Supervised Machine Learning with Logistic Regression and Naive Bayes

การทำความเข้าใจว่าเครื่องจักรเรียนรู้จากข้อมูลที่มีการระบุป้ายกำกับ (labeled data) อย่างไร เป็นก้าวแรกสู่อาชีพด้านวิทยาศาสตร์ข้อมูลและปัญญาประดิษฐ์ คอร์สนี้มอบแนวทางที่ชัดเจนในการเรียนรู้แบบมีผู้สอน (supervised learning) โดยเน้นไปที่อัลกอริทึมที่น่าเชื่อถือและใช้งานแพร่หลายที่สุดสองตัวสำหรับงานจำแนกประเภท คุณจะได้พัฒนาพื้นฐานที่แข็งแกร่งในด้าน supervised learning โดยเปลี่ยนจากแนวคิดทางทฤษฎีไปสู่การปฏิบัติจริงด้วยเครื่องมือข้อมูลสมัยใหม่ เมื่อจบคอร์สนี้ คุณจะมีทักษะในการสร้าง ประเมิน และปรับปรุงโมเดลพยากรณ์ของคุณเอง สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจขั้นตอนการทำงานหลักของ supervised machine learning ตั้งแต่การเตรียมข้อมูลจนถึงการทำนาย - ประยุกต์ใช้ logistic regression เพื่อแก้ปัญหาการจำแนกประเภทแบบสองคลาสในโลกจริง - ใช้งาน Naive Bayes สำหรับงานเชิงน่าจะเป็น เช่น การกรองข้อความและการจัดหมวดหมู่ - ประเมินความแม่นยำของโมเดลโดยใช้เมตริกประสิทธิภาพสมัยใหม่และ confusion matrix - ฝึกฝนการจัดการข้อมูลโดยใช้ไลบรารี dataframe สมัยใหม่และเทคนิคการเตรียมข้อมูล - สำรวจแนวคิด MLOps พื้นฐานเพื่อทำความเข้าใจวงจรชีวิตของโมเดล machine learning คอร์สนี้เริ่มต้นด้วยคำศัพท์ที่จำเป็นและแนวคิดพื้นฐาน ก่อนจะเจาะลึกกลไกของแต่ละอัลกอริทึมผ่านคำอธิบายที่เป็นลายลักษณ์อักษรที่ชัดเจนและแบบฝึกหัดที่ใช้โค้ด คุณจะได้เรียนรู้การตีความผลลัพธ์และปรับปรุงประสิทธิภาพของโมเดลผ่านการทดสอบแบบทำซ้ำ คอร์สนี้ออกแบบมาสำหรับผู้เริ่มต้นอย่างแท้จริงที่ต้องการเข้าใจเบื้องหลังตรรกะของ machine learning โดยไม่ต้องมีพื้นฐานทางคณิตศาสตร์ที่ลึกซึ้ง ไม่จำเป็นต้องมีประสบการณ์มาก่อน เริ่มต้นเรียนรู้ supervised machine learning ผ่านคำแนะนำที่เป็นลายลักษณ์อักษรที่ชัดเจนได้แล้ววันนี้