ปัญญาประดิษฐ์

Machine Learning คืออะไร 

• การเขียนโปรแกรมให้คอมพิวเตอร์ทำงานอัตโนมัติ 

• ทคโนโลยีที่ทำให้คอมพิวเตอร์สามารถคิดเหมือนมนุษย์ได้ทุกอย่าง

• การสร้างฐานข้อมูลขนาดใหญ่เพื่อวิเคราะห์ข้อมูล

• การใช้ข้อมูลและอัลกอริทึมเพื่อให้คอมพิวเตอร์เรียนรู้ โดยที่มนุษย์อย่างเราไม่ต้องเขียนโปรแกรมมากนัก

หลักการทำงานเบื้องต้นของ Machine Learning มีกี่ขั้นตอน อะไรบ้าง

• 2 ขั้นตอน: เก็บข้อมูล และวิเคราะห์ข้อมูล

• 3 ขั้นตอน: เก็บข้อมูล, เรียนรู้ และทดสอบโมเดล (ทำนาย)

• 4 ขั้นตอน: เก็บข้อมูล, เตรียมข้อมูล, ฝึกฝนโมเดล และทดสอบโมเดล 

• 5 ขั้นตอน: เก็บข้อมูล, เตรียมข้อมูล, เลือกอัลกอริทึม, ฝึกฝนโมเดล และทดสอบโมเดล (ทำนาย)

ประเภทของ Machine Learning มีกี่ประเภทอะไรบ้าง

•  2 ประเภท: Supervised Learning และ Unsupervised Learning

• 3 ประเภท: Supervised Learning, Unsupervised Learning และ Reinforcement Learning 

• 4 ประเภท: Supervised Learning, Unsupervised Learning, Reinforcement Learning และ Deep Learning 

• 5 ประเภท: Supervised Learning, Unsupervised Learning, Reinforcement Learning, Deep Learning และ Tran

Supervised Learning คืออะไร

• การเรียนรู้โดยใช้ข้อมูลที่มี Input และ Output ที่ถูกต้อง

• การเรียนรู้โดยไม่มีข้อมูล Label

• การเรียนรู้โดยการลองผิดลองถูก

• การเรียนรู้โดยการจัดกลุ่มข้อมูล

ข้อใดเป็นตัวอย่างของการใช้ Reinforcement Learning

• การแยกประเภทรูปภาพ

• การวิเคราะห์ความรู้สึกจากข้อความ

• การฝึกหุ่นยนต์ให้เดินได้

• การจัดกลุ่มลูกค้า

ข้อใดต่อไปนี้เป็นตัวอย่างของปัญหาที่เหมาะสมกับการใช้ Unsupervised Learning

• การทำนายผลการสอบของนักเรียน

• การแบ่งกลุ่มลูกค้าออกเป็นกลุ่มย่อยตามพฤติกรรมการซื้อ

• การสร้างระบบแนะนำสินค้า

• การควบคุมหุ่นยนต์ให้เดินตามเส้น

Reinforcement Learning แตกต่างจาก Supervised Learning อย่างไร

• Reinforcement Learning ไม่ต้องการข้อมูลป้อนเข้า

• Reinforcement Learning เรียนรู้จากการโต้ตอบกับสภาพแวดล้อม

• Reinforcement Learning มุ่งเน้นการค้นหาผลลัพธ์ที่ดีที่สุด

• ถูกทั้งข้อ ข และ ค

ข้อใดเป็นการประยุกต์ใช้ Reinforcement Learning ในชีวิตจริง

• การแนะนำสินค้าให้ลูกค้า

• การวินิจฉัยโรคจากภาพเอกซเรย์

• การควบคุมระบบจราจรอัจฉริยะ

• การแปลภาษาอัตโนมัติ