Build your ultimate AI agent
รายละเอียดคอร์ส
เรียนรู้พื้นฐานของการเรียนรู้ของเครื่อง
หลักสูตรนี้จะนำเสนอองค์ประกอบสำคัญของแมชชีนเลิร์นนิงให้แก่ผู้นำทางธุรกิจ เราจะมุ่งเน้นไปที่ข้อมูลเชิงลึกสำคัญและแนวปฏิบัติพื้นฐานเกี่ยวกับวิธีจัดโครงสร้างคำถามทางธุรกิจให้เป็นโครงการสร้างแบบจำลองร่วมกับทีม machine learning
เจาะลึกลงไปในรายละเอียดเฉพาะของโมเดล
คุณจะเข้าใจโมเดลประเภทต่าง ๆ ว่าแต่ละประเภทช่วยตอบคำถามทางธุรกิจแบบใด หรือช่วยค้นหาโอกาสแบบใดได้บ้าง รวมถึงเรียนรู้วิธีระบุสถานการณ์ที่ควรนำแมชชีนเลิร์นนิงมาใช้ NOT ซึ่งก็สำคัญไม่แพ้กัน คุณจะเข้าใจความแตกต่างระหว่างการอนุมานและการพยากรณ์ การพยากรณ์ความน่าจะเป็นและปริมาณ และวิธีที่การใช้การเรียนรู้แบบไม่มีผู้สอนสามารถช่วยสร้างกลยุทธ์การแบ่งกลุ่มลูกค้าที่มีความหมายได้
ข้อกำหนดเบื้องต้น
คอร์สนี้ไม่มีข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
Machine learning และกรณีการใช้งานข้อมูล
Machine learning ถูกนำไปใช้ในอุตสาหกรรมและสาขาต่าง ๆ มากมาย หากนำไปใช้อย่างถูกต้องจะสามารถยกระดับธุรกิจได้อย่างมีนัยสำคัญ บทนี้จะอธิบายกรณีการใช้งาน machine learning บทบาทหน้าที่ต่าง ๆ และความสัมพันธ์กับพีระมิดความต้องการข้อมูล
- Machine Learning และพีระมิดข้อมูล50 XP
- ทำความเข้าใจคำศัพท์50 XP
- จัดลำดับความต้องการในพีระมิดข้อมูล100 XP
- จับคู่งานในพีระมิดข้อมูล100 XP
- หลักการของ Machine Learning50 XP
- ประเภทของโมเดล50 XP
- จำแนกกรณีการใช้งาน supervised และ unsupervised learning100 XP
- บทบาทงาน เครื่องมือ และเทคโนโลยี50 XP
- ความรับผิดชอบของแต่ละบทบาทในงาน50 XP
- จับคู่โปรเจกต์ด้านข้อมูลกับตำแหน่งงาน100 XP
- รูปแบบโครงสร้างทีมข้อมูล100 XP
2
ประเภทของ machine learning
บทนี้จะให้ภาพรวมของ machine learning ประเภทต่าง ๆ โดยจะพิจารณาความแตกต่างระหว่างโมเดลเชิงสาเหตุและโมเดลพยากรณ์ สำรวจ supervised และ unsupervised learning รวมถึงทำความเข้าใจประเภทย่อยของ supervised learning ได้แก่ classification และ regression
3
ความต้องการทางธุรกิจและการออกแบบโมเดล
บทนี้จะทบทวนขั้นตอนสำคัญในการกำหนดขอบเขตความต้องการทางธุรกิจ การระบุและประเมินโอกาสของ machine learning การวัดประสิทธิภาพของโมเดล และการระบุความเสี่ยงด้านประสิทธิภาพในกระบวนการ
4
การบริหารโปรเจกต์ machine learning
บทนี้จะพิจารณาแนวปฏิบัติที่ดีและที่ควรหลีกเลี่ยงในการบริหารโปรเจกต์ machine learning โดยจะระบุข้อผิดพลาดที่พบบ่อย เรียนรู้การจัดการการสื่อสารระหว่างทีมธุรกิจและทีม ML และสุดท้ายจะพูดถึงความท้าทายในการนำโมเดล machine learning ไปใช้งานจริง
R
Machine Learning for Business
เรียนจบแล้ว

