ML-For-Beginners/translations/th

🌐 การสนับสนุนหลายภาษา

สนับสนุนผ่าน GitHub Action (อัตโนมัติและอัปเดตตลอดเวลา)

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

ต้องการโคลนในเครื่องหรือไม่?

ที่เก็บนี้มีการแปลกว่า 50 ภาษา ซึ่งจะเพิ่มขนาดการดาวน์โหลดอย่างมาก หากต้องการโคลนโดยไม่รวมการแปล ให้ใช้ sparse checkout:

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'

สิ่งนี้จะให้ทุกอย่างที่คุณต้องการเพื่อทำหลักสูตรให้สมบูรณ์ โดยดาวน์โหลดได้รวดเร็วขึ้นมาก

เข้าร่วมชุมชนของเรา

เรามีชุดเรียนรู้ผ่าน Discord เกี่ยวกับ AI ที่กำลังดำเนินอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราที่ Learn with AI Series ระหว่างวันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและวิธีใช้ GitHub Copilot สำหรับ Data Science

การเรียนรู้เครื่องสำหรับผู้เริ่มต้น - หลักสูตร

🌍 ท่องเที่ยวทั่วโลกพร้อมสำรวจการเรียนรู้ของเครื่องผ่านวัฒนธรรมโลก 🌍

ทีม Cloud Advocates ของ Microsoft ยินดีนำเสนอหลักสูตร 12 สัปดาห์ 26 บทเรียน เกี่ยวกับ การเรียนรู้ของเครื่อง ในหลักสูตรนี้ คุณจะได้เรียนรู้เกี่ยวกับสิ่งที่เรียกว่า การเรียนรู้ของเครื่องแบบคลาสสิก โดยใช้หลักๆ คือ Scikit-learn เป็นไลบรารีและเลี่ยงการเรียนรู้เชิงลึก ซึ่งจะถูกสอนในหลักสูตร AI for Beginners ของเรา จับคู่บทเรียนเหล่านี้กับหลักสูตร 'Data Science for Beginners' ของเราได้ด้วย!

เดินทางไปกับเราโดยทั่วโลกขณะที่เราใช้เทคนิคคลาสสิกเหล่านี้กับข้อมูลจากพื้นที่ต่างๆ ทั่วโลก แต่ละบทเรียนประกอบด้วยแบบสอบถามก่อนและหลังบทเรียน คำแนะนำเป็นลายลักษณ์อักษรในการทำบทเรียนให้เสร็จสมบูรณ์ โซลูชัน งานมอบหมาย และอื่นๆ วิธีการสอนแบบโครงการช่วยให้คุณเรียนรู้ไปพร้อมกับการสร้าง ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าสามารถทำให้ทักษะใหม่ๆ ติดตัวคุณไปได้

✍️ ขอขอบคุณจากใจถึงผู้เขียนของเรา 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

🙏 ขอบคุณพิเศษ 🙏 สำหรับผู้เขียน รีวิว และผู้เขียนเนื้อหา Microsoft Student Ambassador 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 สำหรับบทเรียนภาษา R ของเรา!

เริ่มต้นใช้งาน

ทำตามขั้นตอนเหล่านี้:

1. Fork ที่เก็บข้อมูล: คลิกที่ปุ่ม "Fork" ที่มุมขวาบนของหน้านี้
2. โคลนที่เก็บข้อมูล: git clone https://github.com/microsoft/ML-For-Beginners.git

ค้นหาทรัพยากรเสริมทั้งหมดสำหรับหลักสูตรนี้ในคอลเลกชัน Microsoft Learn ของเรา

🔧 ต้องการความช่วยเหลือ? ดู คู่มือแก้ไขปัญหา ของเราเพื่อแก้ไขปัญหาที่พบบ่อยเกี่ยวกับการติดตั้ง การตั้งค่า และการใช้งานบทเรียน

นักเรียน ในการใช้หลักสูตรนี้ ให้ fork ทั้งที่เก็บไปยังบัญชี GitHub ของคุณเอง และทำแบบฝึกหัดด้วยตัวเองหรือกับกลุ่ม:

