[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [](http://makeapullrequest.com) [](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [](https://GitHub.com/microsoft/ML-For-Beginners/network/) [](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 รองรับหลายภาษา #### รองรับโดย GitHub Action (อัตโนมัติและปรับปรุงอยู่เสมอ) [อาหรับ](../ar/README.md) | [เบงกาลี](../bn/README.md) | [บัลแกเรีย](../bg/README.md) | [พม่า (เมียนมา)](../my/README.md) | [จีน (ตัวย่อ)](../zh/README.md) | [จีน (ตัวเต็ม, ฮ่องกง)](../hk/README.md) | [จีน (ตัวเต็ม, มาเก๊า)](../mo/README.md) | [จีน (ตัวเต็ม, ไต้หวัน)](../tw/README.md) | [โครเอเชีย](../hr/README.md) | [เช็ก](../cs/README.md) | [เดนมาร์ก](../da/README.md) | [ดัตช์](../nl/README.md) | [เอสโตเนีย](../et/README.md) | [ฟินนิช](../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) | [นาอิเจอเรีย พิดจิน](../pcm/README.md) | [นอร์เวย์](../no/README.md) | [เปอร์เซีย (ฟาร์ซี)](../fa/README.md) | [โปแลนด์](../pl/README.md) | [โปรตุเกส (บราซิล)](../br/README.md) | [โปรตุเกส (โปรตุเกส)](../pt/README.md) | [ปัญจาบ (กุรมุกี)](../pa/README.md) | [โรมาเนีย](../ro/README.md) | [รัสเซีย](../ru/README.md) | [เซอร์เบีย (คีริลลิก)](../sr/README.md) | [สโลวัค](../sk/README.md) | [สโลวีเนีย](../sl/README.md) | [สเปน](../es/README.md) | [สวาฮีลี](../sw/README.md) | [สวีเดน](../sv/README.md) | [ตากาล็อก (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) #### เข้าร่วมชุมชนของเรา [](https://discord.gg/nTYy5BXMWG) เรามีซีรีส์ Learn with AI บน Discord กำลังดำเนินการ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราที่ [Learn with AI Series](https://aka.ms/learnwithai/discord) ระหว่างวันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและทริคในการใช้ GitHub Copilot สำหรับ Data Science  # การเรียนรู้ของเครื่องสำหรับผู้เริ่มต้น - หลักสูตร > 🌍 ท่องเที่ยวรอบโลกขณะที่เราสำรวจการเรียนรู้ของเครื่องผ่านวัฒนธรรมต่าง ๆ ของโลก 🌍 Cloud Advocates ที่ Microsoft ยินดีนำเสนอหลักสูตร 12 สัปดาห์ มี 26 บทเรียน ทั้งหมดเกี่ยวกับ **Machine Learning** ในหลักสูตรนี้ คุณจะได้เรียนรู้สิ่งที่บางครั้งเรียกว่า **classic machine learning** โดยใช้ไลบรารีหลักเป็น Scikit-learn และหลีกเลี่ยง deep learning ซึ่งครอบคลุมใน [AI for Beginners' curriculum](https://aka.ms/ai4beginners) ของเรา ผสมผสานบทเรียนเหล่านี้กับ ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) ของเราได้ด้วยเช่นกัน เดินทางไปกับเราไปรอบโลกขณะที่เราใช้เทคนิคคลาสสิกเหล่านี้กับข้อมูลจากหลายพื้นที่ของโลก แต่ละบทเรียนประกอบด้วยแบบทดสอบก่อนและหลังบทเรียน คำแนะนำเป็นลายลักษณ์อักษรเพื่อทำบทเรียน คำตอบ ตัวอย่างงาน และอื่น ๆ การสอนแบบโครงการของเราช่วยให้คุณเรียนรู้ขณะสร้างงาน ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าทักษะใหม่ ๆ จะ "ติด" ได้ดี **✍️ ขอบคุณอย่างจริงใจต่อผู้เขียนของเรา** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd **🎨 ขอบคุณแก่ผู้วาดภาพประกอบของเรา** Tomomi Imura, Dasani Madipalli, และ Jen Looper **🙏 ขอบคุณเป็นพิเศษ 🙏 แก่ Microsoft Student Ambassador ผู้เขียน ผู้ตรวจทาน และผู้ให้เนื้อหา** โดยเฉพาะ Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, และ Snigdha Agarwal **🤩 ขอบคุณเป็นพิเศษแก่ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, และ Vidushi Gupta สำหรับบทเรียน R ของเรา!