[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
[![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)

[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
[![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/)
[![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)

### 🌐 การสนับสนุนหลายภาษา

#### สนับสนุนผ่าน GitHub Action (อัตโนมัติ & อัปเดตตลอดเวลา)

<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
[อาหรับ](../ar/README.md) | [เบงกาลี](../bn/README.md) | [บัลแกเรีย](../bg/README.md) | [พม่า (เมียนมา)](../my/README.md) | [จีน (ตัวย่อ)](../zh-CN/README.md) | [จีน (ตัวเต็ม, ฮ่องกง)](../zh-HK/README.md) | [จีน (ตัวเต็ม, มาเก๊า)](../zh-MO/README.md) | [จีน (ตัวเต็ม, ไต้หวัน)](../zh-TW/README.md) | [โครเอเชีย](../hr/README.md) | [เช็ก](../cs/README.md) | [เดนมาร์ก](../da/README.md) | [ดัตช์](../nl/README.md) | [เอสโตเนีย](../et/README.md) | [ฟินแลนด์](../fi/README.md) | [ฝรั่งเศส](../fr/README.md) | [เยอรมัน](../de/README.md) | [กรีก](../el/README.md) | [ฮีบรู](../he/README.md) | [ฮินดี](../hi/README.md) | [ฮังการี](../hu/README.md) | [อินโดนีเซีย](../id/README.md) | [อิตาลี](../it/README.md) | [ญี่ปุ่น](../ja/README.md) | [กันนาดา](../kn/README.md) | [เกาหลี](../ko/README.md) | [ลิทัวเนีย](../lt/README.md) | [มาเลย์](../ms/README.md) | [มาลายาลัม](../ml/README.md) | [มราฐี](../mr/README.md) | [เนปาล](../ne/README.md) | [ไนจีเรียน พิดจิน](../pcm/README.md) | [นอร์เวย์](../no/README.md) | [เปอร์เซีย (ฟาร์ซี)](../fa/README.md) | [โปแลนด์](../pl/README.md) | [โปรตุเกส (บราซิล)](../pt-BR/README.md) | [โปรตุเกส (โปรตุเกส)](../pt-PT/README.md) | [ปัญจาบ (กูรมุขี)](../pa/README.md) | [โรมาเนีย](../ro/README.md) | [รัสเซีย](../ru/README.md) | [เซอร์เบีย (ซีริลลิก)](../sr/README.md) | [สโลวัก](../sk/README.md) | [สโลวีเนีย](../sl/README.md) | [สเปน](../es/README.md) | [สวาฮิลี](../sw/README.md) | [สวีดิช](../sv/README.md) | [ทากาล็อก (ฟิลิปปินส์)](../tl/README.md) | [ทมิฬ](../ta/README.md) | [เทลูกู](../te/README.md) | [ไทย](./README.md) | [ตุรกี](../tr/README.md) | [ยูเครน](../uk/README.md) | [อูรดู](../ur/README.md) | [เวียดนาม](../vi/README.md)

> **ชอบโคลนในเครื่องไหม?**

> ที่เก็บนี้ประกอบด้วยการแปลภาษา 50+ ภาษา ซึ่งเพิ่มขนาดการดาวน์โหลดอย่างมาก หากต้องการโคลนโดยไม่รวบรวมการแปล ให้ใช้ sparse checkout:
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
> cd ML-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> วิธีนี้ให้คุณทุกอย่างที่จำเป็นสำหรับการเรียนหลักสูตรนี้ พร้อมการดาวน์โหลดที่รวดเร็วกว่าอย่างมาก
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->

#### เข้าร่วมชุมชนของเรา

[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)

เรามีซีรีส์เรียนรู้กับ AI บน Discord ดำเนินอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราที่ [ซีรีส์เรียนรู้กับ AI](https://aka.ms/learnwithai/discord) ระหว่างวันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคการใช้ GitHub Copilot สำหรับวิทยาศาสตร์ข้อมูล

![Learn with AI series](../../translated_images/th/3.9b58fd8d6c373c20.webp)

