหรับนิสิตปัจจุบันและบุคลากรจุฬาฯ
เกี่ยวกับรายวิชา
วิชา Machine Learning Series : Unsupervised Learning จะนำเสนอให้ผู้เรียนได้เรียนรู้เกี่ยวกับการวัดความเหมือนหรือความต่างของข้อมูล และวิธีการประเมินผลข้อมูลเมื่อเราไม่มีป้ายกำกับผลลัพธ์ การใช้ Unsupervised Learning เพื่อลดมิติของข้อมูล วิธีการจัดกลุ่มโดยอาศัยระยะทาง วิธีการจัดกลุ่มแบบมีลำดับชั้น วิธีการจัดกลุ่มโดยอาศัยความหนาแน่นของข้อมูล กฎความสัมพันธ์ พร้อมตัวอย่างง่าย ๆ ให้ทดลอง เพื่อให้ผู้เรียนสามารถนำไปใช้งานได้จริงอย่างถูกต้องเหมาะสม
เนื้อหารายวิชา
หัวข้อ Machine Learning Series : Unsupervised Learning ประกอบด้วย
Introduction
บทที่ 1 Distance/similarity scores and evaluation metrics
บทที่ 2 Dimensionality reduction
บทที่ 3 Distance-based clustering
บทที่ 4 Hierarchical clustering
บทที่ 5 Density based clustering
บทที่ 6 Association rules
บทที่ 7 Topic model
บทที่ 8 Try them all
บทที่ 9 Semi-supervised learning
บทที่ 10 Summary
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. เพื่อให้เกิดความรู้ความเข้าใจเกี่ยวกับการใช้งานโปรแกรม Unsupervised Learning ได้อย่างถูกต้องเหมาะสม
2. เพื่อให้ผู้เรียนสามารถนำความรู้ที่ได้รับไปพัฒนาทักษะการจัดการข้อมูลได้อย่างมีประสิทธิภาพ
หมายเหตุ
1. ผู้เรียนจะมีสิทธิ์ทำแบบทดสอบหลังเรียน (Posttest) เมื่อเข้าร่วมกิจกรรมการเรียน (Course Progress) มากกว่า 80% ขึ้นไป
2. แบบทดสอบหลังเรียน (Posttest) ในแต่ละวิชาจะสามารถทำได้แค่ครั้งเดียวเท่านั้น
อาจารย์ผู้สอน
TH
EN CHULA MOOC (5).png)