** # เริ่มต้นใช้งาน ทำตามขั้นตอนเหล่านี้: 1. **Fork the Repository**: คลิกที่ปุ่ม "Fork" ที่มุมบนขวาของหน้านี้ 2. **Clone the Repository**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [ค้นหาแหล่งข้อมูลเพิ่มเติมสำหรับหลักสูตรนี้ทั้งหมดในชุดการเรียนรู้ Microsoft Learn ของเรา](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > 🔧 **ต้องการความช่วยเหลือหรือไม่?** ตรวจสอบ [Troubleshooting Guide](TROUBLESHOOTING.md) ของเราสำหรับวิธีแก้ไขปัญหาทั่วไปเกี่ยวกับการติดตั้ง การตั้งค่า และการรันบทเรียน **[นักเรียน](https://aka.ms/student-page)** ในการใช้หลักสูตรนี้ ให้ fork รีโพทั้งหมดไปยังบัญชี GitHub ของคุณเองและทำแบบฝึกหัดด้วยตัวเองหรือเป็นกลุ่ม: - เริ่มจากแบบทดสอบก่อนบรรยาย - อ่านบรรยายและทำกิจกรรมให้เสร็จ หยุดและไตร่ตรองที่แต่ละการตรวจสอบความรู้ - พยายามสร้างโปรเจกต์โดยเข้าใจบทเรียนแทนการรันโค้ดตัวอย่าง; อย่างไรก็ตาม โค้ดนั้นมีให้ในโฟลเดอร์ `/solution` ในแต่ละบทเรียนที่เน้นโปรเจกต์ - ทำแบบทดสอบหลังบรรยาย - ทำความท้าทาย - ทำการบ้าน - หลังจากทำกลุ่มบทเรียนเสร็จ เยี่ยมชม [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) และ "เรียนออกเสียง" โดยกรอก PAT rubric ที่เหมาะสม 'PAT' คือ Progress Assessment Tool ซึ่งเป็นรูบริกที่คุณกรอกเพื่อเสริมการเรียนรู้ของคุณ คุณยังสามารถแสดงปฏิกิริยาต่อ PAT ของผู้อื่นเพื่อให้เราเรียนรู้ร่วมกันได้ > สำหรับการเรียนรู้เพิ่มเติม เราแนะนำให้ติดตามโมดูลและเส้นทางการเรียนรู้เหล่านี้ใน [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) **ครู/อาจารย์**, เราได้ [รวมคำแนะนำบางส่วน](for-teachers.md) เกี่ยวกับวิธีการใช้หลักสูตรนี้ --- ## วิดีโอแนะนำ บทเรียนบางบทมีให้เป็นวิดีโอสั้น ๆ คุณสามารถหาได้ในบทเรียนโดยตรง หรือบน [เพลย์ลิสต์ ML for Beginners บนช่อง Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) โดยคลิกที่รูปด้านล่าง [](https://aka.ms/ml-beginners-videos) --- ## พบทีมงาน [](https://youtu.be/Tj1XWrDSYJU) **Gif โดย** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 คลิกที่รูปด้านบนเพื่อดูวิดีโอเกี่ยวกับโครงการและทีมผู้สร้าง! --- ## แนวการสอน เราเลือกสองหลักการสอนในการสร้างหลักสูตรนี้: ให้เป็นแบบปฏิบัติจริง **อิงโปรเจกต์** และมี **แบบทดสอบบ่อยครั้ง** นอกจากนี้ หลักสูตรนี้ยังมี **ธีม** ร่วมกันเพื่อให้มีความสอดคล้อง โดยการทำให้เนื้อหาสอดคล้องกับโปรเจกต์ กระบวนการจะน่าสนใจกว่าสำหรับผู้เรียนและช่วยเพิ่มการจำแนวคิด ยิ่งไปกว่านั้น แบบทดสอบที่ไม่มีความเสี่ยงก่อนชั้นเรียนจะช่วยตั้งเจตนารมณ์ของผู้เรียนในการเรียนรู้หัวข้อ ส่วนแบบทดสอบหลังชั้นเรียนจะช่วยยืนยันการจดจำเพิ่มเติม หลักสูตรนี้ออกแบบมาให้ยืดหยุ่นและสนุก