• เริ่มด้วยแบบทดสอบก่อนบรรยาย
• อ่านบรรยายและทำกิจกรรมให้เสร็จสมบูรณ์ หยุดและไตร่ตรองที่แต่ละการตรวจสอบความรู้
• พยายามสร้างโปรเจกต์โดยทำความเข้าใจบทเรียนแทนการรันโค้ดโซลูชัน อย่างไรก็ตาม โค้ดโซลูชันนั้นมีอยู่ในโฟลเดอร์ /solution ในแต่ละบทเรียนที่เน้นโปรเจกต์
• ทำแบบทดสอบหลังบรรยาย
• ทำความท้าทายให้เสร็จ
• ส่งงานมอบหมาย
• หลังจากทำกลุ่มบทเรียนเสร็จ เยี่ยมชม Discussion Board และ "เรียนรู้ด้วยเสียงดัง" โดยกรอกแบบประเมิน PAT ที่เหมาะสม PAT คือเครื่องมือประเมินความก้าวหน้าซึ่งเป็นแบบประเมินที่คุณกรอกเพื่อช่วยเสริมการเรียนรู้ของคุณ คุณยังสามารถโต้ตอบกับ PAT ของผู้อื่นเพื่อให้เราเรียนรู้ไปด้วยกัน

สำหรับการศึกษาต่อ เราแนะนำให้ติดตามโมดูลและเส้นทางการเรียนรู้ Microsoft Learn

สำหรับครู เราได้รวม คำแนะนำบางส่วน เกี่ยวกับวิธีใช้หลักสูตรนี้ไว้แล้ว

---

วิดีโอแนะนำ

บทเรียนบางบทมีในรูปแบบวิดีโอสั้น คุณสามารถหาได้ในบทเรียนแต่ละบท หรือใน เพลย์ลิสต์ ML for Beginners บนช่อง Microsoft Developer YouTube โดยคลิกที่ภาพด้านล่าง

---

ทีมงาน

ภาพเคลื่อนไหวโดย Mohit Jaisal

🎥 คลิกภาพด้านบนเพื่อดูวิดีโอเกี่ยวกับโครงการและทีมผู้สร้าง!

---

หลักการสอน

เราได้เลือกสองหลักการสอนขณะสร้างหลักสูตรนี้: ทำให้เป็นโครงการที่ลงมือทำจริง (hands-on project-based) และมีแบบทดสอบบ่อยๆ (frequent quizzes) นอกจากนี้ หลักสูตรนี้มีหัวข้อร่วมกัน (theme) เพื่อความเป็นเอกภาพ

ด้วยการทำให้เนื้อหาสอดคล้องกับโปรเจกต์ วิธีการนี้ช่วยเพิ่มความน่าสนใจสำหรับนักเรียนและทำให้แนวคิดจดจำได้ดีขึ้น นอกจากนี้ แบบทดสอบความเสี่ยงต่ำก่อนคลาสช่วยตั้งเจตนารมณ์ของนักเรียนเพื่อเรียนรู้หัวข้อ ขณะที่แบบทดสอบที่สองหลังคลาสช่วยให้ความจำดีขึ้น หลักสูตรนี้ออกแบบมาให้ยืดหยุ่นและสนุกสนาน สามารถเรียนทั้งหมดหรือบางส่วนได้ โปรเจกต์เริ่มจากง่ายและซับซ้อนขึ้นเรื่อยๆ ในช่วง 12 สัปดาห์ หลักสูตรนี้ยังมีบทส่งท้ายเกี่ยวกับการประยุกต์ใช้จริงของ ML ซึ่งสามารถใช้เป็นเครดิตพิเศษหรือเป็นฐานสำหรับการอภิปราย

ค้นหา จรรยาบรรณ, การร่วมมือ, การแปล และ การแก้ไขปัญหา ของเรา เราต้องการข้อเสนอแนะที่สร้างสรรค์จากคุณ!

ในแต่ละบทเรียนประกอบด้วย

• สเก็ตซ์โน้ตแบบเลือกได้
• วิดีโอเสริมแบบเลือกได้
• วิดีโอแนะนำ (เฉพาะบางบท)
• แบบทดสอบวอร์มอัพก่อนบรรยาย
• บทเรียนแบบเขียน
• สำหรับบทเรียนที่เน้นโปรเจกต์ มีคำแนะนำทีละขั้นตอนในการสร้างโปรเจกต์
• การตรวจสอบความรู้
• ความท้าทาย
• อ่านเพิ่มเติมเสริม
• การบ้าน
• แบบทดสอบหลังบรรยาย

