AI-For-Beginners/translations/th

ปัญญาประดิษฐ์สำหรับผู้เริ่มต้น - หลักสูตร

AI For Beginners - ภาพร่างโดย @girlie_mac

สำรวจโลกของ ปัญญาประดิษฐ์ (AI) ด้วยหลักสูตร 12 สัปดาห์ 24 บทเรียน! รวมถึงบทเรียนเชิงปฏิบัติแบบฝึกหัด และแลป หลักสูตรนี้เหมาะกับผู้เริ่มต้นและครอบคลุมเครื่องมือ เช่น TensorFlow และ PyTorch รวมถึงจริยธรรมใน AI

🌐 การสนับสนุนหลายภาษา

รองรับผ่าน GitHub Action (อัตโนมัติ & อัปเดตเสมอ)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

ต้องการโคลนแบบโลคอล?

ที่เก็บนี้รวมการแปลมากกว่า 50 ภาษา ซึ่งจะเพิ่มขนาดการดาวน์โหลดอย่างมีนัยสำคัญ หากต้องการโคลนโดยไม่รวมการแปล ให้ใช้ sparse checkout:

git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
cd AI-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

ซึ่งจะให้ทุกอย่างที่คุณต้องการเพื่อทำหลักสูตรให้เสร็จสิ้นด้วยการดาวน์โหลดที่รวดเร็วขึ้นมาก

หากคุณต้องการให้รองรับภาษาการแปลเพิ่มเติม รายการภาษาที่รองรับอยู่ ที่นี่

เข้าร่วมชุมชน

สิ่งที่คุณจะได้เรียนรู้

แผนผังความคิดของหลักสูตร

ในหลักสูตรนี้ คุณจะได้เรียนรู้:

• แนวทางต่าง ๆ ของปัญญาประดิษฐ์ รวมถึงแนวทางสัญลักษณ์ "ดีเดิม" กับ การนำเสนอความรู้ และการให้เหตุผล (GOFAI)
• โครงข่ายประสาทเทียม และ การเรียนรู้เชิงลึก ซึ่งเป็นหัวใจหลักของ AI สมัยใหม่ เราจะอธิบายแนวคิดเบื้องหลังหัวข้อสำคัญเหล่านี้โดยใช้โค้ดในสองเฟรมเวิร์กยอดนิยม - TensorFlow และ PyTorch
• สถาปัตยกรรมโครงข่ายประสาท สำหรับการทำงานกับภาพและข้อความ เราจะครอบคลุมโมเดลล่าสุดแต่บางส่วนอาจยังไม่ถึงระดับ state-of-the-art
• แนวทาง AI ที่ไม่เป็นที่นิยมมากนัก เช่น อัลกอริทึมทางพันธุกรรม และ ระบบหลายตัวแทน

สิ่งที่เราไม่ครอบคลุมในหลักสูตรนี้:

ค้นหาทรัพยากรเพิ่มเติมทั้งหมดสำหรับหลักสูตรนี้ในคอลเลกชัน Microsoft Learn ของเรา

• กรณีธุรกิจของการใช้ AI ในธุรกิจ แนะนำให้เรียนเส้นทางการเรียนรู้ Introduction to AI for business users บน Microsoft Learn หรือ AI Business School ซึ่งพัฒนาร่วมกับ INSEAD
• Machine Learning คลาสสิก ซึ่งอธิบายไว้อย่างดีใน หลักสูตร Machine Learning for Beginners
• แอปพลิเคชัน AI เชิงปฏิบัติที่สร้างขึ้นโดยใช้ Cognitive Services สำหรับเรื่องนี้ แนะนำให้เริ่มจากโมดูล Microsoft Learn สำหรับ วิสัยทัศน์, การประมวลผลภาษาธรรมชาติ, Generative AI กับ Azure OpenAI Service และอื่น ๆ
• เฟรมเวิร์ก Cloud ML เฉพาะทาง เช่น Azure Machine Learning, Microsoft Fabric หรือ Azure Databricks แนะนำให้ใช้เส้นทางการเรียนรู้ Build and operate machine learning solutions with Azure Machine Learning และ Build and Operate Machine Learning Solutions with Azure Databricks
• AI แบบสนทนา และ แชทบ็อต มีเส้นทางการเรียนรู้อีกแบบหนึ่งคือ Create conversational AI solutions และคุณยังสามารถดู โพสต์บล็อกนี้ สำหรับรายละเอียดเพิ่มเติม
• คณิตศาสตร์ลึกซึ้ง เบื้องหลัง deep learning สำหรับนี้แนะนำหนังสือ Deep Learning โดย Ian Goodfellow, Yoshua Bengio และ Aaron Courville ซึ่งมีออนไลน์ที่ https://www.deeplearningbook.org/

สำหรับการแนะนำที่นุ่มนวลสู่หัวข้อ AI บนคลาวด์ คุณอาจพิจารณาเส้นทางการเรียนรู้ เริ่มต้นกับปัญญาประดิษฐ์บน Azure

