UAT 482 · 3(2-2-5) · ชั้นปี/ภาค 4/1

เทคโนโลยีการเรียนรู้ของเครื่องและการประยุกต์

Machine Learning Technology and Applications

ความคืบหน้า
ชั่วโมงตามการออกแบบ: 135 ชม. (ออนไลน์/ศึกษาด้วยตนเอง 75 · ในชั้นเรียน/ปฏิบัติ 60)

คำอธิบายรายวิชา

กระบวนการพัฒนาแบบจำลองการเรียนรู้ของเครื่อง การเตรียมและแบ่งข้อมูล การเรียนรู้แบบมีผู้สอนและไม่มีผู้สอน การจำแนก การถดถอย การจัดกลุ่ม การลดมิติ การประเมินประสิทธิภาพ การปรับแบบจำลอง และการประยุกต์กับข้อมูลจากระบบอัตโนมัติและอากาศยานไร้คนขับ

คำอธิบายภาษาอังกฤษ

machine-learning development workflows, data preparation and partitioning, supervised and unsupervised learning, classification, regression, clustering, dimensionality reduction, performance evaluation, model tuning, and applications to automation and UAS data

ที่มาคำอธิบาย: ร่างเล่มหลักสูตร (แก้ไข 28 ก.ย. 2569)รหัสเดิมในเว็บ: DRT 491

ผลลัพธ์การเรียนรู้ระดับรายวิชา (CLO)

CLOผลลัพธ์การเรียนรู้PLO
CLO1อธิบายอัลกอริทึมการเรียนรู้ของเครื่องหลักPLO4
CLO2พัฒนาและประเมินโมเดลด้วยข้อมูลจริงPLO4
CLO3ประยุกต์ ML กับข้อมูลโดรนอย่างมีจริยธรรมPLO4PLO6

โมดูลการเรียนรู้

1พื้นฐาน ML
สัปดาห์ 1–3 · 27 ชม.
1 KU

ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 12 ชม.

ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย

หลักฐานการเรียนรู้: ใบงานที่ผ่านการตรวจและผล quiz

2การเรียนรู้แบบมีผู้สอน
สัปดาห์ 4–6 · 27 ชม.
2 KU

ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 12 ชม.

ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย

หลักฐานการเรียนรู้: ใบงานที่ผ่านการตรวจและผล quiz

3การแบ่งข้อมูลและ leakage
สัปดาห์ 7–9 · 27 ชม.
1 KU

ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 12 ชม.

ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย

หลักฐานการเรียนรู้: ใบงานที่ผ่านการตรวจและผล quiz

4Deep learning
สัปดาห์ 10–12 · 27 ชม.
2 KU

ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 12 ชม.

ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย

หลักฐานการเรียนรู้: ใบงานที่ผ่านการตรวจและผล quiz

5การประเมินและจริยธรรม
สัปดาห์ 13–15 · 27 ชม.
2 KU

ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม · 12 ชม.

ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย

หลักฐานการเรียนรู้: ใบงานที่ผ่านการตรวจและผล quiz

การวัดและประเมินผล (ร่าง)

ปฏิบัติการและใบงาน35%
quiz ประจำโมดูล10%
สอบกลางภาค20%
โครงงานย่อยหรือสอบปฏิบัติ35%

โดเมนความรู้

แหล่งอ้างอิงหลัก

  1. Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow (3rd ed.). O'Reilly.
  2. Prince, S. J. D. (2023). Understanding deep learning. MIT Press. link
  3. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. link