# การเรียนรู้เครื่องสำหรับผู้เริ่มต้น - หลักสูตรการเรียนการสอน

> 🌍 เดินทางไปทั่วโลกพร้อมสำรวจการเรียนรู้ของเครื่องผ่านวัฒนธรรมทั่วโลก 🌍

ทีม Cloud Advocates ของ Microsoft มีความยินดีที่จะนำเสนอหลักสูตร 12 สัปดาห์ 26 บทเรียนที่เกี่ยวกับ **การเรียนรู้ของเครื่อง** ในหลักสูตรนี้ คุณจะได้เรียนรู้เกี่ยวกับสิ่งที่บางครั้งเรียกว่า **การเรียนรู้ของเครื่องแบบคลาสสิก** โดยใช้ไลบรารี Scikit-learn เป็นหลักและหลีกเลี่ยงการเรียนรู้ลึก ซึ่งครอบคลุมในหลักสูตร [AI for Beginners' curriculum](https://aka.ms/ai4beginners) ของเรา จับคู่นี้กับหลักสูตรของเรา ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) ด้วย!

เดินทางกับเราไปรอบโลกโดยใช้เทคนิคคลาสสิกเหล่านี้กับข้อมูลจากหลายภูมิภาคของโลก แต่ละบทเรียนมีแบบทดสอบก่อนและหลังบทเรียน คำแนะนำเป็นลายลักษณ์อักษรเพื่อทำบทเรียนให้เสร็จสมบูรณ์ โซลูชัน งานมอบหมาย และอื่น ๆ วิธีการสอนแบบโครงการช่วยให้คุณเรียนรู้โดยการสร้าง ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าสามารถช่วยให้ทักษะใหม่ๆ ติดตัวได้

**✍️ ขอบคุณจากใจถึงผู้เขียน** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu และ Amy Boyd

**🎨 ขอบคุณผู้วาดภาพประกอบ** Tomomi Imura, Dasani Madipalli และ Jen Looper

**🙏 ขอขอบคุณเป็นพิเศษ 🙏 แก่ Microsoft Student Ambassador ผู้เขียน ผู้ตรวจสอบ และผู้ดำเนินเนื้อหา** โดยเฉพาะ Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila และ Snigdha Agarwal

**🤩 ขอบคุณเพิ่มเติม Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi และ Vidushi Gupta สำหรับบทเรียน R ของเรา!**

# เริ่มต้นใช้งาน

ทำตามขั้นตอนเหล่านี้:
1. **ฟอร์กที่เก็บนี้:** คลิกปุ่ม "Fork" ที่มุมขวาบนของหน้านี้
2. **โคลนที่เก็บนี้:** `git clone https://github.com/microsoft/ML-For-Beginners.git`

> [ค้นหาทรัพยากรเพิ่มเติมทั้งหมดสำหรับหลักสูตรนี้ได้ในคอลเลกชัน Microsoft Learn ของเรา](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)

> 🔧 **ต้องการความช่วยเหลือ?** ดูคำแนะนำของเราใน [คู่มือแก้ไขปัญหา](TROUBLESHOOTING.md) สำหรับวิธีแก้ปัญหาที่พบบ่อยเกี่ยวกับการติดตั้ง การตั้งค่า และการรันบทเรียน


**[นักเรียน](https://aka.ms/student-page)** เพื่อใช้หลักสูตรนี้ ให้ฟอร์กที่เก็บทั้งหมดไปยังบัญชี GitHub ของคุณเองและทำแบบฝึกหัดด้วยตัวเองหรือกับกลุ่ม:

- เริ่มด้วยแบบทดสอบก่อนบรรยาย
- อ่านบรรยายและทำกิจกรรมให้เสร็จสมบูรณ์ โดยหยุดพักและสะท้อนความรู้ในแต่ละจุดตรวจความรู้
- พยายามสร้างโครงการโดยเข้าใจบทเรียน แทนการรันโค้ดในโซลูชัน อย่างไรก็ตาม โค้ดนั้นมีให้ในโฟลเดอร์ `/solution` ในแต่ละบทเรียนแบบโครงการ
- ทำแบบทดสอบหลังบรรยาย
- ทำภารกิจให้เสร็จ
- ทำงานที่ได้รับมอบหมายให้เสร็จ
- หลังจากทำกลุ่มบทเรียนเสร็จเยี่ยมชม [กระดานพูดคุย](https://github.com/microsoft/ML-For-Beginners/discussions) และ "เรียนรู้ด้วยเสียงดัง" โดยกรอก PAT rubric ที่เหมาะสม 'PAT' คือเครื่องมือประเมินความก้าวหน้าที่คุณกรอกเพื่อเพิ่มพูนการเรียนรู้ คุณยังสามารถทำปฏิกิริยากับ PATs อื่นๆ เพื่อให้เราเรียนรู้ไปด้วยกัน

