ช่วงเวลาเรียนสำหรับบุคคลทั่วไป


เกี่ยวกับรายวิชา
รายวิชา รู้จักโครงข่ายประสาทเทียม เนื้อหาจะกล่าวถึง แนวคิดพื้นฐานของโครงข่ายประสาทเทียม ตั้งแต่ประวัติและวิวัฒนาการของโครงข่ายประสาทเทียมจนถึงบทบาทสําคัญในปัญญาประดิษฐ์ (AI) ผู้เรียนจะได้ศึกษาโครงสร้างและขั้นตอนการฝึกฝนโครงข่ายประสาทเทียม รวมถึงการทํางานของฟังก์ชันสําคัญต่าง ๆ เช่น Activation Function, Loss Function, และ Gradient Descent นอกจากนี้ยังสํารวจข้อจํากัดของโครงข่ายประสาทเทียมและการพัฒนาสู่การเรียนรู้เชิงลึก (Deep Learning) พร้อมทั้งศึกษาสถาปัตยกรรมการเรียนรู้เชิงลึก เช่น Convolutional Neural Networks (CNNs) และ Recurrent Neural Networks (RNNs) โดยเน้นการใช้งานจริงและแนวโน้มในอนาคตในอุตสาหกรรมต่าง ๆ

เนื้อหารายวิชา
เนื้อหาในรายวิชา รู้จักโครงข่ายประสาทเทียม ประกอบด้วย
บทที่ 1 บทนำสู่ Neural Network
บทที่ 2 โครงสร้างและการฝึกฝน Neural Network
บทที่ 3 สู่แนวคิด Deep Learning
บทที่ 4 สถาปัตยกรรม Deep Learning ที่น่าสนใจ

เกณฑ์การวัดและประเมินผล
มีการวัดและประเมินผลผ่านแบบทดสอบย่อย (Quiz) และแบบทดสอบหลังเรียน (Posttest) โดยจะแบ่งเป็นคะแนนจาก Quiz เท่ากับ 50 คะแนน และคะแนนจาก Posttest เท่ากับ 50 คะแนน ทั้งนี้ผู้เรียนต้องทำคะแนนรวมทั้งหมดให้ได้ร้อยละ 60 ขึ้นไป จึงจะสามารถดาวน์โหลด Certificate บนหน้ารายวิชาได้

วัตถุประสงค์
1. เพื่อให้ผู้เรียนสามารถอธิบายแนวคิดพื้นฐานของโครงข่ายประสาทเทียม
2. เพื่อให้ผู้เรียนสามารถอธิบายโครงสร้างและขั้นตอนการฝึกฝนโครงข่ายประสาทเทียม
3. เพื่อให้ผู้เรียนสามารถอธิบายการทํางานของ Activation Function, Loss Function, และ Gradient Descent
4. เพื่อให้ผู้เรียนสามารถระบุข้อจํากัดของโครงข่ายประสาทเทียมและการพัฒนาสู่การเรียนรู้เชิงลึก
5. เพื่อให้ผู้เรียนสามารถวางแผนการประยุกต์ใช้ความรู้เกี่ยวกับโครงข่ายประสาทเทียมในอุตสาหกรรมจริง

หมายเหตุ
1. ผู้เรียนจะมีสิทธิ์ทำแบบทดสอบหลังเรียน (Posttest) เมื่อเข้าร่วมกิจกรรมการเรียน (Course Progress) มากกว่า 80% ขึ้นไป
2. ผู้เรียนจะสามารถทำข้อสอบ Posttest ได้มากกว่า 1 ครั้ง หรือจนกว่าจะสอบผ่านตามเกณฑ์ที่กำหนด และได้รับ Certificate
อาจารย์ผู้สอน

รศ. ดร.อติวงศ์ สุชาโต
ภาควิชาวิศวกรรมคอมพิวเตอร์
คณะวิศวกรรมศาสตร์
จุฬาลงกรณ์มหาวิทยาลัย