AI-For-Beginners/translations/th

ปัญญาประดิษฐ์สำหรับผู้เริ่มต้น - หลักสูตร

AI สำหรับผู้เริ่มต้น - สเก็ตช์โน้ตโดย @girlie_mac

สำรวจโลกของ ปัญญาประดิษฐ์ (AI) ด้วยหลักสูตร 12 สัปดาห์ 24 บทเรียนของเรา! หลักสูตรประกอบด้วยบทเรียนเชิงปฏิบัติ การทดสอบย่อย และแลป หลักสูตรเหมาะสำหรับผู้เริ่มต้นและครอบคลุมเครื่องมือต่างๆ เช่น TensorFlow และ PyTorch รวมถึงจริยธรรมใน AI

🌐 การรองรับหลายภาษา

รองรับผ่าน GitHub Action (อัตโนมัติ & อัปเดตอยู่เสมอ)

อาหรับ | เบงกาลี | บัลแกเรีย | พม่า (เมียนมา) | จีน (ตัวย่อ) | จีน (ตัวเต็ม, ฮ่องกง) | จีน (ตัวเต็ม, มาเก๊า) | จีน (ตัวเต็ม, ไต้หวัน) | โครเอเชีย | เช็ก | เดนมาร์ก | ดัตช์ | เอสโตเนีย | ฟินแลนด์ | ฝรั่งเศส | เยอรมัน | กรีก | ฮีบรู | ฮินดี | ฮังการี | อินโดนีเซีย | อิตาเลียน | ญี่ปุ่น | คันนาดา | เกาหลี | ลิทัวเนีย | มลายู | มาลายาลัม | มราฐี | เนปาลี | ไนจีเรีย พิดจิน | นอร์เวย์ | เปอร์เซีย (ฟาร์ซี) | โปแลนด์ | โปรตุเกส (บราซิล) | โปรตุเกส (โปรตุเกส) | ปัญจาบ (Gurmukhi) | โรมาเนีย | รัสเซีย | เซอร์เบีย (คีริลลิก) | สโลวัก | สโลวีเนีย | สเปน | สวาฮีลี | สวีเดน | ตากาล็อก (ฟิลิปปินส์) | ทมิฬ | เตลูกู | ไทย | ตุรกี | ยูเครน | อูรดู | เวียดนาม

หากคุณต้องการให้มีการแปลภาษาเพิ่มเติม รายชื่อภาษาที่รองรับอยู่ ที่นี่

เข้าร่วมชุมชน

สิ่งที่คุณจะได้เรียนรู้

แผนผังความคิดของหลักสูตร

ในหลักสูตรนี้ คุณจะได้เรียนรู้:

• แนวทางต่างๆ ของปัญญาประดิษฐ์ รวมถึงแนวทางเชิงสัญลักษณ์แบบคลาสสิกที่มี การแทนความรู้ และการให้เหตุผล (GOFAI).
• โครงข่ายประสาทเทียม และ การเรียนรู้เชิงลึก ซึ่งเป็นหัวใจของ AI สมัยใหม่ เราจะแสดงแนวคิดเบื้องหลังหัวข้อสำคัญเหล่านี้ด้วยโค้ดในสองเฟรมเวิร์กยอดนิยม - TensorFlow และ PyTorch.
• สถาปัตยกรรมเครือข่ายประสาท สำหรับการทำงานกับภาพและข้อความ เราจะครอบคลุมโมเดลล่าสุดแต่บางส่วนอาจไม่ได้ทันสมัยที่สุด
• แนวทาง AI ที่ไม่เป็นที่นิยมเท่า เช่น อัลกอริทึมเชิงพันธุกรรม และ ระบบหลายตัวแทน

สิ่งที่เราไม่ได้ครอบคลุมในหลักสูตรนี้:

ค้นหาทรัพยากรเพิ่มเติมสำหรับหลักสูตรนี้ในคอลเล็กชัน Microsoft Learn ของเรา

• กรณีธุรกิจของการใช้ AI ในธุรกิจ พิจารณาเรียนเส้นทางการเรียนรู้ Introduction to AI for business users บน Microsoft Learn หรือ AI Business School ซึ่งพัฒนาร่วมกับ INSEAD.
• การเรียนรู้ของเครื่องแบบคลาสสิก ซึ่งอธิบายไว้อย่างดีใน หลักสูตร Machine Learning for Beginners ของเรา.
• แอปพลิเคชัน AI เชิงปฏิบัติที่สร้างด้วย Cognitive Services สำหรับเรื่องนี้ เราแนะนำให้คุณเริ่มจากโมดูล Microsoft Learn สำหรับ vision, natural language processing, Generative AI with Azure OpenAI Service และอื่นๆ
• เฟรมเวิร์กคลาวด์สำหรับ ML เฉพาะทาง เช่น Azure Machine Learning, Microsoft Fabric หรือ Azure Databricks. พิจารณาใช้เส้นทางการเรียนรู้ Build and operate machine learning solutions with Azure Machine Learning และ Build and Operate Machine Learning Solutions with Azure Databricks.
• AI แบบโต้ตอบ และ แชทบอท มีเส้นทางการเรียนรู้แยกต่างหาก Create conversational AI solutions และคุณยังสามารถอ้างอิงจาก บล็อกโพสต์นี้ สำหรับรายละเอียดเพิ่มเติม
• คณิตศาสตร์เชิงลึก ที่อยู่เบื้องหลังการเรียนรู้เชิงลึก สำหรับเรื่องนี้ เราแนะนำหนังสือ Deep Learning โดย Ian Goodfellow, Yoshua Bengio และ Aaron Courville ซึ่งยังมีให้ใช้ออนไลน์ที่ https://www.deeplearningbook.org/