> สำหรับการศึกษาต่อ เราแนะนำให้ติดตามโมดูลและเส้นทางการเรียนรู้ของ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott)

**ครูผู้สอน** เราได้ [แนะแนวบางอย่าง](for-teachers.md) เกี่ยวกับวิธีการใช้หลักสูตรนี้ไว้ให้แล้ว

---

## วิดีโอแนะนำ

บทเรียนบางบทเรียนมีในรูปแบบวิดีโอสั้น คุณสามารถหาวิดีโอทั้งหมดได้ในบทเรียน หรือใน [เพลย์ลิสต์ ML for Beginners บนช่อง YouTube Microsoft Developer](https://aka.ms/ml-beginners-videos) โดยคลิกที่ภาพด้านล่าง

[![ML for beginners banner](../../translated_images/th/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)

---

## รู้จักทีมงาน

[![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU)

**ภาพเคลื่อนไหวโดย** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)

> 🎥 คลิกภาพด้านบนเพื่อชมวิดีโอเกี่ยวกับโครงการและผู้ที่สร้างมันขึ้นมา!

---

## วิธีการสอน

เราเลือกสองหลักการทางการสอนในการสร้างหลักสูตรนี้: ให้เป็นหลักสูตรที่ใช้งานจริงแบบ **โครงการ** และมี **แบบทดสอบบ่อยๆ** นอกจากนี้ หลักสูตรนี้มี **ธีม** ร่วมเพื่อเพิ่มความสัมพันธ์กัน

โดยการทำให้เนื้อหาสอดคล้องกับโครงการ กระบวนการเรียนรู้จะน่าสนใจมากขึ้นสำหรับนักเรียน และช่วยเพิ่มการจดจำแนวคิด นอกจากนี้ แบบทดสอบแบบความเสี่ยงต่ำก่อนเรียนจะตั้งเป้าหมายให้นักเรียนมุ่งมั่นกับการเรียนรู้หัวข้อนั้นๆ ขณะที่แบบทดสอบหลังเรียนจะช่วยยืนยันการจดจำ เนื้อหานี้ออกแบบให้ยืดหยุ่นและสนุกสนาน สามารถเรียนทั้งหลักสูตรหรือบางส่วนได้ โครงการต่าง ๆ เริ่มจากขั้นพื้นฐานและซับซ้อนขึ้นเรื่อย ๆ ในช่วง 12 สัปดาห์ นอกจากนี้หลักสูตรจะมีบทเสริมเกี่ยวกับการประยุกต์ใช้ ML ในโลกจริง ซึ่งสามารถใช้เป็นคะแนนพิเศษหรือจุดเริ่มต้นในการสนทนาได้

> ค้นหา [จรรยาบรรณของเรา](CODE_OF_CONDUCT.md), [การมีส่วนร่วม](CONTRIBUTING.md), [การแปล](TRANSLATIONS.md), และ [คู่มือแก้ไขปัญหา](TROUBLESHOOTING.md) เรายินดีรับข้อเสนอแนะในทางสร้างสรรค์จากคุณ!

## ในแต่ละบทเรียนประกอบด้วย

- สเก็ตช์โน้ต (ไม่บังคับ)
- วิดีโอเสริม (ไม่บังคับ)
- วิดีโอแนะนำ (เฉพาะบางบทเรียน)
- [แบบทดสอบวอร์มอัพก่อนบรรยาย](https://ff-quizzes.netlify.app/en/ml/)
- บทเรียนที่เขียนไว้
- สำหรับบทเรียนแบบโครงการ มีคำแนะนำทีละขั้นตอนในการสร้างโครงการ
- ตรวจสอบความรู้
- ความท้าทาย
- การอ่านเสริม
- งานมอบหมาย
- [แบบทดสอบหลังบรรยาย](https://ff-quizzes.netlify.app/en/ml/)