เนื้อหา

	ลิงก์บทเรียน	PyTorch/Keras/TensorFlow	แลป
0	ตั้งค่าหลักสูตร	ตั้งค่าสภาพแวดล้อมสำหรับพัฒนา
I	แนะนำเกี่ยวกับ AI
01	แนะนำและประวัติของ AI	-	-
II	AI แบบสัญลักษณ์
02	การนำเสนอความรู้และระบบผู้เชี่ยวชาญ	ระบบผู้เชี่ยวชาญ / ออนไทโลยี /แผนภูมิแนวคิด
III	แนะนำโครงข่ายประสาทเทียม
03	Perceptron	Notebook	Lab
04	หลายชั้นของ Perceptron และการสร้างเฟรมเวิร์กของเราเอง	Notebook	Lab
05	บทนำสู่ Frameworks (PyTorch/TensorFlow) และการเรียนรู้เกิน	PyTorch / Keras / TensorFlow	Lab
IV	การมองเห็นด้วยคอมพิวเตอร์	PyTorch / TensorFlow	สำรวจการมองเห็นด้วยคอมพิวเตอร์บน Microsoft Azure
06	บทนำสู่การมองเห็นด้วยคอมพิวเตอร์ OpenCV	Notebook	Lab
07	โครงข่ายประสาทเทียมคอนโวลูชัน (Convolutional Neural Networks) & สถาปัตยกรรม CNN	PyTorch /TensorFlow	Lab
08	เครือข่ายที่ฝึกสอนล่วงหน้าและการถ่ายโอนการเรียนรู้ และ เทคนิคการฝึกสอน	PyTorch / TensorFlow	Lab
09	ออโต้เอนโคเดอร์และ VAE	PyTorch / TensorFlow
10	เครือข่ายปัญญาประดิษฐ์เชิงปรปักษ์ & การถ่ายโอนสไตล์ศิลปะ	PyTorch / TensorFlow
11	การตรวจจับวัตถุ	TensorFlow	Lab
12	การแบ่งส่วนเชิงความหมาย U-Net	PyTorch / TensorFlow
V	การประมวลผลภาษาธรรมชาติ	PyTorch /TensorFlow	สำรวจการประมวลผลภาษาธรรมชาติเบื้องต้นบน Microsoft Azure
13	การแทนข้อความ Bow/TF-IDF	PyTorch / TensorFlow
14	การฝังคำเชิงความหมาย Word2Vec และ GloVe	PyTorch / TensorFlow
15	การสร้างแบบจำลองภาษา การฝังคำของคุณเอง	PyTorch / TensorFlow	Lab
16	โครงข่ายประสาทเทียมแบบวนซ้ำ	PyTorch / TensorFlow
17	โครงข่ายก่อกำเนิดแบบวนซ้ำ	PyTorch / TensorFlow	Lab
18	Transformers. BERT.	PyTorch /TensorFlow
19	การรู้จำเอนทิตีที่ตั้งชื่อ	TensorFlow	Lab
20	โมเดลภาษาขนาดใหญ่ การเขียนโปรแกรมพร้อมคำสั่ง และงานFew-Shot	PyTorch
VI	เทคนิค AI อื่นๆ
21	อัลกอริทึมทางพันธุกรรม	Notebook
22	การเรียนรู้เสริมลึก	PyTorch /TensorFlow	Lab
23	ระบบหลายเอเย่นต์
VII	จริยธรรม AI
24	จริยธรรม AI และ AI ที่รับผิดชอบ	Microsoft Learn: หลักการ AI ที่รับผิดชอบ
IX	พิเศษ
25	เครือข่ายโมดูลหลายแบบ, CLIP และ VQGAN	Notebook

แต่ละบทเรียนประกอบด้วย

• วัสดุก่อนอ่าน
• Jupyter Notebooks ที่สามารถรันได้ ซึ่งมักจะเฉพาะเจาะจงกับเฟรมเวิร์ก (PyTorch หรือ TensorFlow) โน้ตบุ๊ครันได้ยังมีเนื้อหาทางทฤษฎีมากมายด้วย ดังนั้นเพื่อเข้าใจหัวข้อคุณต้องผ่านเวอร์ชันโน้ตบุ๊กอย่างน้อยหนึ่งเวอร์ชัน (ทั้ง PyTorch หรือ TensorFlow)
• ห้องปฏิบัติการ สำหรับบางหัวข้อ ซึ่งให้โอกาสทดลองประยุกต์ใช้วัสดุที่คุณเรียนรู้กับปัญหาเฉพาะ
• บางส่วนมีลิงก์ไปยังโมดูล MS Learn ที่ครอบคลุมหัวข้อที่เกี่ยวข้อง

เริ่มต้นใช้งาน

🎯 ใหม่กับ AI? เริ่มที่นี่!