สำหรับการแนะนำอย่างนุ่มนวลเกี่ยวกับหัวข้อ AI บนคลาวด์ คุณอาจพิจารณาเรียนเส้นทางการเรียนรู้ Get started with artificial intelligence on Azure

เนื้อหา

	ลิงก์บทเรียน	PyTorch/Keras/TensorFlow	Lab
0	การตั้งค่าหลักสูตร	ตั้งค่าสภาพแวดล้อมการพัฒนา
I	บทนำสู่ AI
01	บทนำและประวัติของ AI	-	-
II	AI เชิงสัญลักษณ์
02	การแทนความรู้และระบบผู้เชี่ยวชาญ	ระบบผู้เชี่ยวชาญ / ออนโทโลยี /กราฟแนวคิด
III	บทนำสู่โครงข่ายประสาทเทียม
03	เปอร์เซปตรอน	โน้ตบุ๊ก	แล็บ
04	เปอร์เซปตรอนหลายชั้นและการสร้างเฟรมเวิร์กของเราเอง	โน้ตบุ๊ก	แล็บ
05	บทนำสู่เฟรมเวิร์ก (PyTorch/TensorFlow) และปัญหา overfitting	PyTorch / Keras / TensorFlow	แล็บ
IV	การมองเห็นด้วยคอมพิวเตอร์	PyTorch / TensorFlow	สำรวจการมองเห็นด้วยคอมพิวเตอร์บน Microsoft Azure
06	บทนำสู่การมองเห็นด้วยคอมพิวเตอร์. OpenCV	โน้ตบุ๊ก	แล็บ
07	เครือข่ายประสาทแบบคอนโวลูชัน & สถาปัตยกรรม CNN	PyTorch /TensorFlow	แล็บ
08	เครือข่ายที่ถูกฝึกมาก่อนและการเรียนรู้แบบถ่ายโอน and เทคนิคการฝึก	PyTorch / TensorFlow	แล็บ
09	ออโต้เอนโค้ดเดอร์และ VAE	PyTorch / TensorFlow
10	เครือข่ายปฏิปักษ์เชิงกำเนิด และการถ่ายโอนสไตล์เชิงศิลป์	PyTorch / TensorFlow
11	การตรวจจับวัตถุ	TensorFlow	แล็บ
12	การแบ่งส่วนเชิงความหมาย และ 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 และการฝึก embedding ของคุณเอง	PyTorch / TensorFlow	แล็บ
16	เครือข่ายประสาทแบบวนซ้ำ	PyTorch / TensorFlow
17	เครือข่ายวนซ้ำเชิงกำเนิด	PyTorch / TensorFlow	แล็บ
18	Transformers และ BERT	PyTorch /TensorFlow
19	การจำแนกเอนทิตีที่มีชื่อ	TensorFlow	แล็บ
20	โมเดลภาษาใหญ่ การเขียนโปรแกรมด้วยพรอมต์ และงานแบบ Few-Shot	PyTorch
VI	เทคนิค AI อื่นๆ
21	อัลกอริทึมทางพันธุกรรม	โน้ตบุ๊ก
22	การเรียนรู้เสริมเชิงลึก	PyTorch /TensorFlow	แล็บ
23	ระบบหลายตัวแทน
VII	จริยธรรม AI
24	จริยธรรม AI และ AI ที่รับผิดชอบ	Microsoft Learn: หลักการ AI ที่รับผิดชอบ
IX	เพิ่มเติม
25	เครือข่ายมัลติ-โมดอล, CLIP และ VQGAN	โน้ตบุ๊ก

แต่ละบทเรียนประกอบด้วย

• เอกสารอ่านก่อนเรียน
• ไฟล์ Jupyter Notebook ที่สามารถรันได้ ซึ่งมักจะระบุเฉพาะสำหรับเฟรมเวิร์ก (PyTorch หรือ TensorFlow). ไฟล์โน้ตบุ๊กที่สามารถรันได้ยังมีเนื้อหาทฤษฎีจำนวนมาก ดังนั้นเพื่อจะเข้าใจหัวข้อ คุณจำเป็นต้องอ่านหรือทำอย่างน้อยหนึ่งเวอร์ชันของโน้ตบุ๊ก (ไม่ว่าจะเป็น PyTorch หรือ TensorFlow).
• Labs มีให้สำหรับบางหัวข้อ ซึ่งให้โอกาสคุณทดลองนำเนื้อหาที่เรียนไปประยุกต์กับปัญหาเฉพาะ
• บางส่วนมีลิงก์ไปยังโมดูลของ MS Learn ที่ครอบคลุมหัวข้อที่เกี่ยวข้อง.