> **หมายเหตุเกี่ยวกับภาษา**: บทเรียนเหล่านี้เขียนเป็นหลักในภาษา Python แต่หลายบทก็มีในภาษา R ด้วย หากต้องการทำบทเรียน R ให้ไปที่โฟลเดอร์ `/solution` และค้นหาบทเรียน R ซึ่งจะมีนามสกุล .rmd ที่หมายถึงไฟล์ **R Markdown** ซึ่งเป็นเอกสารที่ฝัง `code chunks` (ของภาษา R หรือภาษาอื่น ๆ) และ `YAML header` (ที่กำหนดวิธีการจัดรูปแบบผลลัพธ์ เช่น PDF) ไว้ใน `Markdown document` ดังนั้นจึงเป็นกรอบการเขียนที่ดีเยี่ยมสำหรับวิทยาศาสตร์ข้อมูลเพราะช่วยให้คุณสามารถรวมโค้ด ผลลัพธ์ และความคิดของคุณด้วยการเขียนลงใน Markdown อีกทั้งเอกสาร R Markdown สามารถเรนเดอร์เป็นรูปแบบเอาต์พุต เช่น PDF, HTML หรือ Word ได้ด้วย.
> **หมายเหตุเกี่ยวกับแบบทดสอบ**: แบบทดสอบทั้งหมดถูกรวบรวมไว้ใน [โฟลเดอร์ Quiz App](../../quiz-app) โดยมีแบบทดสอบทั้งหมด 52 ชุด ชุดละ 3 คำถาม สามารถเข้าถึงได้จากบทเรียนต่าง ๆ แต่แอปแบบทดสอบสามารถรันได้ในเครื่อง ทำตามคำแนะนำในโฟลเดอร์ `quiz-app` เพื่อโฮสต์แบบทดสอบในเครื่องหรือเผยแพร่บน Azure

