ML-For-Beginners/translations/th

🌐 รองรับหลายภาษา

รองรับผ่าน GitHub Action (อัตโนมัติ & อัปเดตตลอดเวลา)

อาหรับ | เบงกาลี | บัลแกเรีย | พม่า (เมียนมา) | จีน (ตัวย่อ) | จีน (ตัวเต็ม, ฮ่องกง) | จีน (ตัวเต็ม, มาเก๊า) | จีน (ตัวเต็ม, ไต้หวัน) | โครเอเชีย | เช็ก | เดนมาร์ก | ดัตช์ | เอสโตเนีย | ฟินแลนด์ | ฝรั่งเศส | เยอรมัน | กรีก | ฮีบรู | ฮินดี | ฮังการี | อินโดนีเซีย | อิตาลี | ญี่ปุ่น | กันนาดา | เขมร | เกาหลี | ลิทัวเนีย | มาเลย์ | มาลายาลัม | มราฐี | เนปาล | ไนจีเรีย พิดจีน | นอร์เวย์ | เปอร์เซีย (ฟาร์ซี) | โปแลนด์ | โปรตุเกส (บราซิล) | โปรตุเกส (โปรตุเกส) | ปัญจาบี (กูรมุขิ) | โรมาเนีย | รัสเซีย | เซอร์เบีย (ซีริลลิก) | สโลวัก | สโลวีเนีย | สเปน | สวาฮีลี | สวีเดน | ตากาล็อก (ฟิลิปปินส์) | ทมิฬ | เทลูกู | ไทย | ตุรกี | ยูเครน | อูรดู | เวียดนาม

ต้องการโคลนแบบโลคัลไหม?

รีโพสิตอรี่นี้มีคำแปลมากกว่า 50 ภาษา ซึ่งจะเพิ่มขนาดการดาวน์โหลดอย่างมาก หากต้องการโคลนโดยไม่รวมคำแปล ให้ใช้ sparse checkout:

Bash / macOS / Linux:

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'

CMD (Windows):

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"

วิธีนี้จะให้ทุกอย่างที่คุณต้องการเพื่อจบหลักสูตรด้วยการดาวน์โหลดที่เร็วขึ้นมาก

เข้าร่วมชุมชนของเรา

เรามีซีรีส์ Discord การเรียนรู้กับ AI ที่กำลังดำเนินอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราได้ที่ Learn with AI Series ตั้งแต่วันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคการใช้ GitHub Copilot สำหรับ Data Science

การเรียนรู้เครื่องสำหรับผู้เริ่มต้น - หลักสูตร

🌍 เดินทางรอบโลกพร้อมสำรวจ Machine Learning ผ่านวัฒนธรรมของโลก 🌍

Cloud Advocates ที่ Microsoft ภูมิใจนำเสนอโครงสร้างหลักสูตร 12 สัปดาห์ 26 บทเรียน เกี่ยวกับ Machine Learning ในหลักสูตรนี้ คุณจะได้เรียนรู้เกี่ยวกับสิ่งที่บางครั้งเรียกว่า machine learning แบบคลาสสิก โดยใช้ Scikit-learn เป็นหลักและหลีกเลี่ยง deep learning ซึ่งจะมีในหลักสูตร AI สำหรับผู้เริ่มต้น จับคู่บทเรียนเหล่านี้กับหลักสูตร 'Data Science สำหรับผู้เริ่มต้น' ของเราได้เช่นกัน!

เดินทางรอบโลกกับเราในขณะที่เราใช้เทคนิคคลาสสิกเหล่านี้กับข้อมูลจากหลายพื้นที่ของโลก แต่ละบทเรียนมีทั้งแบบทดสอบก่อนและหลังบทเรียน คำแนะนำเป็นลายลักษณ์อักษรเพื่อทำบทเรียนให้เสร็จ โซลูชัน งานมอบหมาย และอื่นๆ วิธีการสอนแบบเน้นโครงงานช่วยให้คุณเรียนขณะสร้าง ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าสามารถทำให้ทักษะใหม่คงอยู่

