AI-For-Beginners/translations/th

ปัญญาประดิษฐ์สำหรับผู้เริ่มต้น - หลักสูตร

ปัญญาประดิษฐ์สำหรับผู้เริ่มต้น - 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 (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

หากคุณต้องการให้รองรับภาษาเพิ่มเติม รายการภาษาที่รองรับอยู่ที่ นี่

เข้าร่วมชุมชน

สิ่งที่คุณจะได้เรียนรู้

แผนผังความคิดของหลักสูตร

ในหลักสูตรนี้ คุณจะได้เรียนรู้:

• แนวทางต่างๆ ของปัญญาประดิษฐ์ รวมถึงแนวทางเชิงสัญลักษณ์แบบดั้งเดิมที่ใช้ การแทนความรู้ และการให้เหตุผล (GOFAI)
• โครงข่ายประสาทเทียม และ การเรียนรู้เชิงลึก ซึ่งเป็นหัวใจของ AI สมัยใหม่ เราจะอธิบายแนวคิดเบื้องหลังหัวข้อสำคัญเหล่านี้โดยใช้โค้ดในสองเฟรมเวิร์กยอดนิยม - TensorFlow และ PyTorch
• สถาปัตยกรรมโครงข่ายประสาท สำหรับการทำงานกับภาพและข้อความ เราจะครอบคลุมโมเดลล่าสุดแต่บางส่วนอาจยังไม่ถึงระดับล้ำสมัยที่สุด
• แนวทาง AI ที่ไม่ค่อยได้รับความนิยม เช่น อัลกอริทึมพันธุกรรม และ ระบบหลายตัวแทน

สิ่งที่เราจะไม่ครอบคลุมในหลักสูตรนี้:

ค้นหาทรัพยากรเพิ่มเติมสำหรับหลักสูตรนี้ได้ในคอลเลกชัน Microsoft Learn ของเรา

• กรณีธุรกิจของการใช้ AI ในธุรกิจ แนะนำให้เรียนเส้นทางการเรียนรู้ แนะนำ AI สำหรับผู้ใช้ธุรกิจ บน Microsoft Learn หรือ AI Business School ซึ่งพัฒนาร่วมกับ INSEAD
• การเรียนรู้ของเครื่องแบบคลาสสิก ซึ่งอธิบายไว้อย่างดีใน หลักสูตร Machine Learning for Beginners
• การประยุกต์ใช้ AI เชิงปฏิบัติที่สร้างด้วย Cognitive Services สำหรับเรื่องนี้แนะนำให้เริ่มจากโมดูล Microsoft Learn สำหรับ การมองเห็น, การประมวลผลภาษาธรรมชาติ, Generative AI กับ Azure OpenAI Service และอื่นๆ
• เฟรมเวิร์กคลาวด์เฉพาะสำหรับ ML เช่น Azure Machine Learning, Microsoft Fabric หรือ Azure Databricks แนะนำให้ใช้เส้นทางการเรียนรู้ สร้างและดำเนินการแก้ปัญหา machine learning ด้วย Azure Machine Learning และ สร้างและดำเนินการแก้ปัญหา machine learning ด้วย Azure Databricks
• AI สนทนา และ แชทบอท มีเส้นทางการเรียนรู้แยกต่างหาก สร้างโซลูชัน AI สนทนา และคุณยังสามารถดู โพสต์บล็อกนี้ เพื่อรายละเอียดเพิ่มเติม
• คณิตศาสตร์เชิงลึก เบื้องหลังการเรียนรู้เชิงลึก สำหรับเรื่องนี้แนะนำหนังสือ Deep Learning โดย Ian Goodfellow, Yoshua Bengio และ Aaron Courville ซึ่งมีให้บริการออนไลน์ที่ https://www.deeplearningbook.org/

สำหรับการแนะนำเบื้องต้นเกี่ยวกับหัวข้อ AI บนคลาวด์ คุณอาจพิจารณาเรียนเส้นทางการเรียนรู้ เริ่มต้นกับปัญญาประดิษฐ์บน Azure

