Artificial Intelligence (อบรมพร้อมสอบ)

เนื้อหาการอบรม

• นิยามของปัญญาประดิษฐ์ (AI Definition)
  • ปัญญาประดิษฐ์ (Artificial Intelligence)
  • การพิจารณาความต้องการของ AI ที่ควรนามาใช้แก้ไขปัญหา (AI Considerations)
  • การจัดการความเสี่ยงที่อาจเกิดขึ้นในการใช้ระบบ AI (Risk Assessment)
  • ประเภทของการเรียนรู้ (Learning)
  • ประเภทของอัลกอริทึมพื้นฐานด้าน Machine Learning
  • Uncertainty in Machine Learning
  • การเลือกใช้เครื่องมือในการพัฒนางานด้าน AI / Machine Learning
• การรวบรวมข้อมูล ประมวลผล และกระบวนการทางวิศวกรรรม (Data Collection, Processing and Engineering)
  • การรวบรวมข้อมูล
  • กระบวนการ ETL (Extract, Transform and Load)
  • การวิเคราะห์ข้อมูลเชิงการตรวจสอบ (EDA : Exploratory Data Analysis)
  • ข้อมูลตัวอย่าง (Population & Sample)
  • Representative Data
  • Errors, Outliers และ Noise
  • ค่าสหสัมพันธ์ (Correlation)
  • Data Visualization
  • กระบวนการ Data Preprocessing ใน Machine Learning
• อัลกอริทึมและการพัฒนาโมเดลปัญญาประดิษฐ์ (AI Algorithms and Models)
  • กระบวนการพัฒนาโมเดล Machine Learning
  • การเลือกอัลกอริทึมที่เหมาะสมสาหรับโมเดล
  • Bias และ Variance
  • แนวคิด Generalization
  • กระบวนการ Cross-Validation
  • Parameter ทาง Machine Learning
  • Hypothesis ทาง Machine Learning
  • Classification Algorithm
  • Regression Algorithm
  • Clustering Algorithm
• แนวคิดการบูรณาการและแนวทางในการกากับดูแลโมเดลปัญญาประดิษฐ์
• แนะนาการสอบ ITS Artificial Intelligence ผ่านระบบ Certiport
• สอบวัดทักษะด้านปัญญาประดิษฐ์ด้วยโปรแกรมการสอบ ITS Artificial Intelligence