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

🎨 ขอบคุณเหล่าศิลปินประกอบด้วย Tomomi Imura, Dasani Madipalli และ Jen Looper

🙏 ขอบคุณเป็นพิเศษ 🙏 แก่นักเขียน ทบทวน และผู้ร่วมเขียนเนื้อหาจาก Microsoft Student Ambassador โดยเฉพาะอย่างยิ่ง Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila และ Snigdha Agarwal

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

เริ่มต้นใช้งาน

ทำตามขั้นตอนเหล่านี้:

1. Fork รีโพสิตอรี: คลิกปุ่ม "Fork" ที่มุมบนขวาของหน้านี้
2. โคลนรีโพสิตอรี: git clone https://github.com/microsoft/ML-For-Beginners.git

ค้นหาทรัพยากรเพิ่มเติมสำหรับหลักสูตรนี้ได้ที่คอลเลกชัน Microsoft Learn ของเรา

🔧 ต้องการความช่วยเหลือ? ตรวจสอบ คู่มือแก้ไขปัญหา ของเราสำหรับวิธีแก้ไขปัญหาทั่วไปเกี่ยวกับการติดตั้ง การตั้งค่า และการใช้งานบทเรียน

นักเรียน เพื่อใช้หลักสูตรนี้ ให้ fork รีโพสิตอรีทั้งหมดไปยังบัญชี GitHub ของคุณและทำแบบฝึกหัดด้วยตัวเองหรือกับกลุ่ม:

• เริ่มด้วยการทำแบบทดสอบก่อนบทเรียน
• อ่านบทเรียนและทำกิจกรรมต่างๆ หยุดชั่วคราวเพื่อตรวจสอบความเข้าใจในแต่ละจุด
• พยายามสร้างโครงการโดยเข้าใจบทเรียน แทนที่จะรันโค้ดคำตอบโดยตรง อย่างไรก็ตามโค้ดนั้นจะอยู่ในโฟลเดอร์ /solution ในแต่ละบทเรียนเชิงโครงการ
• ทำแบบทดสอบหลังบทเรียน
• ทำแบบฝึกหัด
• ทำงานมอบหมาย
• หลังจากจบกลุ่มบทเรียน ให้เยี่ยมชม กระดานสนทนา และ "เรียนรู้แบบเปิดเผย" โดยกรอกแบบประเมิน PAT (Progress Assessment Tool) ที่เหมาะสม PAT คือเกณฑ์การประเมินที่คุณกรอกเพื่อส่งเสริมการเรียนรู้เพิ่มเติม คุณยังสามารถแสดงปฏิกิริยาต่อ PAT ของคนอื่นเพื่อเรียนรู้ร่วมกันได้

สำหรับการศึกษาต่อ เราแนะนำให้ติดตามโมดูลและเส้นทางการเรียนรู้ Microsoft Learn เหล่านี้

ครูผู้สอน เรามี คำแนะนำบางส่วน เกี่ยวกับวิธีใช้หลักสูตรนี้

---

วิดีโอสอน

บทเรียนบางส่วนมีวิดีโอสั้นให้ดู คุณสามารถหาได้ในบทเรียน หรือดูได้ที่ เพลย์ลิสต์ ML for Beginners บนช่อง Microsoft Developer YouTube โดยคลิกที่ภาพด้านล่าง

---

รู้จักทีมงาน

GIF โดย Mohit Jaisal

🎥 คลิกที่ภาพข้างบนเพื่อดูวิดีโอเกี่ยวกับโครงการและผู้สร้าง!

---

วิธีการสอน

เราเลือกระเบียบวิธีการสอนสองข้อขณะสร้างหลักสูตรนี้: ให้เป็นแบบเน้นปฏิบัติ project-based และมี แบบทดสอบบ่อยๆ นอกจากนี้หลักสูตรนี้ยังมี ธีมหลัก ร่วม เพื่อสร้างความเชื่อมโยง

