You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
180 lines
35 KiB
180 lines
35 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "4f0e1f1641aa1659ed5c8debc6f2e0b2",
|
|
"translation_date": "2025-09-23T09:19:12+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "th"
|
|
}
|
|
-->
|
|
[](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/)
|
|
|
|
### 🌐 การสนับสนุนหลายภาษา
|
|
|
|
#### รองรับผ่าน GitHub Action (อัตโนมัติและอัปเดตเสมอ)
|
|
|
|
[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](./README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md)
|
|
|
|
#### เข้าร่วมชุมชนของเรา
|
|
|
|
[](https://aka.ms/ml4beginners/discord)
|
|
|
|
เรามีซีรีส์การเรียนรู้กับ AI บน Discord ที่กำลังดำเนินอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราได้ที่ [Learn with AI Series](https://aka.ms/learnwithai/discord) ตั้งแต่วันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคในการใช้ GitHub Copilot สำหรับ Data Science
|
|
|
|
|
|
|
|
# การเรียนรู้ Machine Learning สำหรับผู้เริ่มต้น - หลักสูตร
|
|
|
|
> 🌍 เดินทางรอบโลกไปพร้อมกับการสำรวจ Machine Learning ผ่านวัฒนธรรมโลก 🌍
|
|
|
|
ทีม Cloud Advocates จาก Microsoft มีความยินดีที่จะนำเสนอหลักสูตร 12 สัปดาห์ 26 บทเรียนเกี่ยวกับ **Machine Learning** ในหลักสูตรนี้ คุณจะได้เรียนรู้เกี่ยวกับสิ่งที่บางครั้งเรียกว่า **Machine Learning แบบคลาสสิก** โดยใช้ Scikit-learn เป็นหลัก และหลีกเลี่ยงการเรียนรู้เชิงลึก (Deep Learning) ซึ่งครอบคลุมในหลักสูตร [AI for Beginners](https://aka.ms/ai4beginners) ของเรา จับคู่บทเรียนเหล่านี้กับหลักสูตร ['Data Science for Beginners'](https://aka.ms/ds4beginners) ของเราได้เช่นกัน!
|
|
|
|
เดินทางไปกับเราทั่วโลกในขณะที่เรานำเทคนิคแบบคลาสสิกเหล่านี้ไปใช้กับข้อมูลจากหลายพื้นที่ของโลก แต่ละบทเรียนประกอบด้วยแบบทดสอบก่อนและหลังบทเรียน คำแนะนำที่เขียนไว้สำหรับการทำบทเรียน โซลูชัน การบ้าน และอื่นๆ วิธีการเรียนรู้แบบโครงการช่วยให้คุณเรียนรู้ในขณะที่สร้าง ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าทำให้ทักษะใหม่ๆ ติดตัวคุณได้ดีขึ้น
|
|
|
|
**✍️ ขอขอบคุณผู้เขียนของเรา** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu และ Amy Boyd
|
|
|
|
**🎨 ขอบคุณนักวาดภาพประกอบของเรา** Tomomi Imura, Dasani Madipalli และ Jen Looper
|
|
|
|
**🙏 ขอบคุณเป็นพิเศษ 🙏 สำหรับ Microsoft Student Ambassador ผู้เขียน ผู้ตรวจสอบ และผู้สนับสนุนเนื้อหา** โดยเฉพาะ Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila และ Snigdha Agarwal
|
|
|
|
**🤩 ขอบคุณเพิ่มเติมสำหรับ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi และ Vidushi Gupta สำหรับบทเรียน R ของเรา!**
|
|
|
|
# เริ่มต้นใช้งาน
|
|
|
|
ทำตามขั้นตอนเหล่านี้:
|
|
1. **Fork Repository**: คลิกที่ปุ่ม "Fork" ที่มุมขวาบนของหน้านี้
|
|
2. **Clone Repository**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