และสามารถเรียนทั้งหมดหรือเป็นบางส่วนได้ โครงการเริ่มจากเล็กและซับซ้อนขึ้นเรื่อย ๆ จนสิ้นสุดรอบ 12 สัปดาห์ หลักสูตรนี้ยังรวมตอนพิเศษเกี่ยวกับการประยุกต์ใช้ ML ในโลกจริง ซึ่งสามารถใช้เป็นเครดิตพิเศษหรือเป็นฐานสำหรับการอภิปราย > ค้นหา [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md), และแนวทาง [Troubleshooting](TROUBLESHOOTING.md) ของเรา เรายินดีรับข้อเสนอแนะเชิงสร้างสรรค์ของคุณ! ## แต่ละบทเรียนประกอบด้วย - สเก็ตช์โน้ต (ไม่บังคับ) - วิดีโอเสริม (ไม่บังคับ) - วิดีโอสาธิต (เฉพาะบางบทเรียน) - [แบบทดสอบอุ่นเครื่องก่อนบรรยาย](https://ff-quizzes.netlify.app/en/ml/) - บทเรียนเป็นลายลักษณ์อักษร - สำหรับบทเรียนแบบโปรเจกต์ มีคำแนะนำทีละขั้นตอนเกี่ยวกับวิธีสร้างโปรเจกต์ - แบบทดสอบความรู้ย่อย - ความท้าทาย - การอ่านเสริม - การบ้าน - [แบบทดสอบหลังบรรยาย](https://ff-quizzes.netlify.app/en/ml/) > **หมายเหตุเกี่ยวกับภาษา**: บทเรียนเหล่านี้เขียนเป็นหลักใน Python แต่หลายบทเรียนก็มีใน R ด้วย หากต้องการทำบทเรียน R ให้ไปที่โฟลเดอร์ `/solution` แล้วค้นหาบทเรียน R พวกมันมีนามสกุล .rmd ซึ่งเป็นไฟล์ **R Markdown** ซึ่งสามารถนิยามได้ง่าย ๆ ว่าเป็นการฝัง `code chunks` (ของ R หรือภาษาอื่น ๆ) และ `YAML header` (ที่ชี้แนะวิธีการจัดรูปแบบผลลัพธ์ เช่น PDF) ใน `Markdown document` ดังนั้น มันจึงทำหน้าที่เป็นกรอบการเขียนตัวอย่างสำหรับงานข้อมูล เพราะอนุญาตให้คุณรวมโค้ด ผลลัพธ์ และความคิดของคุณโดยเขียนลงใน Markdown ยิ่งไปกว่านั้น เอกสาร R Markdown สามารถเรนเดอร์เป็นรูปแบบเอาต์พุตเช่น PDF, HTML, หรือ Word ได้ > **หมายเหตุเกี่ยวกับแบบทดสอบ**: แบบทดสอบทั้งหมดอยู่ใน [Quiz App folder](../../quiz-app), รวมทั้งหมด 52 แบบทดสอบ แต่ละแบบมีสามคำถาม พวกมันลิงก์จากภายในบทเรียน แต่แอปแบบทดสอบสามารถรันได้ในเครื่อง; ทำตามคำแนะนำในโฟลเดอร์ `quiz-app` เพื่อโฮสต์ในเครื่องหรือปรับใช้ไปยัง Azure | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | บทนำสู่การเรียนรู้ของเครื่อง | [บทนำ](1-Introduction/README.md) | เรียนรู้แนวคิดพื้นฐานเบื้องหลังการเรียนรู้ของเครื่อง | [บทเรียน](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | ประวัติของการเรียนรู้ของเครื่อง | [บทนำ](1-Introduction/README.md) | เรียนรู้ประวัติศาสตร์ที่เป็นพื้นฐานของสาขานี้ | [บทเรียน](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | | 03 | ความยุติธรรมและการเรียนรู้ของเครื่อง | [บทนำ](1-Introduction/README.md) | ประเด็นทางปรัชญาที่สำคัญเกี่ยวกับความยุติธรรมคืออะไรที่นักเรียนควรพิจารณาเมื่อสร้างและนำแบบจำลอง ML ไปใช้? | [บทเรียน](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | เทคนิคสำหรับการเรียนรู้ของเครื่อง | [บทนำ](1-Introduction/README.md) | นักวิจัยด้าน ML ใช้เทคนิคใดบ้างในการสร้างแบบจำลอง ML? | [บทเรียน](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | | 05 | บทนำสู่การถดถอย | [การถดถอย](2-Regression/README.md) | เริ่มต้นด้วย Python และ Scikit-learn สำหรับแบบจำลองการถดถอย | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | | 06 | ราคาฟักทองในอเมริกาเหนือ 🎃 | [การถดถอย](2-Regression/README.md) | สร้างภาพและทำความสะอาดข้อมูลเพื่อเตรียมสำหรับ ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 07 | ราคาฟักทองในอเมริกาเหนือ 🎃 | [การถดถอย](2-Regression/README.md) | สร้างแบบจำลองการถดถอยเชิงเส้นและเชิงพหุนาม | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | | 08 | ราคาฟักทองในอเมริกาเหนือ 🎃 | [การถดถอย](2-Regression/README.md) | สร้างแบบจำลองการถดถอยโลจิสติก | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 09 | เว็บแอป 🔌 | [เว็บแอป](3-Web-App/README.md) | สร้างเว็บแอปเพื่อใช้แบบจำลองที่ฝึกแล้วของคุณ | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | บทนำสู่การจำแนกประเภท | [การจำแนกประเภท](4-Classification/README.md) | ทำความสะอาด เตรียม และสร้างภาพข้อมูลของคุณ; บทนำสู่การจำแนกประเภท | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | | 11 | อาหารเอเชียและอินเดียแสนอร่อย 🍜 | [การจำแนกประเภท](4-Classification/README.md) | บทนำสู่ตัวจำแนก | [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 | อาหารเอเชียและอินเดียแสนอร่อย 🍜 | [การจำแนกประเภท](4-Classification/README.md) | ตัวจำแนกเพิ่มเติม | [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 | อาหารเอเชียและอินเดียแสนอร่อย 🍜 | [การจำแนกประเภท](4-Classification/README.md) | สร้างเว็บแอประบบแนะนำโดยใช้แบบจำลองของคุณ | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | บทนำสู่การจัดกลุ่ม | [การจัดกลุ่ม](5-Clustering/README.md) | ทำความสะอาด เตรียม และสร้างภาพข้อมูลของคุณ; บทนำสู่การจัดกลุ่ม | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | สำรวจรสนิยมดนตรีของไนจีเรีย 🎧 | [การจัดกลุ่ม](5-Clustering/README.md) | สำรวจวิธีการจัดกลุ่มแบบ 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 ☕️ | [การประมวลผลภาษาธรรมชาติ](6-NLP/README.md) | เรียนรู้พื้นฐานเกี่ยวกับ NLP โดยการสร้างบ็อตง่ายๆ | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | งาน NLP ที่พบบ่อย ☕️ | [การประมวลผลภาษาธรรมชาติ](6-NLP/README.md) | เพิ่มพูนความรู้ด้าน NLP ของคุณโดยเข้าใจงานทั่วไปที่จำเป็นเมื่อจัดการกับโครงสร้างภาษา | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | การแปลภาษาและการวิเคราะห์อารมณ์ ♥️ | [การประมวลผลภาษาธรรมชาติ](6-NLP/README.md) | การแปลและการวิเคราะห์อารมณ์ด้วย Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | โรงแรมโรแมนติกในยุโรป ♥️ | [การประมวลผลภาษาธรรมชาติ](6-NLP/README.md) | การวิเคราะห์อารมณ์จากรีวิวโรงแรม 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | โรงแรมโรแมนติกในยุโรป ♥️ | [การประมวลผลภาษาธรรมชาติ](6-NLP/README.md) | การวิเคราะห์อารมณ์จากรีวิวโรงแรม 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | บทนำสู่การพยากรณ์อนุกรมเวลา | [อนุกรมเวลา](7-TimeSeries/README.md) | บทนำสู่การพยากรณ์อนุกรมเวลา | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์อนุกรมเวลากับ ARIMA | [อนุกรมเวลา](7-TimeSeries/README.md) | การพยากรณ์อนุกรมเวลากับ ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์อนุกรมเวลากับ SVR | [อนุกรมเวลา](7-TimeSeries/README.md) | การพยากรณ์อนุกรมเวลากับ SVR | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | บทนำสู่การเรียนรู้แบบเสริมกำลัง | [การเรียนรู้แบบเสริมกำลัง](8-Reinforcement/README.md) | บทนำสู่การเรียนรู้แบบเสริมกำลังด้วย Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | ช่วย Peter หลีกเลี่ยงหมาป่า! 