ถ้าคุณเป็นมือใหม่กับ AI และต้องการตัวอย่างที่รวดเร็ว ใช้งานได้จริง ตรวจสอบ ตัวอย่างสำหรับผู้เริ่มต้น! ซึ่งรวมถึง:

• 🌟 Hello AI World - โปรแกรม AI แรกของคุณ (การจดจำรูปแบบ)
• 🧠 โครงข่ายประสาทเทียมง่ายๆ - สร้างโครงข่ายประสาทเทียมตั้งแต่ต้น
• 🖼️ ตัวจำแนกรูปภาพ - จำแนกรูปภาพพร้อมคำอธิบายรายละเอียด
• 💬 การวิเคราะห์อารมณ์ข้อความ - วิเคราะห์ข้อความเชิงบวก/ลบ

ตัวอย่างเหล่านี้ออกแบบมาเพื่อช่วยให้คุณเข้าใจแนวคิดของ AI ก่อนที่จะลงลึกในหลักสูตรทั้งหมด

📚 การตั้งค่าหลักสูตรทั้งหมด

• เราได้สร้าง บทเรียนการตั้งค่า เพื่อช่วยคุณตั้งค่าสภาพแวดล้อมการพัฒนาของคุณ - สำหรับครูผู้สอน เราได้สร้าง บทเรียนการตั้งค่าหลักสูตร สำหรับคุณด้วย!
• วิธีการ รันโค้ดใน VSCode หรือ Codespace

ทำตามขั้นตอนเหล่านี้:

Fork ที่เก็บข้อมูล: คลิกปุ่ม "Fork" ที่มุมบนขวาของหน้านี้

โคลนที่เก็บข้อมูล: git clone https://github.com/microsoft/AI-For-Beginners.git

อย่าลืมกดดาว (🌟) ที่ repo นี้เพื่อหาง่ายขึ้นในภายหลัง

พบปะผู้เรียนคนอื่น ๆ

เข้าร่วม เซิร์ฟเวอร์ Discord AI อย่างเป็นทางการของเรา เพื่อพบปะและสร้างเครือข่ายกับผู้เรียนคนอื่น ๆ ที่เรียนหลักสูตรนี้และรับการสนับสนุน

หากคุณมีข้อเสนอแนะหรือคำถามเกี่ยวกับผลิตภัณฑ์ในระหว่างการสร้างโปรเจกต์ ให้เยี่ยมชม ฟอรัมสำหรับนักพัฒนา Azure AI Foundry

แบบทดสอบ

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz-app ใน etc\quiz-app หรือ ออนไลน์ที่นี่ โดยลิงก์มาจากภายในบทเรียน แอปแบบทดสอบสามารถรันในเครื่องหรือดีพลอยบน Azure ได้; ให้ทำตามคำแนะนำในโฟลเดอร์ quiz-app แบบทดสอบกำลังถูกแปลเป็นภาษาต่าง ๆ อย่างต่อเนื่อง

ต้องการความช่วยเหลือ

ถ้าคุณมีคำแนะนำหรือพบข้อผิดพลาดในการสะกดคำหรือโค้ด โปรดแจ้งปัญหา หรือสร้าง pull request

ขอบคุณพิเศษ

• ✍️ ผู้เขียนหลัก: Dmitry Soshnikov, ปริญญาเอก
• 🔥 บรรณาธิการ: Jen Looper, ปริญญาเอก
• 🎨 นักวาดภาพสเก็ตช์โน้ต: Tomomi Imura
• ✅ ผู้สร้างแบบทดสอบ: Lateefah Bello, MLSA
• 🙏 ผู้ร่วมพัฒนาหลัก: Evgenii Pishchik

หลักสูตรอื่น ๆ

ทีมงานของเราผลิตหลักสูตรอื่น ๆ ด้วย! ลองดู:

LangChain

---

Azure / Edge / MCP / Agents

---

ชุด Generative AI

---

การเรียนรู้พื้นฐาน

---

ชุด Copilot

การขอความช่วยเหลือ

หากคุณติดขัดหรืมีคำถามเกี่ยวกับการสร้างแอป AI เข้าร่วมกับผู้เรียนและนักพัฒนาที่มีประสบการณ์ในชุมชนการอภิปรายเกี่ยวกับ MCP ที่นี่คือชุมชนที่ให้การสนับสนุนซึ่งยินดีต้อนรับคำถามและแบ่งปันความรู้ได้อย่างเสรี

หากคุณมีคำติชมเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดระหว่างการสร้าง โปรดเยี่ยมชม:

---

ข้อจำกัดความรับผิดชอบ: เอกสารฉบับนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ Co-op Translator แม้ว่าเราจะพยายามให้ความถูกต้องอย่างที่สุด กรุณาทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญขอแนะนำให้ใช้บริการแปลโดยผู้เชี่ยวชาญมนุษย์ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใดๆ ที่เกิดจากการใช้การแปลนี้