AI-For-Beginners/translations/th

ปัญญาประดิษฐ์สำหรับผู้เริ่มต้น - หลักสูตร

AI สำหรับผู้เริ่มต้น - ภาพสเก็ตโน้ตโดย @girlie_mac

สำรวจโลกของ ปัญญาประดิษฐ์ (AI) ด้วยหลักสูตร 12 สัปดาห์ 24 บทเรียนของเรา! หลักสูตรนี้ประกอบด้วยบทเรียนเชิงปฏิบัติ แบบทดสอบ และห้องปฏิบัติการ หลักสูตรนี้เหมาะสำหรับผู้เริ่มต้นและครอบคลุมเครื่องมืออย่าง TensorFlow และ PyTorch รวมถึงจริยธรรมใน AI

🌐 รองรับหลายภาษา

รองรับผ่าน GitHub Action (อัตโนมัติและอัปเดตเสมอ)

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

หากคุณต้องการให้มีการรองรับภาษาเพิ่มเติม รายการภาษาที่รองรับสามารถดูได้ ที่นี่

เข้าร่วมชุมชน

สิ่งที่คุณจะได้เรียนรู้

แผนภาพความคิดของหลักสูตร

ในหลักสูตรนี้ คุณจะได้เรียนรู้:

• วิธีการต่าง ๆ ในปัญญาประดิษฐ์ รวมถึงวิธีการเชิงสัญลักษณ์แบบ "ดั้งเดิม" ด้วย การแทนความรู้ และการให้เหตุผล (GOFAI)
• เครือข่ายประสาทเทียม และ การเรียนรู้เชิงลึก ซึ่งเป็นหัวใจสำคัญของ AI สมัยใหม่ เราจะอธิบายแนวคิดเบื้องหลังหัวข้อสำคัญเหล่านี้ด้วยโค้ดในสองเฟรมเวิร์กยอดนิยม - TensorFlow และ PyTorch
• สถาปัตยกรรมเครือข่ายประสาทเทียม สำหรับการทำงานกับภาพและข้อความ เราจะครอบคลุมโมเดลล่าสุด แต่บางครั้งอาจขาดความทันสมัยในระดับสูงสุด
• วิธีการ AI ที่ไม่ค่อยได้รับความนิยม เช่น อัลกอริทึมทางพันธุกรรม และ ระบบหลายตัวแทน

สิ่งที่เราจะไม่ครอบคลุมในหลักสูตรนี้:

ค้นหาแหล่งข้อมูลเพิ่มเติมสำหรับหลักสูตรนี้ในคอลเลกชัน Microsoft Learn ของเรา

• กรณีศึกษาทางธุรกิจของการใช้ AI ในธุรกิจ ลองเรียนรู้เส้นทาง Introduction to AI for business users บน Microsoft Learn หรือ AI Business School ซึ่งพัฒนาร่วมกับ INSEAD
• การเรียนรู้ของเครื่องแบบคลาสสิก ซึ่งอธิบายไว้อย่างดีใน หลักสูตรการเรียนรู้ของเครื่องสำหรับผู้เริ่มต้น
• การประยุกต์ใช้ AI เชิงปฏิบัติที่สร้างขึ้นโดยใช้ Cognitive Services สำหรับเรื่องนี้ เราแนะนำให้เริ่มต้นด้วยโมดูล Microsoft Learn สำหรับ vision, natural language processing, Generative AI with Azure OpenAI Service และอื่น ๆ
• เฟรมเวิร์ก Cloud ML เฉพาะ เช่น Azure Machine Learning, Microsoft Fabric, หรือ Azure Databricks ลองใช้เส้นทางการเรียนรู้ Build and operate machine learning solutions with Azure Machine Learning และ Build and Operate Machine Learning Solutions with Azure Databricks
• AI เชิงสนทนา และ แชทบอท มีเส้นทางการเรียนรู้แยกต่างหาก Create conversational AI solutions และคุณสามารถดูรายละเอียดเพิ่มเติมได้ใน บล็อกโพสต์นี้
• คณิตศาสตร์เชิงลึก ที่อยู่เบื้องหลังการเรียนรู้เชิงลึก สำหรับเรื่องนี้ เราแนะนำ Deep Learning โดย Ian Goodfellow, Yoshua Bengio และ Aaron Courville ซึ่งสามารถอ่านออนไลน์ได้ที่ https://www.deeplearningbook.org/