การทำให้เนื้อหาสอดคล้องกับโครงการ จะช่วยให้กระบวนการมีความน่าสนใจมากขึ้นสำหรับนักเรียนและช่วยให้ความจำแนวคิดดีขึ้น นอกจากนี้ แบบทดสอบที่มีความเสี่ยงต่ำก่อนเรียน จะช่วยให้นักเรียนมีเป้าหมายที่จะเรียนรู้เรื่องนั้นๆ ส่วนแบบทดสอบหลังเรียนจะช่วยให้ความจำคงทน หลักสูตรนี้ถูกออกแบบให้ยืดหยุ่นและสนุก สามารถเรียนครบทุกส่วนหรือบางส่วนได้ โครงการจะเริ่มจากง่ายไปหนักขึ้นจนถึงจบ 12 สัปดาห์ หลักสูตรนี้ยังมีบทเสริมเกี่ยวกับการใช้งานจริงของ ML ซึ่งสามารถใช้เป็นเครดิตเพิ่มหรือต่อยอดอภิปราย

ดู จรรยาบรรณ, การร่วมเขียน, คำแปล และ การแก้ไขปัญหา ของเรา เรายินดีรับข้อเสนอแนะอย่างสร้างสรรค์จากคุณ!

แต่ละบทเรียนมี

• สเก็ตช์โน้ต (เลือกทำหรือไม่ก็ได้)
• วิดีโอเสริม (เลือกดูหรือไม่ก็ได้)
• วิดีโอสอน (บางบทเรียน)
• แบบทดสอบอบอุ่นก่อนเรียน
• บทเรียนเป็นลายลักษณ์อักษร
• สำหรับบทเรียนเชิงโครงการ มีคำแนะนำทีละขั้นตอนในการสร้างโครงการ
• ตรวจสอบความรู้
• ความท้าทาย
• การอ่านเพิ่มเติม
• งานมอบหมาย
• แบบทดสอบหลังเรียน

หมายเหตุเกี่ยวกับภาษา: บทเรียนเหล่านี้ส่วนใหญ่เขียนด้วย Python แต่หลายบทเรียนก็มีในภาษา R ด้วย หากต้องการทำบทเรียน R ให้ไปที่โฟลเดอร์ /solution และมองหาบทเรียน R ซึ่งจะมีนามสกุลไฟล์ .rmd ซึ่งเป็นไฟล์ R Markdown ซึ่งสามารถนิยามได้อย่างง่าย ๆ ว่าเป็นการฝัง code chunks (ของ R หรือภาษาอื่น ๆ) และ YAML header (ที่กำหนดวิธีการจัดรูปแบบเอาต์พุต เช่น PDF) ใน เอกสาร Markdown ดังนั้น จึงทำหน้าที่เป็นกรอบการเขียนที่เป็นตัวอย่างสำหรับวิทยาศาสตร์ข้อมูลเนื่องจากช่วยให้คุณสามารถผสมผสานโค้ดของคุณ ผลลัพธ์ของโค้ด และความคิดของคุณโดยการเขียนลงใน Markdown นอกจากนี้ เอกสาร R Markdown ยังสามารถเรนเดอร์ให้ออกมาเป็นรูปแบบเอาต์พุตต่าง ๆ เช่น PDF, HTML หรือ Word ได้

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดถูกเก็บไว้ในโฟลเดอร์ Quiz App folder มีทั้งหมด 52 แบบทดสอบ โดยแต่ละแบบจะมี 3 คำถาม แต่ละแบบจะถูกลิงก์มาจากในบทเรียนต่าง ๆ แต่แอปแบบทดสอบนี้สามารถรันบนเครื่องของคุณเองได้; ให้ทำตามคำแนะนำในโฟลเดอร์ quiz-app เพื่อโฮสต์หรือดีพลอยบน Azure