| Lesson Number |                             Topic                              |                   Lesson Grouping                   | Learning Objectives                                                                                                             |                                                              Linked Lesson                                                               |                        Author                        |
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|      01       |                บทนำสู่การเรียนรู้ของเครื่อง                  |      [Introduction](1-Introduction/README.md)       | เรียนรู้แนวคิดพื้นฐานเบื้องหลังการเรียนรู้ของเครื่อง                                                                        |                                             [Lesson](1-Introduction/1-intro-to-ML/README.md)                                             |                       Muhammad                       |
|      02       |                ประวัติของการเรียนรู้ของเครื่อง                |      [Introduction](1-Introduction/README.md)       | เรียนรู้ประวัติที่อยู่เบื้องหลังสาขานี้                                                                                       |                                            [Lesson](1-Introduction/2-history-of-ML/README.md)                                            |                     Jen and Amy                      |
|      03       |                 ความเป็นธรรมและการเรียนรู้ของเครื่อง          |      [Introduction](1-Introduction/README.md)       | ประเด็นทางปรัชญาสำคัญเกี่ยวกับความเป็นธรรมที่นักเรียนควรพิจารณาเมื่อสร้างและประยุกต์ใช้โมเดล ML                      |                                              [Lesson](1-Introduction/3-fairness/README.md)                                               |                        Tomomi                        |
|      04       |                เทคนิคสำหรับการเรียนรู้ของเครื่อง              |      [Introduction](1-Introduction/README.md)       | นักวิจัย ML ใช้เทคนิคอะไรในการสร้างโมเดล ML?                                                                                  |                                          [Lesson](1-Introduction/4-techniques-of-ML/README.md)                                           |                    Chris and Jen                     |
|      05       |                   บทนำสู่การถดถอย                            |        [Regression](2-Regression/README.md)         | เริ่มต้นกับ Python และ Scikit-learn สำหรับโมเดลถดถอย                                                                          |         [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)         |      Jen • Eric Wanjau       |
|      06       |                ราคาฟักทองในอเมริกาเหนือ 🎃                     |        [Regression](2-Regression/README.md)         | แสดงผลและทำความสะอาดข้อมูลเพื่อเตรียมข้อมูลสำหรับ ML                                                                         |          [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html)          |      Jen • Eric Wanjau       |
|      07       |                ราคาฟักทองในอเมริกาเหนือ 🎃                     |        [Regression](2-Regression/README.md)         | สร้างโมเดลถดถอยเชิงเส้นและโพลิโนเมียล                                                                                      |        [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)        |      Jen and Dmitry • Eric Wanjau       |
|      08       |                ราคาฟักทองในอเมริกาเหนือ 🎃                     |        [Regression](2-Regression/README.md)         | สร้างโมเดลถดถอยโลจิสติก                                                                                                |     [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)      |      Jen • Eric Wanjau       |
|      09       |                          เว็บแอป 🔌                           |           [Web App](3-Web-App/README.md)            | สร้างเว็บแอปเพื่อใช้โมเดลที่ฝึกสอน                                                                                           |                                                 [Python](3-Web-App/1-Web-App/README.md)                                                  |                         Jen                          |
|      10       |                 บทนำสู่การจัดประเภท                           |    [Classification](4-Classification/README.md)     | ทำความสะอาด เตรียมและแสดงข้อมูลของคุณ; บทนำสู่การจัดประเภท                                                                 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html)  | Jen and Cassie • Eric Wanjau |
|      11       |             อาหารเอเชียและอินเดียอร่อย ๆ 🍜                   |    [Classification](4-Classification/README.md)     | บทนำสู่ตัวจัดประเภท                                                                                                           | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau |
|      12       |             อาหารเอเชียและอินเดียอร่อย ๆ 🍜                   |    [Classification](4-Classification/README.md)     | ตัวจัดประเภทเพิ่มเติม                                                                                                          | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau |
|      13       |             อาหารเอเชียและอินเดียอร่อย ๆ 🍜                   |    [Classification](4-Classification/README.md)     | สร้างเว็บแอปแนะนำโดยใช้โมเดลของคุณ                                                                                         |                                              [Python](4-Classification/4-Applied/README.md)                                              |                         Jen                          |
|      14       |                   บทนำสู่การจัดกลุ่ม                           |        [Clustering](5-Clustering/README.md)         | ทำความสะอาด เตรียมและแสดงข้อมูลของคุณ; บทนำสู่การจัดกลุ่ม                                                                  |         [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html)         |      Jen • Eric Wanjau       |
|      15       |              สำรวจรสนิยมดนตรีของไนจีเรีย 🎧                   |        [Clustering](5-Clustering/README.md)         | สำรวจวิธีการจัดกลุ่ม K-Means                                                                                                |           [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html)           |      Jen • Eric Wanjau       |
|      16       |        บทนำสู่การประมวลผลภาษาธรรมชาติ ☕️                     |   [Natural language processing](6-NLP/README.md)    | เรียนรู้พื้นฐานเกี่ยวกับ NLP โดยการสร้างบอทง่าย ๆ                                                                          |                                             [Python](6-NLP/1-Introduction-to-NLP/README.md)                                              |                       Stephen                        |
|      17       |                      งาน NLP ที่พบบ่อย ☕️                     |   [Natural language processing](6-NLP/README.md)    | เจาะลึกความรู้ด้าน NLP โดยเข้าใจงานที่พบได้บ่อยเมื่อจัดการกับโครงสร้างภาษา                                                 |                                                    [Python](6-NLP/2-Tasks/README.md)                                                     |                       Stephen                        |
|      18       |             การแปลและการวิเคราะห์ความรู้สึก ♥️               |   [Natural language processing](6-NLP/README.md)    | การแปลและวิเคราะห์ความรู้สึกกับ Jane Austen                                                                                 |                                            [Python](6-NLP/3-Translation-Sentiment/README.md)                                             |                       Stephen                        |
|      19       |                  โรงแรมโรแมนติกในยุโรป ♥️                     |   [Natural language processing](6-NLP/README.md)    | การวิเคราะห์ความรู้สึกกับรีวิวโรงแรม 1                                                                                       |                                               [Python](6-NLP/4-Hotel-Reviews-1/README.md)                                                |                       Stephen                        |
|      20       |                  โรงแรมโรแมนติกในยุโรป ♥️                     |   [Natural language processing](6-NLP/README.md)    | การวิเคราะห์ความรู้สึกกับรีวิวโรงแรม 2                                                                                       |                                               [Python](6-NLP/5-Hotel-Reviews-2/README.md)                                                |                       Stephen                        |
|      21       |            บทนำสู่การพยากรณ์ลำดับเวลา                         |        [Time series](7-TimeSeries/README.md)        | บทนำสู่การพยากรณ์ลำดับเวลา                                                                                                  |                                             [Python](7-TimeSeries/1-Introduction/README.md)                                              |                      Francesca                       |
|      22       | ⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์ลำดับเวลากับ ARIMA        |        [Time series](7-TimeSeries/README.md)        | การพยากรณ์ลำดับเวลากับ ARIMA                                                                                                |                                                 [Python](7-TimeSeries/2-ARIMA/README.md)                                                 |                      Francesca                       |
|      23       |  ⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์ลำดับเวลากับ SVR          |        [Time series](7-TimeSeries/README.md)        | การพยากรณ์ลำดับเวลากับ Support Vector Regressor                                                                             |                                                  [Python](7-TimeSeries/3-SVR/README.md)                                                  |                       Anirban                        |
|      24       |             บทนำสู่การเรียนรู้ด้วยการเสริมแรง                 | [Reinforcement learning](8-Reinforcement/README.md) | บทนำสู่การเรียนรู้ด้วยการเสริมแรงด้วย Q-Learning                                                                            |                                             [Python](8-Reinforcement/1-QLearning/README.md)                                              |                        Dmitry                        |
|      25       |                 ช่วยปีเตอร์หลีกเลี่ยงหมาป่า! 🐺               | [Reinforcement learning](8-Reinforcement/README.md) | การเรียนรู้ด้วยการเสริมแรงในยิม                                                                                            |                                                [Python](8-Reinforcement/2-Gym/README.md)                                                 |                        Dmitry                        |
|  บทส่งท้าย   |            กรณีศึกษาจริงและการประยุกต์ใช้ ML                  |      [ML in the Wild](9-Real-World/README.md)       | การประยุกต์ใช้ ML คลาสสิกที่น่าสนใจและเปิดเผยในชีวิตจริง                                                                   |                                             [Lesson](9-Real-World/1-Applications/README.md)                                              |                         Team                         |
|  บทส่งท้าย   |            การดีบักโมเดล ML ด้วย RAI dashboard                 |      [ML in the Wild](9-Real-World/README.md)       | การดีบักโมเดล Machine Learning ด้วยส่วนประกอบ Responsible AI dashboard                                                      |                                             [Lesson](9-Real-World/2-Debugging-ML-Models/README.md)                                              |                         Ruth Yakubu                       |