สำหรับการแนะนำเบื้องต้นเกี่ยวกับหัวข้อ AI ในคลาวด์ คุณสามารถลองเรียนรู้เส้นทาง Get started with artificial intelligence on Azure

เนื้อหา

	ลิงก์บทเรียน	PyTorch/Keras/TensorFlow	ห้องปฏิบัติการ
0	การตั้งค่าหลักสูตร	ตั้งค่าสภาพแวดล้อมการพัฒนา
I	แนะนำ AI
01	แนะนำและประวัติของ AI	-	-
II	AI เชิงสัญลักษณ์
02	การแทนความรู้และระบบผู้เชี่ยวชาญ	ระบบผู้เชี่ยวชาญ / ออนโทโลจี /กราฟแนวคิด
III	แนะนำเครือข่ายประสาทเทียม
03	เพอร์เซปตรอน	โน้ตบุ๊ก	ห้องปฏิบัติการ
04	เพอร์เซปตรอนหลายชั้นและการสร้างเฟรมเวิร์กของเราเอง	โน้ตบุ๊ก	ห้องปฏิบัติการ
05	แนะนำ Frameworks (PyTorch/TensorFlow) และ Overfitting	PyTorch / Keras / TensorFlow	Lab
IV	การประมวลผลภาพ (Computer Vision)	PyTorch / TensorFlow	สำรวจการประมวลผลภาพบน Microsoft Azure
06	แนะนำการประมวลผลภาพด้วย OpenCV	Notebook	Lab
07	Convolutional Neural Networks & สถาปัตยกรรมของ CNN	PyTorch /TensorFlow	Lab
08	เครือข่ายที่ผ่านการฝึกฝนล่วงหน้าและ Transfer Learning และ เคล็ดลับการฝึกฝน	PyTorch / TensorFlow	Lab
09	Autoencoders และ VAEs	PyTorch / TensorFlow
10	Generative Adversarial Networks และ Artistic Style Transfer	PyTorch / TensorFlow
11	การตรวจจับวัตถุ (Object Detection)	TensorFlow	Lab
12	การแบ่งส่วนเชิงความหมาย (Semantic Segmentation) ด้วย U-Net	PyTorch / TensorFlow
V	การประมวลผลภาษาธรรมชาติ (Natural Language Processing)	PyTorch /TensorFlow	สำรวจการประมวลผลภาษาธรรมชาติบน Microsoft Azure
13	การแทนข้อความด้วย Bow/TF-IDF	PyTorch / TensorFlow
14	การฝังคำเชิงความหมาย (Semantic Word Embeddings) ด้วย Word2Vec และ GloVe	PyTorch / TensorFlow
15	การสร้างแบบจำลองภาษาและการฝึกฝน embeddings ของคุณเอง	PyTorch / TensorFlow	Lab
16	Recurrent Neural Networks	PyTorch / TensorFlow
17	Generative Recurrent Networks	PyTorch / TensorFlow	Lab
18	Transformers และ BERT	PyTorch /TensorFlow
19	การจดจำชื่อเฉพาะ (Named Entity Recognition)	TensorFlow	Lab
20	โมเดลภาษาขนาดใหญ่, การเขียนโปรแกรมด้วย Prompt และ Few-Shot Tasks	PyTorch
VI	เทคนิค AI อื่นๆ
21	อัลกอริทึมเชิงพันธุกรรม (Genetic Algorithms)	Notebook
22	Deep Reinforcement Learning	PyTorch /TensorFlow	Lab
23	ระบบหลายตัวแทน (Multi-Agent Systems)
VII	จริยธรรมของ AI
24	จริยธรรมของ AI และ AI ที่มีความรับผิดชอบ	Microsoft Learn: หลักการของ AI ที่มีความรับผิดชอบ
IX	เพิ่มเติม
25	เครือข่ายหลายรูปแบบ, CLIP และ VQGAN	Notebook

