บทที่ 1 - Machine Learning คืออะไร

ในบทเรียนนี้เราจะเรียนรู้ว่า Artificial Intelligence (AI), Machine Learning (ML) และ Deep Learning (DL) คืออะไร เหมือนกันหรือแตกต่างกันอย่างไร เราจะเรียนรู้ส่วนประกอบของระบบ machine learning และวิธีการเทรน machine learning model ด้วยตัวอย่างจำแนกรูปภาพอาหารไทย 48 ชนิดจากชุดข้อมูล FoodyDudy หลังจากนั้นเราจะเห็นว่าส่วนประกอบและวิธีการเทรนนี้ถูกใช้กับข้อมูลชนิดอื่นๆ เช่น ข้อความ (texts) และตาราง (tabular data) ได้อย่างไรบ้าง

บทเรียนนี้ปรับแต่งและเพิ่มเติมจาก fastai Practical Deep Learning for Coders v4 part1 - Lesson 1 เพื่อให้เหมาะกับโครงการ AI Builders

Notebooks: https://github.com/ai-builders/curric...

Chapters:
0:00 แนะนำ AI Builders Curriculum และวิธีการเข้าถึงบทเรียน
3:45 เปิด Google Colaboratory และติดตั้ง Package ที่ต้องใช้งาน
11:00 สร้างโมเดล image classification ภายในไม่กี่บรรทัดด้วย fastai
30:00 AI, ML, DL คืออะไร-เหมือนหรือต่างกันอย่างไร
36:49 Rule-based Systems vs Machine Learning Systems
40:40 ML model เรียนรู้ได้อย่างไร
50:52 Metrics and Splits
56:00 สร้างโมเดล image classification จากศูนย์ด้วย Pytorch และ Pytorch Ignite
56:35 Metrics
59:13 Datasets and Dataloaders
1:04:25 Architecture and Weights
1:05:25 Loss Function
1:07:47 Optimizer
1:08:03 Architecture as class
1:08:58 Training loop
1:09:53 Logger
1:11:45 Train the model
1:15:11 ดูผลด้วย Tensorboard
1:18:24 Text classification with WangchanBERTa
1:21:50 Text classification with logistic regression
1:25:05 Tabular data classification with xgboost
1:27:12 Tabular data classification with AutoGluon
1:29:36 Checkpoint ท้ายบท

--------------------------------------------------
AI Builders

โครงการสำหรับน้องๆมัธยมต้น-ปลาย ที่สนใจสร้างผลงานโดยใช้เทคนิคทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence)

โครงการ AI Builders ก่อตั้งขึ้นจากความร่วมมือระหว่าง VISTEC, AIResearch และ Central Digital เพื่อพัฒนาองค์ความรู้ทางด้านวิทยาศาสตร์ข้อมูล (Data Science) และปัญญาประดิษฐ์ (Artificial Intelligence / AI) ให้กับน้องๆระดับมัธยมต้น-ปลาย ที่สนใจอยากเรียนรู้และพัฒนาโครงงานที่ใช้ทักษะในด้านนี้เพื่อประยุกต์ใช้จริงในชีวิตประจำวัน ในปี 2022 เราได้รับการสนับสนุนเพิ่มเติมจาก VISAI, Krungsri Nimble, AWS, AIA, DELL และ Kasikorn Bank