🐺 | [การเรียนรู้แบบเสริมกำลัง](8-Reinforcement/README.md) | การเรียนรู้แบบเสริมกำลังใน Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | บทส่งท้าย | สถานการณ์และการประยุกต์ใช้ ML ในโลกจริง | [ML ในโลกจริง](9-Real-World/README.md) | การประยุกต์ใช้ ML แบบคลาสิกในโลกจริงที่น่าสนใจและเผยข้อมูลเชิงลึก | [บทเรียน](9-Real-World/1-Applications/README.md) | Team | | บทส่งท้าย | การดีบักโมเดลใน ML โดยใช้แดชบอร์ด RAI | [ML ในโลกจริง](9-Real-World/README.md) | การดีบักโมเดลในการเรียนรู้ของเครื่องโดยใช้คอมโพเนนต์แดชบอร์ด Responsible AI | [บทเรียน](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 คุณสามารถเรียกใช้งานเอกสารนี้แบบออฟไลน์ได้โดยใช้ [Docsify](https://docsify.js.org/#/). Fork รีโปนี้, [ติดตั้ง Docsify](https://docsify.js.org/#/quickstart) บนเครื่องของคุณ, แล้วในโฟลเดอร์รากของรีโปนี้ ให้พิมพ์ `docsify serve`. เว็บไซต์จะถูกให้บริการบนพอร์ต 3000 บนเครื่องท้องถิ่นของคุณ: `localhost:3000`. ## ไฟล์ PDF ค้นหาไฟล์ pdf ของหลักสูตรพร้อมลิงก์ [ที่นี่](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 คอร์สอื่นๆ ทีมของเราผลิตคอร์สอื่นๆ! ดูได้ที่: ### LangChain [](https://aka.ms/langchain4j-for-beginners) [](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agents [](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### ชุดคอร์ส Generative AI [](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) [-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- ### การเรียนรู้หลัก [](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### ชุด Copilot [](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## ขอความช่วยเหลือ หากคุณติดขัดหรือมีคำถามเกี่ยวกับการสร้างแอป AI ให้เข้าร่วมกับผู้เรียนคนอื่นๆ และนักพัฒนาที่มีประสบการณ์ เพื่อร่วมอภิปรายเกี่ยวกับ MCP ชุมชนนี้ให้การสนับสนุน ยินดีต้อนรับคำถาม และแบ่งปันทักษะความรู้กันอย่างเสรี [](https://discord.gg/nTYy5BXMWG) หากคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดระหว่างการสร้าง โปรดเยี่ยมชม: [](https://aka.ms/foundry/forum) --- ข้อจำกัดความรับผิดชอบ: เอกสารฉบับนี้ถูกแปลโดยใช้บริการแปลภาษาอัตโนมัติ AI Co‑op Translator (https://github.com/Azure/co-op-translator) แม้เราจะพยายามให้การแปลมีความถูกต้อง โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้องได้ เอกสารต้นฉบับในภาษาต้นทางควรถูกถือเป็นเอกสารอ้างอิงหลัก สำหรับข้อมูลที่มีความสำคัญ แนะนำให้ใช้บริการแปลโดยผู้เชี่ยวชาญด้านมนุษย์ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดจากการใช้การแปลนี้