> [ค้นหาทรัพยากรเพิ่มเติมสำหรับหลักสูตรนี้ใน Microsoft Learn collection](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
**[นักเรียน](https://aka.ms/student-page)**, เพื่อใช้หลักสูตรนี้ ให้ fork repo ทั้งหมดไปยังบัญชี GitHub ของคุณเองและทำแบบฝึกหัดด้วยตัวเองหรือกับกลุ่ม:
|
|
|
|
- เริ่มต้นด้วยแบบทดสอบก่อนการบรรยาย
|
|
- อ่านบทเรียนและทำกิจกรรม หยุดและสะท้อนความรู้ในแต่ละจุดตรวจสอบความรู้
|
|
- พยายามสร้างโครงการโดยทำความเข้าใจบทเรียนแทนที่จะรันโค้ดโซลูชัน อย่างไรก็ตาม โค้ดนั้นมีอยู่ในโฟลเดอร์ `/solution` ในแต่ละบทเรียนที่เน้นโครงการ
|
|
- ทำแบบทดสอบหลังการบรรยาย
|
|
- ทำแบบท้าทาย
|
|
- ทำการบ้าน
|
|
- หลังจากจบบทเรียนกลุ่มหนึ่งแล้ว ไปที่ [กระดานสนทนา](https://github.com/microsoft/ML-For-Beginners/discussions) และ "เรียนรู้แบบเปิดเผย" โดยกรอก PAT rubric ที่เหมาะสม PAT คือเครื่องมือประเมินความก้าวหน้าที่คุณกรอกเพื่อเพิ่มพูนการเรียนรู้ของคุณ คุณยังสามารถตอบสนองต่อ PAT ของผู้อื่นเพื่อให้เราเรียนรู้ร่วมกัน
|
|
|
|
> สำหรับการศึกษาเพิ่มเติม เราแนะนำให้ติดตาม [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) โมดูลและเส้นทางการเรียนรู้เหล่านี้
|
|
|
|
**ครู**, เราได้ [รวมคำแนะนำบางส่วน](for-teachers.md) เกี่ยวกับวิธีการใช้หลักสูตรนี้
|
|
|
|
---
|
|
|
|
## วิดีโอแนะนำ
|
|
|
|
บทเรียนบางส่วนมีให้ในรูปแบบวิดีโอสั้น คุณสามารถค้นหาวิดีโอเหล่านี้ได้ในบทเรียน หรือใน [เพลย์ลิสต์ ML for Beginners บนช่อง YouTube ของ Microsoft Developer](https://aka.ms/ml-beginners-videos) โดยคลิกที่ภาพด้านล่าง
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
---
|
|
|
|
## พบกับทีมงาน
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
**Gif โดย** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 คลิกที่ภาพด้านบนเพื่อดูวิดีโอเกี่ยวกับโครงการและผู้ที่สร้างมันขึ้นมา!
|
|
|
|
---
|
|
|
|
## วิธีการสอน
|
|
|
|
เราเลือกใช้หลักการสอนสองข้อในขณะที่สร้างหลักสูตรนี้: การทำให้เป็น **โครงการที่เน้นการปฏิบัติ** และการรวม **แบบทดสอบบ่อยครั้ง** นอกจากนี้ หลักสูตรนี้ยังมี **ธีมร่วม** เพื่อให้มีความสอดคล้องกัน
|
|
|
|
ด้วยการทำให้เนื้อหาสอดคล้องกับโครงการ กระบวนการเรียนรู้จะน่าสนใจยิ่งขึ้นสำหรับนักเรียน และการจดจำแนวคิดจะเพิ่มขึ้น นอกจากนี้ แบบทดสอบที่มีความเสี่ยงต่ำก่อนชั้นเรียนจะช่วยตั้งเป้าหมายของนักเรียนในการเรียนรู้หัวข้อหนึ่ง ในขณะที่แบบทดสอบที่สองหลังชั้นเรียนจะช่วยเพิ่มการจดจำเพิ่มเติม หลักสูตรนี้ถูกออกแบบให้ยืดหยุ่นและสนุกสนาน และสามารถเรียนได้ทั้งหมดหรือบางส่วน โครงการเริ่มต้นจากขนาดเล็กและซับซ้อนขึ้นเรื่อยๆ ในตอนท้ายของรอบ 12 สัปดาห์ หลักสูตรนี้ยังรวมถึงภาคผนวกเกี่ยวกับการประยุกต์ใช้ ML ในโลกจริง ซึ่งสามารถใช้เป็นคะแนนพิเศษหรือเป็นพื้นฐานสำหรับการอภิปราย
|
|
|
|
> ค้นหา [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), และ [Translation](TRANSLATIONS.md) แนวทางของเรา เรายินดีรับฟังความคิดเห็นที่สร้างสรรค์ของคุณ!