เนื้อหา

	ลิงก์บทเรียน	PyTorch/Keras/TensorFlow	ห้องปฏิบัติการ
0	การตั้งค่าหลักสูตร	ตั้งค่าสภาพแวดล้อมการพัฒนา
I	แนะนำปัญญาประดิษฐ์
01	แนะนำและประวัติของ AI	-	-
II	AI เชิงสัญลักษณ์
02	การแทนความรู้และระบบผู้เชี่ยวชาญ	ระบบผู้เชี่ยวชาญ / ออนโทโลยี /กราฟแนวคิด
III	แนะนำโครงข่ายประสาทเทียม
03	Perceptron	Notebook	Lab
04	Multi-Layered Perceptron และการสร้าง Framework ของเราเอง	Notebook	Lab
05	แนะนำ Frameworks (PyTorch/TensorFlow) และ Overfitting	PyTorch / Keras / TensorFlow	Lab
IV	คอมพิวเตอร์วิทัศน์	PyTorch / TensorFlow	สำรวจคอมพิวเตอร์วิทัศน์บน Microsoft Azure
06	แนะนำคอมพิวเตอร์วิทัศน์ OpenCV	Notebook	Lab
07	โครงข่ายประสาทเทียมแบบคอนโวลูชัน (Convolutional Neural Networks) & สถาปัตยกรรม CNN	PyTorch /TensorFlow	Lab
08	โครงข่ายที่ผ่านการฝึกมาแล้วและการเรียนรู้แบบถ่ายโอน (Transfer Learning) และ เคล็ดลับการฝึก	PyTorch / TensorFlow	Lab
09	ออโต้เอนโค้ดเดอร์และ VAE	PyTorch / TensorFlow
10	โครงข่ายปฏิปักษ์สร้างสรรค์ (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	การฝังคำเชิงความหมาย Word2Vec และ GloVe	PyTorch / TensorFlow
15	การสร้างแบบจำลองภาษา ฝึกฝัง embeddings ของคุณเอง	PyTorch / TensorFlow	Lab
16	โครงข่ายประสาทเทียมแบบวนซ้ำ (RNN)	PyTorch / TensorFlow
17	โครงข่ายวนซ้ำเชิงสร้างสรรค์	PyTorch / TensorFlow	Lab
18	ทรานส์ฟอร์มเมอร์ BERT	PyTorch /TensorFlow
19	การรู้จำเอนทิตีที่มีชื่อ	TensorFlow	Lab
20	โมเดลภาษาขนาดใหญ่ การเขียนโปรแกรม Prompt และงาน Few-Shot	PyTorch
VI	เทคนิค AI อื่นๆ
21	อัลกอริทึมพันธุกรรม	Notebook
22	การเรียนรู้เสริมเชิงลึก	PyTorch /TensorFlow	Lab
23	ระบบหลายตัวแทน
VII	จริยธรรม AI
24	จริยธรรม AI และ AI ที่รับผิดชอบ	Microsoft Learn: หลักการ AI ที่รับผิดชอบ
IX	เพิ่มเติม
25	โครงข่ายมัลติ-โมดัล CLIP และ VQGAN	Notebook

แต่ละบทเรียนประกอบด้วย

• เนื้อหาก่อนอ่าน
• Jupyter Notebooks ที่สามารถรันได้ ซึ่งมักจะเฉพาะกับ framework (PyTorch หรือ TensorFlow) โน้ตบุ๊กที่รันได้ยังมีเนื้อหาทางทฤษฎีมากมาย ดังนั้นเพื่อเข้าใจหัวข้อ คุณควรผ่านการเรียนอย่างน้อยหนึ่งเวอร์ชันของโน้ตบุ๊ก (ไม่ว่าจะเป็น PyTorch หรือ TensorFlow)
• ห้องปฏิบัติการ สำหรับบางหัวข้อ ซึ่งเปิดโอกาสให้คุณได้ลองนำเนื้อหาที่เรียนไปประยุกต์ใช้กับปัญหาเฉพาะ
• บางส่วนมีลิงก์ไปยังโมดูล MS Learn ที่ครอบคลุมหัวข้อที่เกี่ยวข้อง

เริ่มต้นใช้งาน

🎯 ใหม่กับ AI? เริ่มที่นี่!

ถ้าคุณเป็นมือใหม่กับ AI และต้องการตัวอย่างที่ทำตามได้ง่าย ๆ ลองดู ตัวอย่างสำหรับผู้เริ่มต้น ของเรา! ซึ่งรวมถึง:

• 🌟 Hello AI World - โปรแกรม AI แรกของคุณ (การจดจำรูปแบบ)
• 🧠 โครงข่ายประสาทเทียมง่าย ๆ - สร้างโครงข่ายประสาทเทียมตั้งแต่ต้น
• 🖼️ ตัวจำแนกรูปภาพ - จำแนกรูปภาพพร้อมคำอธิบายละเอียด
• 💬 วิเคราะห์อารมณ์ข้อความ - วิเคราะห์ข้อความเชิงบวก/ลบ

ตัวอย่างเหล่านี้ถูกออกแบบมาเพื่อช่วยให้คุณเข้าใจแนวคิด AI ก่อนที่จะเริ่มเรียนหลักสูตรเต็มรูปแบบ

📚 การตั้งค่าหลักสูตรเต็มรูปแบบ

• เราได้สร้าง บทเรียนการตั้งค่า เพื่อช่วยคุณตั้งค่าสภาพแวดล้อมการพัฒนา - สำหรับครูผู้สอน เราได้สร้าง บทเรียนการตั้งค่าหลักสูตร ให้ด้วย!
• วิธีการ รันโค้ดใน VSCode หรือ Codepace

ทำตามขั้นตอนเหล่านี้:

Fork รีโพสิตอรี: คลิกปุ่ม "Fork" ที่มุมขวาบนของหน้านี้

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

อย่าลืมกดดาว (🌟) รีโปนี้เพื่อให้ค้นหาได้ง่ายขึ้นในภายหลัง

พบปะผู้เรียนคนอื่นๆ

เข้าร่วม เซิร์ฟเวอร์ Discord AI อย่างเป็นทางการ เพื่อพบปะและสร้างเครือข่ายกับผู้เรียนคนอื่นๆ ที่เรียนหลักสูตรนี้และรับการสนับสนุน

หากคุณมีข้อเสนอแนะหรือคำถามเกี่ยวกับผลิตภัณฑ์ขณะพัฒนา สามารถเยี่ยมชม ฟอรัมผู้พัฒนา Azure AI Foundry

แบบทดสอบ

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz-app ที่ etc\quiz-app หรือ ออนไลน์ที่นี่ แบบทดสอบจะลิงก์จากบทเรียนต่างๆ แอปแบบทดสอบสามารถรันได้ในเครื่องหรือดีพลอยไปยัง Azure; ทำตามคำแนะนำในโฟลเดอร์ quiz-app แบบทดสอบกำลังถูกแปลเป็นภาษาต่างๆ อย่างต่อเนื่อง

ต้องการความช่วยเหลือ

คุณมีข้อเสนอแนะหรือพบข้อผิดพลาดในการสะกดคำหรือโค้ดไหม? แจ้งปัญหาหรือสร้าง pull request ได้เลย

ขอบคุณเป็นพิเศษ

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

หลักสูตรอื่นๆ

ทีมงานของเราผลิตหลักสูตรอื่นๆ ด้วย! ลองดูได้ที่:

Azure / Edge / MCP / Agents

---

ชุด Generative AI

---

การเรียนรู้พื้นฐาน

---

ชุด Copilot

ขอความช่วยเหลือ

ถ้าคุณติดขัดหรือมีคำถามเกี่ยวกับการสร้างแอป AI เข้าร่วมกับผู้เรียนและนักพัฒนาที่มีประสบการณ์ในชุมชน MCP นี่คือชุมชนที่ให้การสนับสนุนซึ่งยินดีตอบคำถามและแบ่งปันความรู้กันอย่างเสรี

หากคุณมีข้อเสนอแนะหรือพบข้อผิดพลาดขณะพัฒนา สามารถเยี่ยมชม:

---

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ Co-op Translator แม้เราจะพยายามให้ความถูกต้องสูงสุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลโดยผู้เชี่ยวชาญมนุษย์ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดจากการใช้การแปลนี้