> [ค้นหาทรัพยากรเพิ่มเติมทั้งหมดสำหรับหลักสูตรนี้ได้ในคอลเลกชัน Microsoft Learn ของเรา](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)

## การเข้าถึงแบบออฟไลน์

คุณสามารถรันเอกสารนี้แบบออฟไลน์โดยใช้ [Docsify](https://docsify.js.org/#/). Fork รีโปนี้, [ติดตั้ง Docsify](https://docsify.js.org/#/quickstart) บนเครื่องของคุณ จากนั้นในโฟลเดอร์รากของรีโปนี้ พิมพ์ `docsify serve` เว็บไซต์จะถูกให้บริการผ่านพอร์ต 3000 บนเครื่องของคุณ: `localhost:3000`.

## ไฟล์ PDF

ค้นหาไฟล์ pdf ของหลักสูตรพร้อมลิงก์ [ที่นี่](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).


## 🎒 หลักสูตรอื่น ๆ

ทีมงานของเรามีหลักสูตรอื่น ๆ ด้วย! ตรวจสอบได้ที่:

<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---

### Azure / Edge / MCP / Agents
[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)

---
 
### Generative AI Series
[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)

---
 
### การเรียนรู้หลัก
[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)

---
 
### ชุดเรื่อง Copilot
[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->

## การขอความช่วยเหลือ

หากคุณติดขัดหรือมีคำถามเกี่ยวกับการพัฒนาแอป AI เข้าร่วมกับผู้เรียนและนักพัฒนาที่มีประสบการณ์ในการสนทนาเกี่ยวกับ MCP นี่คือชุมชนที่ให้การสนับสนุนซึ่งคำถามได้รับการต้อนรับและแบ่งปันความรู้กันอย่างเสรี

[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)

หากคุณมีคำติชมเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดในขณะพัฒนาโปรดเยี่ยมชม:

[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**ข้อจำกัดความรับผิดชอบ**:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาด้วยปัญญาประดิษฐ์ [Co-op Translator](https://github.com/Azure/co-op-translator) แม้เราจะพยายามให้ความถูกต้องสูงสุด แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความคลาดเคลื่อน เอกสารต้นฉบับในภาษาดั้งเดิมถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ควรใช้บริการแปลโดยมนุษย์มืออาชีพ เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดขึ้นจากการใช้การแปลนี้
<!-- CO-OP TRANSLATOR DISCLAIMER END -->