การเริ่มต้น

🎯 ใหม่กับ AI? เริ่มที่นี่!

หากคุณเป็นผู้เริ่มต้นกับ AI และต้องการตัวอย่างแบบลงมือปฏิบัติอย่างรวดเร็ว ให้ดูที่ ตัวอย่างสำหรับผู้เริ่มต้น! ตัวอย่างเหล่านี้รวมถึง:

• 🌟 Hello AI World - โปรแกรม AI แรกของคุณ (การรู้จำรูปแบบ)
• 🧠 Simple Neural Network - สร้างเครือข่ายประสาทเทียมจากศูนย์
• 🖼️ Image Classifier - จำแนกภาพพร้อมคำอธิบายโดยละเอียด
• 💬 การวิเคราะห์ความรู้สึกของข้อความ - วิเคราะห์ข้อความเชิงบวก/เชิงลบ

ตัวอย่างเหล่านี้ออกแบบมาเพื่อช่วยให้คุณเข้าใจแนวคิด AI ก่อนที่จะลงลึกในหลักสูตรเต็ม

📚 การตั้งค่าหลักสูตรทั้งหมด

• เราได้สร้าง a บทเรียนการติดตั้ง เพื่อช่วยคุณในการตั้งค่าสภาพแวดล้อมการพัฒนา. - สำหรับผู้สอน เราได้สร้าง a บทเรียนการตั้งค่าหลักสูตร ให้คุณด้วย!
• วิธี เรียกใช้โค้ดใน VSCode หรือ a Codepace

Follow these steps:

Fork the Repository: Click on the "Fork" button at the top-right corner of this page.

Clone the Repository: git clone https://github.com/microsoft/AI-For-Beginners.git

Don't forget to star (🌟) this repo to find it easier later.

พบผู้เรียนคนอื่นๆ

เข้าร่วม เซิร์ฟเวอร์ Discord อย่างเป็นทางการของ AI เพื่อพบปะและสร้างเครือข่ายกับผู้เรียนคนอื่นๆ ที่เรียนหลักสูตรนี้และขอรับการสนับสนุน.

หากคุณมีคำติชมเกี่ยวกับผลิตภัณฑ์หรือคำถามในระหว่างการพัฒนา ให้ไปที่ ฟอรัมผู้พัฒนา Azure AI Foundry

แบบทดสอบ

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดถูกรวมอยู่ในโฟลเดอร์ Quiz-app ภายใน etc\quiz-app, หรือ ออนไลน์ที่นี่ พวกมันถูกลิงก์จากภายในบทเรียน แอปแบบทดสอบสามารถรันได้ในเครื่องหรือปรับใช้ไปยัง Azure; ทำตามคำแนะนำในโฟลเดอร์ quiz-app พวกมันกำลังทยอยถูกแปล

ต้องการความช่วยเหลือ

คุณมีข้อเสนอแนะหรือพบข้อผิดพลาดด้านการสะกดคำหรือตัวโค้ดหรือไม่? เปิด issue หรือสร้าง pull request.

ขอบคุณเป็นพิเศษ

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

หลักสูตรอื่นๆ

ทีมของเราจัดทำหลักสูตรอื่นๆ! ดูได้ที่:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

การเรียนรู้หลัก

---

ชุด Copilot

การขอความช่วยเหลือ

หากคุณติดขัดหรือมีคำถามเกี่ยวกับการสร้างแอป AI เข้าร่วมกับผู้เรียนคนอื่นๆ และนักพัฒนาที่มีประสบการณ์ในการอภิปรายเกี่ยวกับ MCP ชุมชนนี้ให้การสนับสนุนโดยยินดีต้อนรับคำถามและแบ่งปันความรู้กันอย่างเสรี

หากคุณมีคำติชมเกี่ยวกับผลิตภัณฑ์หรือข้อผิดพลาดในขณะสร้าง โปรดไปที่:

---

ข้อจำกัดความรับผิดชอบ: เอกสารฉบับนี้ถูกแปลโดยใช้บริการแปลด้วย AI Co-op Translator แม้เราจะพยายามให้การแปลมีความถูกต้อง โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความคลาดเคลื่อนได้ เอกสารต้นฉบับในภาษาต้นทางควรถือเป็นแหล่งข้อมูลหลัก หากเป็นข้อมูลที่สำคัญ ขอแนะนำให้ใช้การแปลโดยนักแปลมืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลฉบับนี้