AI-For-Beginners/translations/th

ปัญญาประดิษฐ์สำหรับผู้เริ่มต้น - หลักสูตร

AI For Beginners - สเก็ตช์โน้ตโดย @girlie_mac

สำรวจโลกของ ปัญญาประดิษฐ์ (AI) กับหลักสูตร 12 สัปดาห์ 24 บทเรียนของเรา! หลักสูตรนี้ประกอบด้วยบทเรียนเชิงปฏิบัติ แบบทดสอบ และห้องปฏิบัติการ หลักสูตรนี้เหมาะสำหรับผู้เริ่มต้นและครอบคลุมเครื่องมือต่างๆ เช่น TensorFlow และ PyTorch รวมถึงจริยธรรมใน AI

🌐 รองรับหลายภาษา

รองรับผ่าน GitHub Action (ทำงานอัตโนมัติ & อัปเดตตลอดเวลา)

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

ต้องการโคลนแบบภายในเครื่อง?

ที่เก็บนี้รวมการแปลมากกว่า 50 ภาษา ซึ่งจะเพิ่มขนาดการดาวน์โหลดอย่างมาก หากต้องการโคลนโดยไม่เอาการแปล 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'

วิธีนี้จะให้ทุกสิ่งที่คุณต้องการเพื่อทำคอร์สนี้ให้เสร็จด้วยการดาวน์โหลดที่เร็วขึ้นมาก

หากคุณต้องการให้รองรับภาษาเพิ่มอีก รายการภาษาที่รองรับอยู่ ที่นี่

เข้าร่วมชุมชน

สิ่งที่คุณจะได้เรียนรู้

แผนผังใจของหลักสูตร

ในหลักสูตรนี้ คุณจะได้เรียนรู้:

• วิธีการต่าง ๆ ของปัญญาประดิษฐ์ รวมถึงวิธีแบบ "เก่าแก่" ทางสัญลักษณ์ด้วย การแทนความรู้ และการให้เหตุผล (GOFAI)
• โครงข่ายประสาทเทียม และ การเรียนรู้เชิงลึก ซึ่งเป็นแกนหลักของ AI สมัยใหม่ เราจะอธิบายแนวคิดเบื้องหลังหัวข้อสำคัญเหล่านี้โดยใช้โค้ดในสองเฟรมเวิร์กยอดนิยม คือ TensorFlow และ PyTorch
• สถาปัตยกรรมประสาท สำหรับการทำงานกับภาพและข้อความ เราจะครอบคลุมโมเดลล่าสุดแม้อาจจะยังไม่ทันสมัยที่สุด
• วิธี AI ที่นิยมน้อยกว่า เช่น อัลกอริทึมพันธุกรรม และ ระบบหลายเอเย่นต์

สิ่งที่เราจะไม่กล่าวถึงในหลักสูตรนี้:

ค้นหาทรัพยากรเพิ่มเติมทั้งหมดสำหรับหลักสูตรนี้ได้ที่คอลเลกชัน Microsoft Learn ของเรา

• กรณีธุรกิจของการใช้ AI ในธุรกิจ แนะนำให้ลองเรียนเส้นทาง เกริ่นนำ AI สำหรับผู้ใช้งานธุรกิจ บน Microsoft Learn หรือ AI Business School ซึ่งพัฒนาร่วมกับ INSEAD
• Machine Learning แบบคลาสสิก ซึ่งได้รับการอธิบายอย่างดีใน Machine Learning for Beginners Curriculum
• แอปพลิเคชัน AI เชิงปฏิบัติที่สร้างด้วย Cognitive Services เราแนะนำเริ่มจากโมดูล Microsoft Learn สำหรับ การมองเห็น, การประมวลผลภาษาธรรมชาติ, Generative AI กับ Azure OpenAI Service และอื่น ๆ
• เฟรมเวิร์ก ML เฉพาะทางบนคลาวด์ เช่น Azure Machine Learning, Microsoft Fabric หรือ Azure Databricks แนะนำใช้เส้นทางการเรียน Build and operate machine learning solutions with Azure Machine Learning และ Build and Operate Machine Learning Solutions with Azure Databricks
• Conversational AI และ แชทบอท มีเส้นทางเรียนแยก Create conversational AI solutions และคุณยังสามารถอ้างอิง โพสต์บล็อกนี้ เพื่อรายละเอียดเพิ่มเติม
• คณิตศาสตร์เชิงลึก เบื้องหลังการเรียนรู้เชิงลึก เราขอแนะนำหนังสือ Deep Learning โดย Ian Goodfellow, Yoshua Bengio และ Aaron Courville ซึ่งมีให้บริการออนไลน์ที่ https://www.deeplearningbook.org/

สำหรับการแนะนำเบื้องต้นเรื่อง AI บนคลาวด์ คุณอาจสนใจเข้าร่วมเส้นทางการเรียน Get started with artificial intelligence on Azure

เนื้อหา

	ลิงก์บทเรียน	PyTorch/Keras/TensorFlow	ห้องปฏิบัติการ
0	ตั้งค่าคอร์ส	ตั้งค่าสภาพแวดล้อมพัฒนาของคุณ
I	แนะนำสู่ AI
01	แนะนำและประวัติของ AI	-	-
II	AI ทางสัญลักษณ์
02	การแทนความรู้และระบบผู้เชี่ยวชาญ	ระบบผู้เชี่ยวชาญ / ออนโทโลยี /กราฟแนวคิด
III	แนะนำเกี่ยวกับโครงข่ายประสาทเทียม
03	Perceptron	Notebook	Lab
04	Multi-Layered Perceptron และการสร้าง Framework ของเราเอง	Notebook	Lab
05	แนะนำ Frameworks (PyTorch/TensorFlow) และการ overfitting	PyTorch / Keras / TensorFlow	Lab
IV	คอมพิวเตอร์วิชัน	PyTorch / TensorFlow	สำรวจคอมพิวเตอร์วิชันบน Microsoft Azure
06	แนะนำคอมพิวเตอร์วิชัน OpenCV	Notebook	Lab
07	โครงข่ายประสาทเทียมคอนโวลูชัน (CNN) & สถาปัตยกรรม CNN	PyTorch /TensorFlow	Lab
08	โครงข่ายที่ผ่านการฝึกแล้วและการถ่ายโอนเรียนรู้ และ เทคนิคการฝึก	PyTorch / TensorFlow	Lab
09	ออโต้เอนโค้ดเดอร์และ VAEs	PyTorch / TensorFlow
10	โครงข่ายแข่งขันสร้างสรรค์ (GAN) และการถ่ายโอนสไตล์ศิลปะ	PyTorch / TensorFlow
11	การตรวจจับวัตถุ	TensorFlow	Lab
12	การแบ่งส่วนเชิงความหมาย U-Net	PyTorch / TensorFlow
V	การประมวลผลภาษาธรรมชาติ	PyTorch /TensorFlow	สำรวจการประมวลผลภาษาธรรมชาติบน Microsoft Azure
13	การแทนข้อความ Bow/TF-IDF	PyTorch / TensorFlow
14	Embedding คำเชิงความหมาย Word2Vec และ GloVe	PyTorch / TensorFlow
15	การสร้างแบบจำลองภาษา ฝึก embeddings ของคุณเอง	PyTorch / TensorFlow	Lab
16	โครงข่ายประสาทเทียมแแบบลำดับ (RNN)	PyTorch / TensorFlow
17	โครงข่ายประสาทเทียมแบบลำดับสร้างสรรค์	PyTorch / TensorFlow	Lab
18	ทรานส์ฟอร์มเมอร์ BERT.	PyTorch /TensorFlow
19	การรู้จำชื่อเอนทิตี้	TensorFlow	Lab
20	โมเดลภาษาขนาดใหญ่ การเขียน prompt และงาน few-shot	PyTorch
VI	เทคนิค AI อื่นๆ
21	อัลกอริทึมพันธุกรรม	Notebook
22	การเรียนรู้เสริมเชิงลึก	PyTorch /TensorFlow	Lab
23	ระบบหลายเอเย่นต์
VII	จริยธรรม AI
24	จริยธรรม AI และความรับผิดชอบ AI	Microsoft Learn: หลักการ AI ที่รับผิดชอบ
IX	ส่วนเพิ่มเติม
25	โครงข่ายมัลติ-โมดัล CLIP และ VQGAN	Notebook

แต่ละบทเรียนประกอบด้วย

• เนื้อหาก่อนอ่าน
• Jupyter Notebooks ที่สามารถรันได้ ซึ่งมักจะเฉพาะเจาะจงกับ framework (PyTorch หรือ TensorFlow) โน้ตบุ๊กรันได้ยังประกอบด้วยเนื้อหาทางทฤษฎีมากมาย ดังนั้นเพื่อให้เข้าใจหัวข้อจำเป็นต้องผ่านอย่างน้อยหนึ่งเวอร์ชันของโน้ตบุ๊ก (ทั้ง PyTorch หรือ TensorFlow)
• ห้องปฏิบัติการ (Labs) มีให้สำหรับบางหัวข้อ ซึ่งเปิดโอกาสให้คุณทดลองนำเนื้อหาที่เรียนไปประยุกต์ใช้กับปัญหาเฉพาะ
• บางส่วนมีลิงก์ไปยังโมดูล MS Learn ที่เกี่ยวข้อง

เริ่มต้น

🎯 ใหม่กับ AI? เริ่มที่นี่!

ถ้าคุณเป็นมือใหม่กับ AI และต้องการตัวอย่างแบบลงมือทำอย่างรวดเร็ว ลองดูที่ ตัวอย่างสำหรับผู้เริ่มต้น! ซึ่งประกอบด้วย:

• 🌟 Hello AI World - โปรแกรม AI แรกของคุณ (การจดจำรูปแบบ)

• 🧠 โครงข่ายประสาทเทียมง่ายๆ - สร้างโครงข่ายประสาทเทียมจากศูนย์

• 🖼️ ตัวจำแนกรูปภาพ - จำแนกรูปภาพพร้อมคำอธิบายรายละเอียด

• 💬 การวิเคราะห์อารมณ์ข้อความ - วิเคราะห์ข้อความเชิงบวก/เชิงลบ

ตัวอย่างเหล่านี้ถูกออกแบบมาเพื่อช่วยให้คุณเข้าใจแนวคิด AI ก่อนที่จะเริ่มเรียนหลักสูตรเต็มรูปแบบ

📚 การตั้งค่าหลักสูตรเต็มรูปแบบ

• เราได้สร้าง บทเรียนตั้งค่า เพื่อช่วยคุณตั้งค่าสภาพแวดล้อมการพัฒนา
• สำหรับครูผู้สอน เราได้สร้าง บทเรียนตั้งค่าหลักสูตร ให้กับคุณด้วย!
• วิธีการ รันโค้ดใน VSCode หรือ Codespace

ทำตามขั้นตอนเหล่านี้:

Fork ที่เก็บ: คลิกที่ปุ่ม "Fork" ที่มุมบนขวาของหน้านี้

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

อย่าลืมกดดาว (🌟) ที่ repo นี้เพื่อให้ง่ายต่อการค้นหาในภายหลัง

พบปะผู้เรียนคนอื่น ๆ

เข้าร่วม เซิร์ฟเวอร์ Discord ทางการของ AI เพื่อพบปะและสร้างเครือข่ายกับผู้เรียนคนอื่น ๆ ที่เรียนหลักสูตรนี้ และรับการสนับสนุน

หากคุณมีความคิดเห็นเกี่ยวกับผลิตภัณฑ์หรือคำถามระหว่างการสร้างโปรดเยี่ยมชม Azure AI Foundry Developer Forum

แบบทดสอบ

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดจะอยู่ในโฟลเดอร์ Quiz-app ใน etc\quiz-app หรือ ออนไลน์ที่นี่ มีลิงก์จากในบทเรียน
แอปแบบทดสอบสามารถรันได้ในเครื่องหรือดีพลอยไปที่ Azure; ทำตามคำแนะนำในโฟลเดอร์ quiz-app
แบบทดสอบมีการแปลเป็นภาษาต่าง ๆ อย่างต่อเนื่อง

ต้องการความช่วยเหลือ

คุณมีคำแนะนำหรือพบข้อผิดพลาดตัวสะกดหรือโค้ดหรือไม่?
เปิด issue หรือสร้าง pull request

ขอบคุณพิเศษ

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

หลักสูตรอื่น ๆ

ทีมงานของเราผลิตหลักสูตรอื่น ๆ ด้วย! ลองดู:

LangChain

Azure / Edge / MCP / Agents

---

ซีรีส์ Generative AI

---

การเรียนรู้หลัก

---

ซีรีส์ Copilot

รับความช่วยเหลือ

ถ้าคุณติดขัดหรือมีคำถามเกี่ยวกับการสร้างแอป AI
เข้าร่วมกับเพื่อนผู้เรียนและนักพัฒนาประสบการณ์ในชุมชนเพื่อพูดคุยเกี่ยวกับ MCP นี่คือชุมชนที่สนับสนุนซึ่งทุกคำถามเป็นที่ต้อนรับและความรู้ถูกแบ่งปันอย่างอิสระ

หากคุณมีข้อคิดเห็นเกี่ยวกับผลิตภัณฑ์หรือข้อผิดพลาดขณะสร้างโปรดเยี่ยมชม:

---

ปฏิเสธความรับผิดชอบ: เอกสารฉบับนี้ถูกแปลโดยใช้บริการแปลภาษาด้วย AI Co-op Translator แม้เราจะพยายามให้มีความถูกต้องสูงสุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่แม่นยำ เอกสารต้นฉบับในภาษาต้นฉบับควรถูกถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่มีความสำคัญแนะนำให้ใช้บริการแปลโดยผู้เชี่ยวชาญที่เป็นมนุษย์ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดขึ้นจากการใช้การแปลนี้