|
|
|
|
## แต่ละบทเรียนประกอบด้วย
|
|
|
|
- sketchnote (ตัวเลือก)
|
|
- วิดีโอเสริม (ตัวเลือก)
|
|
- วิดีโอแนะนำ (บางบทเรียนเท่านั้น)
|
|
- [แบบทดสอบอุ่นเครื่องก่อนการบรรยาย](https://ff-quizzes.netlify.app/en/ml/)
|
|
- บทเรียนที่เขียนไว้
|
|
- สำหรับบทเรียนที่เน้นโครงการ มีคำแนะนำทีละขั้นตอนเกี่ยวกับวิธีสร้างโครงการ
|
|
- การตรวจสอบความรู้
|
|
- แบบท้าทาย
|
|
- การอ่านเสริม
|
|
- การบ้าน
|
|
- [แบบทดสอบหลังการบรรยาย](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
> **หมายเหตุเกี่ยวกับภาษา**: บทเรียนเหล่านี้เขียนใน Python เป็นหลัก แต่หลายบทเรียนก็มีใน R ด้วย หากต้องการทำบทเรียนใน R ให้ไปที่โฟลเดอร์ `/solution` และมองหาบทเรียน R ซึ่งจะมีนามสกุล .rmd ที่แสดงถึงไฟล์ **R Markdown** ซึ่งสามารถอธิบายได้ง่ายๆ ว่าเป็นการฝัง `code chunks` (ของ R หรือภาษาอื่นๆ) และ `YAML header` (ที่แนะนำวิธีจัดรูปแบบผลลัพธ์ เช่น PDF) ในเอกสาร `Markdown` ดังนั้นจึงเป็นกรอบการเขียนที่ยอดเยี่ยมสำหรับวิทยาศาสตร์ข้อมูล เนื่องจากช่วยให้คุณรวมโค้ด ผลลัพธ์ และความคิดของคุณไว้ใน Markdown นอกจากนี้ เอกสาร R Markdown ยังสามารถแสดงผลในรูปแบบผลลัพธ์ เช่น PDF, HTML หรือ Word ได้อีกด้วย
|
|
|
|
> **หมายเหตุเกี่ยวกับแบบทดสอบ**: แบบทดสอบทั้งหมดอยู่ใน [โฟลเดอร์ Quiz App](../../quiz-app) รวมทั้งหมด 52 แบบทดสอบ แต่ละแบบมี 3 คำถาม แบบทดสอบเหล่านี้เชื่อมโยงจากในบทเรียน แต่แอปแบบทดสอบสามารถรันในเครื่องได้ ให้ทำตามคำแนะนำในโฟลเดอร์ `quiz-app` เพื่อโฮสต์ในเครื่องหรือปรับใช้บน Azure
|
|
|
|
| หมายเลขบทเรียน | หัวข้อ | กลุ่มบทเรียน | วัตถุประสงค์การเรียนรู้ | บทเรียนที่เชื่อมโยง | ผู้เขียน |
|
|
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
| 01 | บทนำสู่ Machine Learning | [Introduction](1-Introduction/README.md) | เรียนรู้แนวคิดพื้นฐานเบื้องหลัง Machine Learning | [บทเรียน](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
| 02 | ประวัติของ Machine Learning | [Introduction](1-Introduction/README.md) | เรียนรู้ประวัติศาสตร์ที่อยู่เบื้องหลังสาขานี้ | [บทเรียน](1-Introduction/2-history-of-ML/README.md) | Jen และ Amy |
|
|
| 03 | ความยุติธรรมและการเรียนรู้ของเครื่อง | [Introduction](1-Introduction/README.md) | ประเด็นทางปรัชญาที่สำคัญเกี่ยวกับความยุติธรรมที่นักเรียนควรพิจารณาเมื่อสร้างและใช้งานโมเดล ML คืออะไร? | [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 | แนะนำการวิเคราะห์ถดถอย | [Regression](2-Regression/README.md) | เริ่มต้นใช้งาน Python และ Scikit-learn สำหรับโมเดลการวิเคราะห์ถดถอย | [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) | การแสดงผลและการทำความสะอาดข้อมูลเพื่อเตรียมพร้อมสำหรับ 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) | สร้างโมเดลการวิเคราะห์ถดถอยเชิงเส้นและพหุนาม | [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) | สร้างโมเดลการวิเคราะห์ถดถอยโลจิสติก | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
| 09 | แอปพลิเคชันเว็บ 🔌 | [Web App](3-Web-App/README.md) | สร้างแอปพลิเคชันเว็บเพื่อใช้งานโมเดลที่คุณฝึกมา | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
| 10 | แนะนำการจัดประเภทข้อมูล | [Classification](4-Classification/README.md) | ทำความสะอาด เตรียม และแสดงผลข้อมูลของคุณ; แนะนำการจัดประเภทข้อมูล | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
|
|
| 11 | อาหารเอเชียและอินเดียแสนอร่อย 🍜 | [Classification](4-Classification/README.md) | แนะนำตัวจัดประเภทข้อมูล | [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 🍜 | [Classification](4-Classification/README.md) | ตัวจัดประเภทข้อมูลเพิ่มเติม | [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 🍜 | [Classification](4-Classification/README.md) | สร้างแอปพลิเคชันเว็บแนะนำโดยใช้โมเดลของคุณ | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
| 14 | แนะนำการจัดกลุ่มข้อมูล | [Clustering](5-Clustering/README.md) | ทำความสะอาด เตรียม และแสดงผลข้อมูลของคุณ; แนะนำการจัดกลุ่มข้อมูล | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
| 15 | สำรวจรสนิยมดนตรีของชาวไนจีเรีย 🎧 | [Clustering](5-Clustering/README.md) | สำรวจวิธีการจัดกลุ่มข้อมูลด้วย 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 | แนะนำการประมวลผลภาษาธรรมชาติ ☕️ | [Natural language processing](6-NLP/README.md) | เรียนรู้พื้นฐานเกี่ยวกับ NLP โดยการสร้างบอทง่ายๆ | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
| 17 | งานทั่วไปใน NLP ☕️ | [Natural language processing](6-NLP/README.md) | เพิ่มพูนความรู้เกี่ยวกับ NLP โดยการทำความเข้าใจงานทั่วไปที่จำเป็นเมื่อจัดการกับโครงสร้างภาษา | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
| 18 | การแปลและการวิเคราะห์ความรู้สึก ♥️ | [Natural language processing](6-NLP/README.md) | การแปลและการวิเคราะห์ความรู้สึกด้วยงานของ Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
| 19 | โรงแรมโรแมนติกในยุโรป ♥️ | [Natural language processing](6-NLP/README.md) | การวิเคราะห์ความรู้สึกด้วยรีวิวโรงแรม 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
| 20 | โรงแรมโรแมนติกในยุโรป ♥️ | [Natural language processing](6-NLP/README.md) | การวิเคราะห์ความรู้สึกด้วยรีวิวโรงแรม 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
| 21 | แนะนำการพยากรณ์ข้อมูลอนุกรมเวลา | [Time series](7-TimeSeries/README.md) | แนะนำการพยากรณ์ข้อมูลอนุกรมเวลา | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
| 22 | ⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์ข้อมูลอนุกรมเวลาด้วย ARIMA | [Time series](7-TimeSeries/README.md) | การพยากรณ์ข้อมูลอนุกรมเวลาด้วย ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
| 23 | ⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์ข้อมูลอนุกรมเวลาด้วย SVR | [Time series](7-TimeSeries/README.md) | การพยากรณ์ข้อมูลอนุกรมเวลาด้วย Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
| 24 | แนะนำการเรียนรู้แบบเสริมกำลัง | [Reinforcement learning](8-Reinforcement/README.md) | แนะนำการเรียนรู้แบบเสริมกำลังด้วย Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
| 25 | ช่วย Peter หนีหมาป่า! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | การเรียนรู้แบบเสริมกำลังใน Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
| Postscript | สถานการณ์และการใช้งาน ML ในโลกจริง | [ML in the Wild](9-Real-World/README.md) | การใช้งานที่น่าสนใจและเปิดเผยในโลกจริงของ ML แบบคลาสสิก | [Lesson](9-Real-World/1-Applications/README.md) | Team |
|
|
| Postscript | การดีบักโมเดล ML ด้วยแดชบอร์ด RAI | [ML in the Wild](9-Real-World/README.md) | การดีบักโมเดลใน Machine Learning โดยใช้ส่วนประกอบของแดชบอร์ด Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
> [ค้นหาทรัพยากรเพิ่มเติมสำหรับคอร์สนี้ใน Microsoft Learn collection ของเรา](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
## การเข้าถึงแบบออฟไลน์
|
|
|
|
คุณสามารถใช้งานเอกสารนี้แบบออฟไลน์ได้โดยใช้ [Docsify](https://docsify.js.org/#/). Fork repo นี้, [ติดตั้ง Docsify](https://docsify.js.org/#/quickstart) บนเครื่องของคุณ, และในโฟลเดอร์ root ของ repo นี้, พิมพ์ `docsify serve`. เว็บไซต์จะถูกให้บริการบนพอร์ต 3000 บน localhost ของคุณ: `localhost:3000`.
|
|
|
|
## PDFs
|
|
|
|
ค้นหาไฟล์ pdf ของหลักสูตรพร้อมลิงก์ [ที่นี่](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
|
|
|
|
|
|
## 🎒 คอร์สอื่นๆ
|
|
|
|
ทีมของเราผลิตคอร์สอื่นๆ! ลองดู:
|
|
|
|
- [Generative AI for Beginners](https://aka.ms/genai-beginners)
|
|
- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
|
|
- [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
|
|
- [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
|
|
- [AI for Beginners](https://aka.ms/ai-beginners)
|
|
- [Data Science for Beginners](https://aka.ms/datascience-beginners)
|
|
- [ML for Beginners](https://aka.ms/ml-beginners)
|
|
- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101)
|
|
- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
|
|
- [IoT for Beginners](https://aka.ms/iot-beginners)
|
|
- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners)
|
|
- [Mastering GitHub Copilot for Paired Programming](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
|
|
- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
|
|
- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)
|
|
|
|
---
|
|
|