หมายเลขบทเรียน	หัวข้อ	กลุ่มบทเรียน	วัตถุประสงค์การเรียนรู้	บทเรียนที่เชื่อมโยง	ผู้เขียน
01	บทนำสู่การเรียนรู้ของเครื่อง	Introduction	เรียนรู้แนวคิดพื้นฐานเกี่ยวกับการเรียนรู้ของเครื่อง	Lesson	Muhammad
02	ประวัติศาสตร์ของการเรียนรู้ของเครื่อง	Introduction	เรียนรู้ประวัติศาสตร์เบื้องหลังสาขานี้	Lesson	Jen and Amy
03	ความยุติธรรมและการเรียนรู้ของเครื่อง	Introduction	อะไรคือประเด็นปรัชญาที่สำคัญเกี่ยวกับความยุติธรรมที่นักเรียนควรพิจารณาเมื่อสร้างและใช้งานโมเดล ML?	Lesson	Tomomi
04	เทคนิคสำหรับการเรียนรู้ของเครื่อง	Introduction	นักวิจัย ML ใช้เทคนิคอะไรในการสร้างโมเดล ML?	Lesson	Chris and Jen
05	บทนำสู่การถดถอย	Regression	เริ่มต้นกับ Python และ Scikit-learn สำหรับโมเดลถดถอย	Python • R	Jen • Eric Wanjau
06	ราคาฟักทองในอเมริกาเหนือ 🎃	Regression	แสดงภาพและทำความสะอาดข้อมูลเตรียมความพร้อมสำหรับ ML	Python • R	Jen • Eric Wanjau
07	ราคาฟักทองในอเมริกาเหนือ 🎃	Regression	สร้างโมเดลถดถอยเชิงเส้นและถดถอยพหุนาม	Python • R	Jen and Dmitry • Eric Wanjau
08	ราคาฟักทองในอเมริกาเหนือ 🎃	Regression	สร้างโมเดลถดถอยโลจิสติก	Python • R	Jen • Eric Wanjau
09	แอปเว็บ 🔌	Web App	สร้างแอปเว็บเพื่อใช้โมเดลที่คุณฝึกสอน	Python	Jen
10	บทนำสู่การจำแนกประเภท	Classification	ทำความสะอาด เตรียม พร้อมและแสดงภาพข้อมูลของคุณ; บทนำสู่การจำแนกประเภท	Python • R	Jen and Cassie • Eric Wanjau
11	อาหารเอเชียและอินเดียที่อร่อย 🍜	Classification	บทนำสู่ตัวจำแนกประเภท	Python • R	Jen and Cassie • Eric Wanjau
12	อาหารเอเชียและอินเดียที่อร่อย 🍜	Classification	ตัวจำแนกประเภทเพิ่มเติม	Python • R	Jen and Cassie • Eric Wanjau
13	อาหารเอเชียและอินเดียที่อร่อย 🍜	Classification	สร้างแอปเว็บแนะนำโดยใช้โมเดลของคุณ	Python	Jen
14	บทนำสู่การจัดกลุ่ม	Clustering	ทำความสะอาด เตรียม และแสดงภาพข้อมูลของคุณ; บทนำสู่การจัดกลุ่ม	Python • R	Jen • Eric Wanjau
15	สำรวจรสนิยมดนตรีไนจีเรีย 🎧	Clustering	สำรวจวิธี K-Means clustering	Python • R	Jen • Eric Wanjau
16	บทนำสู่การประมวลผลภาษาธรรมชาติ ☕️	Natural language processing	เรียนรู้พื้นฐานเกี่ยวกับ NLP โดยการสร้างบอทง่ายๆ	Python	Stephen
17	งาน NLP ที่พบบ่อย ☕️	Natural language processing	เจาะลึกความรู้ NLP โดยทำความเข้าใจงานทั่วไปที่ต้องทำเมื่อจัดการกับโครงสร้างทางภาษา	Python	Stephen
18	การแปลและการวิเคราะห์ความรู้สึก ♥️	Natural language processing	การแปลภาษาและวิเคราะห์ความรู้สึกกับ Jane Austen	Python	Stephen
19	โรงแรมโรแมนติกในยุโรป ♥️	Natural language processing	วิเคราะห์ความรู้สึกกับรีวิวโรงแรม 1	Python	Stephen
20	โรงแรมโรแมนติกในยุโรป ♥️	Natural language processing	วิเคราะห์ความรู้สึกกับรีวิวโรงแรม 2	Python	Stephen
21	บทนำสู่การพยากรณ์อนุกรมเวลาข้อมูล	Time series	บทนำสู่การพยากรณ์อนุกรมเวลาข้อมูล	Python	Francesca
22	⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์อนุกรมเวลาข้อมูลด้วย ARIMA	Time series	การพยากรณ์อนุกรมเวลาข้อมูลด้วย ARIMA	Python	Francesca
23	⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์อนุกรมเวลาข้อมูลด้วย SVR	Time series	การพยากรณ์อนุกรมเวลาข้อมูลด้วย Support Vector Regressor	Python	Anirban
24	บทนำสู่การเรียนรู้แบบเสริมแรง	Reinforcement learning	บทนำสู่การเรียนรู้แบบเสริมแรงโดยใช้ Q-Learning	Python	Dmitry
25	ช่วย Peter หลีกเลี่ยงหมาป่า! 🐺	Reinforcement learning	การเรียนรู้แบบเสริมแรง Gym	Python	Dmitry
ปัจฉิมบท	กรณีศึกษาการใช้งาน ML ในโลกจริง	ML in the Wild	การใช้งานจริงที่น่าสนใจและเปิดเผยของ ML คลาสสิก	Lesson	Team
ปัจฉิมบท	การดีบักโมเดลใน ML โดยใช้แดชบอร์ด RAI	ML in the Wild	การดีบักโมเดลใน Machine Learning โดยใช้คอมโพเนนต์แดชบอร์ด Responsible AI	Lesson	Ruth Yakubu