หมายเหตุเกี่ยวกับภาษา: บทเรียนเหล่านี้ส่วนใหญ่เขียนด้วย Python แต่หลายบทเรียนก็มีให้ในภาษา R ด้วย ในการทำบทเรียนภาษา R ให้ไปที่โฟลเดอร์ /solution และมองหาบทเรียนภาษา R จะพบไฟล์นามสกุล .rmd ซึ่งหมายถึงไฟล์ R Markdown ที่สามารถนิยามได้ว่าเป็นการฝัง code chunks (ของ R หรือภาษาอื่นๆ) และ YAML header (ที่กำหนดวิธีจัดรูปแบบผลลัพธ์เช่น PDF) ใน Markdown document ด้วยเหตุนี้ มันจึงเป็นกรอบการเขียนเนื้อหาที่มีประสิทธิภาพสำหรับงานวิทยาศาสตร์ข้อมูล เพราะช่วยให้คุณรวมโค้ด ผลลัพธ์ และความคิดไว้ด้วยกันโดยการเขียนใน Markdown นอกจากนี้ เอกสาร R Markdown ยังสามารถเรนเดอร์ไปยังรูปแบบผลลัพธ์ เช่น PDF, HTML หรือ Word ได้ หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz App folder รวมทั้งหมด 52 แบบทดสอบ แต่ละแบบมีสามคำถาม เชื่อมโยงจากบทเรียนภายในแต่แอปแบบทดสอบสามารถรันได้ในเครื่อง; ทำตามคำแนะนำในโฟลเดอร์ quiz-app เพื่อโฮสต์ในเครื่องหรือดีพลอยไปยัง Azure

Lesson Number	หัวข้อ	กลุ่มบทเรียน	วัตถุประสงค์ในการเรียนรู้	บทเรียนที่เชื่อมโยง	ผู้แต่ง
01	คำแนะนำเบื้องต้นเกี่ยวกับการเรียนรู้ของเครื่อง	Introduction	เรียนรู้แนวคิดพื้นฐานเบื้องหลังการเรียนรู้ของเครื่อง	Lesson	Muhammad
02	ประวัติของการเรียนรู้ของเครื่อง	Introduction	เรียนรู้ประวัติที่อยู่เบื้องหลังสาขานี้	Lesson	Jen and Amy
03	ความเป็นธรรมและการเรียนรู้ของเครื่อง	Introduction	ปัญหาทางปรัชญาที่สำคัญเกี่ยวกับความเป็นธรรมที่นักเรียนควรพิจารณาเมื่อต้องสร้างและประยุกต์ใช้โมเดล ML	Lesson	Tomomi
04	เทคนิคสำหรับการเรียนรู้ของเครื่อง	Introduction	นักวิจัย ML ใช้เทคนิคใดในการสร้างโมเดล ML?	Lesson	Chris and Jen
05	คำแนะนำเบื้องต้นเกี่ยวกับการถดถอย	Regression	เริ่มต้นกับ Python และ Scikit-learn สำหรับโมเดลถดถอย	Python • R	Jen • Eric Wanjau
06	ราคาฟักทองในอเมริกาเหนือ 🎃	Regression	สร้างภาพและทำความสะอาดข้อมูลเพื่อเตรียมพร้อมสำหรับ ML	Python • R	Jen • Eric Wanjau
07	ราคาฟักทองในอเมริกาเหนือ 🎃	Regression	สร้างโมเดลถดถอยเชิงเส้นและถดถอยหลายพหุนาม	Python • R	Jen and Dmitry • Eric Wanjau
08	ราคาฟักทองในอเมริกาเหนือ 🎃	Regression	สร้างโมเดลถดถอยโลจิสติก	Python • R	Jen • Eric Wanjau
09	เว็บแอป 🔌	Web App	สร้างเว็บแอปเพื่อใช้โมเดลที่คุณฝึกมา	Python	Jen
10	คำแนะนำเบื้องต้นเกี่ยวกับการจัดประเภท	Classification	ทำความสะอาด เตรียม และสร้างภาพข้อมูล; แนะนำการจัดประเภท	Python • R	Jen and Cassie • Eric Wanjau
11	อาหารอร่อยจากเอเชียและอินเดีย 🍜	Classification	แนะนำตัวจัดประเภท	Python • R	Jen and Cassie • Eric Wanjau
12	อาหารอร่อยจากเอเชียและอินเดีย 🍜	Classification	ตัวจัดประเภทเพิ่มเติม	Python • R	Jen and Cassie • Eric Wanjau
13	อาหารอร่อยจากเอเชียและอินเดีย 🍜	Classification	สร้างเว็บแอปแนะนำโดยใช้โมเดลของคุณ	Python	Jen
14	คำแนะนำเบื้องต้นเกี่ยวกับการจัดกลุ่ม	Clustering	ทำความสะอาด เตรียม และสร้างภาพข้อมูล; คำแนะนำเกี่ยวกับการจัดกลุ่ม	Python • R	Jen • Eric Wanjau
15	สำรวจรสนิยมดนตรีของไนจีเรีย 🎧	Clustering	สำรวจวิธีการจัดกลุ่มแบบ K-Means	Python • R	Jen • Eric Wanjau
16	คำแนะนำเบื้องต้นเกี่ยวกับการประมวลผลภาษาธรรมชาติ ☕️	Natural language processing	เรียนรู้พื้นฐานเกี่ยวกับ NLP โดยการสร้างบอทอย่างง่าย	Python	Stephen
17	งาน NLP ที่พบบ่อย ☕️	Natural language processing	เพิ่มพูนความรู้ NLP ของคุณโดยเข้าใจงานทั่วไปที่ต้องทำเมื่อจัดการกับโครงสร้างของภาษา	Python	Stephen
18	การแปลภาษาและการวิเคราะห์อารมณ์ ♥️	Natural language processing	การแปลภาษาและวิเคราะห์อารมณ์กับ Jane Austen	Python	Stephen
19	โรงแรมโรแมนติกในยุโรป ♥️	Natural language processing	การวิเคราะห์อารมณ์ด้วยรีวิวโรงแรม 1	Python	Stephen
20	โรงแรมโรแมนติกในยุโรป ♥️	Natural language processing	การวิเคราะห์อารมณ์ด้วยรีวิวโรงแรม 2	Python	Stephen
21	คำแนะนำเบื้องต้นเกี่ยวกับการพยากรณ์อนุกรมเวลา	Time series	คำแนะนำเบื้องต้นเกี่ยวกับการพยากรณ์อนุกรมเวลา	Python	Francesca
22	⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์อนุกรมเวลาด้วย ARIMA	Time series	การพยากรณ์อนุกรมเวลาด้วย ARIMA	Python	Francesca
23	⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์อนุกรมเวลาด้วย SVR	Time series	การพยากรณ์อนุกรมเวลาด้วย Support Vector Regressor	Python	Anirban
24	คำแนะนำเบื้องต้นเกี่ยวกับการเรียนรู้เสริมแรง	Reinforcement learning	คำแนะนำเบื้องต้นเกี่ยวกับการเรียนรู้เสริมแรงด้วย Q-Learning	Python	Dmitry
25	ช่วย Peter หลีกเลี่ยงหมาป่า! 🐺	Reinforcement learning	Gym สำหรับการเรียนรู้เสริมแรง	Python	Dmitry
Postscript	สถานการณ์และแอปพลิเคชัน ML ในโลกจริง	ML in the Wild	แอปพลิเคชันที่น่าสนใจและเปิดเผยในโลกจริงของ ML คลาสสิก	Lesson	Team
Postscript	การดีบักโมเดล ML โดยใช้แดชบอร์ด RAI	ML in the Wild	การดีบักโมเดลใน Machine Learning โดยใช้ส่วนประกอบแดชบอร์ด Responsible AI	Lesson	Ruth Yakubu

