Machine Learning
Machine Learning (แมทชีน เลินนิ่ง) เป็นศาสตร์แขนงหนึ่งที่ทำให้คอมพิวเตอร์มีความสามารถในการเรียนรู้ด้วยตนเอง เมื่อมีข้อมูลเข้าสามารถทำนายหรือตัดสินใจได้โดยปราศจากการทำงานตามลำดับคำสั่งโปรแกรม ซึ่ง Machine Learning นั้นเปรียบได้กับว่าเป็นการรวบรวมศาสตร์หลายแขนงเข้าไว้ด้วยกัน อาทิเช่น วิทยาการคอมพิวเตอร์, วิศวกรรม และที่สำคัญนั้นคือ สถิติ นอกจากนี้มันยังเชื่อมโยงกับองค์ความรู้ปลายทางที่เราต้องการนำไปประยุกต์ใช้ เช่น ชีววิทยา เคมี หลักการตลาด เป็นต้น
รูปแบบการเรียนรู้ของ Machine Learning มีรูปแบบการเรียนรู้ 3 รูปแบบดังนี้
1. การเรียนรู้แบบมีผู้สอน (Supervised Learning (ซุปเปอร์ไวซ์ เลินนิ่ง))
เป็นการเรียนรู้โดยอาศัยข้อมูลและ label จากข้อมูลสำหรับการเรียนรู้ ได้ผลลัพธ์ออกมาเป็น การแบ่งประเภทข้อมูล (classification (คลาสสิฟิเคชั่น)) และ การวิเคราะห์การถดถอย (regression (รีเกรชชั่น))
2.การเรียนรู้แบบไม่มีผู้สอน (Unsupervised learning (อันซุปเปอร์ไวซ์ เลินนิ่ง))
การเรียนรู้นี้ไม่ได้มี label ที่บอกว่าข้อมูลนั้นคืออะไร แต่การเรียนรู้นี้จะจัดข้อมูลนำเข้า (input (อินพุท)) จัดเป็นกลุ่ม (cluster (ครัสเตอร์)) บนพื้นฐานของความเหมือน (similarities (ซิมิลาลิตี้)) และความแตกต่าง (differences (ดิฟเฟอเร้น)) ระหว่างรูปแบบของข้อมูลนำเข้า ตัวอย่างเช่น การหาโครงสร้างที่ซ่อนอยู่ในข้อมูล เป็นต้น
3.การเรียนรู้แบบเสริมกำลัง (Reinforcement learning (รีอินฟอเม้น เลินนิ่ง)) เป็นการเรียนรู้แบบแผนซึ่งกำหนดการกระทำของระบบจากสิ่งที่สังเกตได้ แนวความคิด คือ เรียนรู้จากสิ่งแวดล้อมรอบตัว
ที่มา https://www.mindphp.com/%E0%B8%9A%E0%B8%97%E0%B8%84%E0%B8%A7%E0%B8%B2%E0%B8%A1/240-ai-machine-learning/5260-what-is-machine-learning.html
https://www.guru99.com/images/tensorflow/082918_1102_WhatisMachi5.png
https://bit.ly/30CaY52
แนวคิดของ Artificial Neural Networks หรือ โครงข่ายประสาทเทียมนั้นมาจากเลียนแบบการทำงานของระบบประสาทของมนุษย์ จะจำลองการทำงานเหมือนกลุ่มเซลล์ประสาทที่เชื่อมโยงกัน สามารถรับรู้หลายๆ ได้ในเวลาเดียวกัน ด้วยการประมวลผลแบบขนาน (Parallel Network) ทำให้ระบบสามารถตัดสินใจได้ใกล้เคียงกับมนุษย์
การทำงานของ Artificial Neural Networks โดยจะมี ชั้น input layer ซึ่งรับข้อมูลจากภายนอก มาที่ชั้น Hidden Layer จะอยู่ระหว่าง input layer และ output layer ทำหน้าที่ประเมินชุดข้อมูลหรือการแปลงสิ่งที่ input layer เข้ามาให้สามารถนำออกไปใช้ใน output layer ได้ ส่วนของชั้น output layer จะส่งออกข้อมูลที่แปลงมาแล้วหรือนำเสนอข้อมูลที่ได้ออกมา เครือข่ายประสาทส่วนใหญ่มีการเชื่อมต่อกันหมด หมายถึงว่า Hidden Layer ทั้งหมดจะเชื่อมต่อกับเซลล์ประสาททุกตัวในชั้น input layer และชั้น output layer
การนำ Artificial Neural Networks มาประยุกต์ใช้
ใช้ในการช่วยแยกแยะสิ่งของต่างๆ
ใช้ในงานที่มีการเปลี่ยนแปลงอยู่เสมอ เพราะว่า Artificial Neural Networks จะสามารถปรับตัวได้เอง
การจดจำใบหน้า ตัวอักษร ลายมือ
การทำนาย เช่น หุ้น พยากรณ์อากาศ
และอื่นๆอีกมากมายที่นำ Artificial Neural Networks มาประยุกต์ใช้งาน
https://www.mindphp.com/images/knowledge/AI/Artificial-Neural-Networks.jpg
https://cdn.zephyrnet.com/wp-content/uploads/2022/03/01114039/basic-introduction-to-convolutional-neural-network-in-deep-learning.png
M5 Lidarbot