แต่ละบทเรียนประกอบด้วย

• เนื้อหาอ่านล่วงหน้า
• Jupyter Notebooks ที่สามารถรันได้ ซึ่งมักจะเฉพาะเจาะจงกับ Framework (PyTorch หรือ TensorFlow) โดย Notebook ที่สามารถรันได้ยังมีเนื้อหาทางทฤษฎีมากมาย ดังนั้นเพื่อความเข้าใจในหัวข้อ คุณจำเป็นต้องศึกษา Notebook อย่างน้อยหนึ่งเวอร์ชัน (ไม่ว่าจะเป็น PyTorch หรือ TensorFlow)
• Labs ที่มีให้สำหรับบางหัวข้อ ซึ่งเปิดโอกาสให้คุณลองนำสิ่งที่ได้เรียนรู้ไปประยุกต์ใช้กับปัญหาเฉพาะ
• บางส่วนมีลิงก์ไปยัง MS Learn ซึ่งครอบคลุมหัวข้อที่เกี่ยวข้อง

เริ่มต้นใช้งาน

🎯 ใหม่กับ AI? เริ่มที่นี่!

หากคุณเพิ่งเริ่มต้นกับ AI และต้องการตัวอย่างที่เข้าใจง่ายและลงมือทำได้ทันที ลองดู ตัวอย่างสำหรับผู้เริ่มต้น! ซึ่งรวมถึง:

• 🌟 Hello AI World - โปรแกรม AI แรกของคุณ (การจดจำรูปแบบ)
• 🧠 Simple Neural Network - สร้างเครือข่ายประสาทเทียมจากศูนย์
• 🖼️ Image Classifier - จำแนกรูปภาพพร้อมคำอธิบายอย่างละเอียด
• 💬 Text Sentiment - วิเคราะห์ข้อความเชิงบวก/เชิงลบ

ตัวอย่างเหล่านี้ถูกออกแบบมาเพื่อช่วยให้คุณเข้าใจแนวคิดของ AI ก่อนที่จะลงลึกในหลักสูตรเต็ม

📚 การตั้งค่าหลักสูตรเต็ม

• เราได้สร้าง บทเรียนการตั้งค่า เพื่อช่วยคุณตั้งค่าสภาพแวดล้อมการพัฒนา - สำหรับผู้สอน เราได้สร้าง บทเรียนการตั้งค่าสำหรับผู้สอน ไว้ให้ด้วย!
• วิธี รันโค้ดใน VSCode หรือ Codespace

ทำตามขั้นตอนเหล่านี้:

Fork Repository: คลิกที่ปุ่ม "Fork" ที่มุมขวาบนของหน้านี้

Clone Repository: git clone https://github.com/microsoft/AI-For-Beginners.git อย่าลืมกดดาว (🌟) ให้กับ repo นี้เพื่อให้ค้นหาได้ง่ายขึ้นในภายหลัง

พบปะกับผู้เรียนคนอื่น ๆ

เข้าร่วม เซิร์ฟเวอร์ Discord AI อย่างเป็นทางการ เพื่อพบปะและสร้างเครือข่ายกับผู้เรียนคนอื่น ๆ ที่กำลังเรียนคอร์สนี้ และรับการสนับสนุน

หากคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือคำถามในระหว่างการสร้างโปรเจกต์ สามารถเยี่ยมชม Azure AI Foundry Developer Forum

แบบทดสอบ

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz-app ที่ etc\quiz-app หรือ ออนไลน์ที่นี่ แบบทดสอบเหล่านี้ถูกลิงก์จากบทเรียน และแอปแบบทดสอบสามารถรันได้ในเครื่องหรือปรับใช้บน Azure; ทำตามคำแนะนำในโฟลเดอร์ quiz-app แบบทดสอบกำลังถูกแปลเป็นภาษาท้องถิ่นอย่างต่อเนื่อง

ต้องการความช่วยเหลือ

คุณมีข้อเสนอแนะหรือพบข้อผิดพลาดในการสะกดคำหรือโค้ดหรือไม่? สร้าง issue หรือ pull request ได้เลย

ขอบคุณเป็นพิเศษ

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

หลักสูตรอื่น ๆ

ทีมของเราผลิตหลักสูตรอื่น ๆ ด้วย! ลองดู:

• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for Agentic use
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

การขอความช่วยเหลือ

หากคุณติดขัดหรือมีคำถามเกี่ยวกับการสร้างแอป AI เข้าร่วม:

หากคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดในระหว่างการสร้างโปรเจกต์ เยี่ยมชม:

---

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามนุษย์ที่มีความเชี่ยวชาญ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้