ค้นหาทรัพยากรเพิ่มเติมทั้งหมดสำหรับหลักสูตรนี้ได้ที่คอลเล็กชัน Microsoft Learn ของเรา

การเข้าถึงแบบออฟไลน์

คุณสามารถเรียกดูเอกสารนี้แบบออฟไลน์โดยใช้ Docsify ทำการ Fork รีโปนี้, ติดตั้ง Docsify บนเครื่องของคุณ และจากนั้นที่โฟลเดอร์รากของรีโปนี้ พิมพ์คำสั่ง docsify serve เว็บไซต์จะถูกให้บริการที่พอร์ต 3000 บน localhost ของคุณ: localhost:3000

PDFs

ค้นหาไฟล์ pdf ของหลักสูตรพร้อมลิงก์ได้ ที่นี่.

🎒 หลักสูตรอื่นๆ

ทีมของเราผลิตหลักสูตรอื่นๆ อีก! ลองดู:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

การเรียนรู้หลัก

---

ซีรีส์ Copilot

การขอความช่วยเหลือ

หากคุณติดขัดหรือมีคำถามใด ๆ เกี่ยวกับการสร้างแอป AI เข้าร่วมเรียนรู้กับผู้เรียนและนักพัฒนาที่มีประสบการณ์ในการอภิปรายเกี่ยวกับ MCP นี่คือชุมชนที่สนับสนุนที่ซึ่งคำถามได้รับการต้อนรับและความรู้ถูกแบ่งปันอย่างอิสระ

หากคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดขณะสร้างโปรดเยี่ยมชม:

---

ข้อจำกัดความรับผิดชอบ:
เอกสารฉบับนี้ได้รับการแปลโดยใช้บริการแปลด้วย AI Co-op Translator แม้เราจะพยายามให้ความถูกต้องสูงสุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความคลาดเคลื่อนได้ เอกสารต้นฉบับในภาษาดั้งเดิมควรถูกพิจารณาว่าเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลโดยนักแปลมืออาชีพ เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดจากการใช้การแปลนี้