ค้นหาทรัพยากรเพิ่มเติมทั้งหมดสำหรับหลักสูตรนี้ในคอลเลกชัน Microsoft Learn ของเรา

การเข้าถึงแบบออฟไลน์

คุณสามารถรันเอกสารนี้แบบออฟไลน์โดยใช้ Docsify. Fork รีโปนี้, ติดตั้ง Docsify บนเครื่องของคุณ จากนั้นในโฟลเดอร์รากของรีโปนี้ ให้พิมพ์คำสั่ง docsify serve เว็บไซต์จะถูกให้บริการบนพอร์ต 3000 ที่ localhost ของคุณ: localhost:3000

PDFs

ดาวน์โหลด PDF ของหลักสูตรพร้อมลิงก์ ที่นี่.

🎒 หลักสูตรอื่น ๆ

ทีมของเราผลิตหลักสูตรอื่น ๆ ด้วย! ดูได้ที่:

LangChain

Azure / Edge / MCP / Agents

---

ชุดการเรียนรู้ AI สร้างสรรค์

---

การเรียนรู้พื้นฐาน

---

ชุด Copilot

ขอความช่วยเหลือ

ถ้าคุณติดขัดหรือมีคำถามในขณะเรียนรู้การเรียนรู้ของเครื่องหรือสร้างแอป AI ไม่ต้องกังวล — มีความช่วยเหลือให้ได้

คุณสามารถเข้าร่วมการสนทนากับผู้เรียนและนักพัฒนาคนอื่น ๆ ถามคำถาม และแบ่งปันไอเดียของคุณกับชุมชน

• เข้าร่วมชุมชนเพื่อถามคำถามและเรียนรู้ร่วมกับผู้อื่น
• สนทนาเกี่ยวกับแนวคิดการเรียนรู้ของเครื่องและไอเดียโครงการ
• รับคำแนะนำจากนักพัฒนาที่มีประสบการณ์

ชุมชนที่พร้อมสนับสนุนเป็นวิธีที่ดีสำหรับการพัฒนาทักษะและแก้ปัญหาได้ไวขึ้น

Microsoft Foundry Discord Community

ถ้าคุณพบข้อบกพร่อง ข้อผิดพลาด หรือมีข้อเสนอแนะสำหรับการปรับปรุง คุณยังสามารถเปิด Issue ในที่เก็บนี้เพื่อติดต่อแจ้งปัญหา

สำหรับข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือต้องการค้นหากระทู้ที่มีอยู่ในชุมชน สามารถเยี่ยมชมฟอรัมสำหรับนักพัฒนาได้ที่:

เคล็ดลับการเรียนรู้เพิ่มเติม

• ทบทวนโน้ตบุ๊กหลังการเรียนแต่ละบทเพื่อความเข้าใจที่ดีขึ้น
• ฝึกฝนการนำอัลกอริทึมไปใช้ด้วยตนเอง
• สำรวจชุดข้อมูลจริงโดยใช้แนวคิดที่เรียนรู้มา

---

ปฏิเสธความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาด้วย AI Co-op Translator แม้ว่าเราจะพยายามให้แปลได้ถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่แม่นยำ เอกสารต้นฉบับในภาษาต้นทางถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้บริการแปลโดยมนุษย์มืออาชีพ เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่อาจเกิดขึ้นจากการใช้การแปลนี้