แนวคิด AI ตั้งแต่เริ่มต้น

1 โครงข่ายประสาทเทียม บทเรียน 4 บท

1. บทเรียน โจทย์ 3 ข้อ นิวรอนและฟังก์ชันกระตุ้นใน Python สร้างนิวรอนเทียมด้วย Python ล้วน: ผลรวมถ่วงน้ำหนักของอินพุตบวกไบแอส แล้วส่งผ่าน sigmoid หรือ ReLU
2. บทเรียน โจทย์ 3 ข้อ การส่งผ่านไปข้างหน้าและฟังก์ชันความสูญเสียใน Python ส่งอินพุตผ่านโครงข่ายประสาทเทียมขนาดเล็กทีละชั้น แล้ววัดความคลาดเคลื่อนด้วยค่าคลาดเคลื่อนกำลังสองและ cross-entropy
3. บทเรียน โจทย์ 5 ข้อ Gradient descent และ backpropagation ใน Python ฝึกนิวรอนด้วย gradient descent: ใช้กฎลูกโซ่หาว่าน้ำหนักแต่ละตัวส่งผลต่อความสูญเสียอย่างไร แล้วก้าวลงเนิน
4. บทเรียน โจทย์ 4 ข้อ ตัวปรับค่าของโครงข่ายประสาทเทียม: SGD, Momentum และ Adam ใน Python เปรียบเทียบ gradient descent ธรรมดา, momentum และ Adam โดยหาค่าต่ำสุดของฟังก์ชันเดียวกันทีละขั้น

2 แมชชีนเลิร์นนิง บทเรียน 4 บท

5. บทเรียน โจทย์ 3 ข้อ การเตรียมข้อมูลสำหรับแมชชีนเลิร์นนิงใน Python ปรับสเกลฟีเจอร์ด้วย min-max normalization และ z-score standardization และคูณเมทริกซ์ด้วยมือ
6. บทเรียน โจทย์ 4 ข้อ Linear regression และ logistic regression ใน Python ลากเส้นตรงให้พอดีข้อมูลด้วยวิธีกำลังสองน้อยที่สุด แล้วแปลงคะแนนเป็นความน่าจะเป็นด้วย logistic regression
7. บทเรียน โจทย์ 6 ข้อ พื้นฐานการจำแนกประเภท: softmax และ k-nearest neighbors ใน Python แปลงคะแนนเป็นความน่าจะเป็นของแต่ละคลาสด้วย softmax ประเมินด้วย cross-entropy และจำแนกจุดด้วย k-nearest neighbors
8. บทเรียน โจทย์ 2 ข้อ Cosine similarity และการจัดกลุ่ม k-means ใน Python วัดว่าเวกเตอร์สองตัวคล้ายกันแค่ไหนด้วย cosine similarity และจัดกลุ่มข้อมูลที่ไม่มีป้ายกำกับด้วย k-means

3 Transformer และ LLM บทเรียน 3 บท

9. บทเรียน โจทย์ 3 ข้อ Tokenization: คลังคำ, one-hot และ byte pair encoding ใน Python แปลงข้อความเป็นตัวเลขแบบที่โมเดลภาษาทำ: สร้างคลังคำ เข้ารหัสคำแบบ one-hot และเรียนรู้ token ย่อยด้วย BPE
10. บทเรียน โจทย์ 4 ข้อ Attention และ self-attention ใน Python คำนวณ scaled dot-product attention ด้วยมือจาก query, key และ value แล้วเพิ่ม causal mask แบบ GPT
11. บทเรียน โจทย์ 2 ข้อ โมเดลภาษาสร้างข้อความอย่างไร: temperature และ top-k ใน Python ดูว่าโมเดลภาษาเลือก token ถัดไปอย่างไร: layer normalization, temperature และการสุ่มแบบ top-k ด้วย Python ล้วน

4 AI แบบดั้งเดิมและการเรียนรู้แบบเสริมกำลัง บทเรียน 3 บท

12. บทเรียน โจทย์ 4 ข้อ การค้นหาและ AI สำหรับเกม: A* และ minimax ใน Python หาเส้นทางที่สั้นที่สุดบนตารางด้วยการค้นหา A* และเลือกตาเดินที่ดีที่สุดในเกมด้วย minimax
13. บทเรียน โจทย์ 2 ข้อ ห่วงโซ่มาร์คอฟและการชั่งน้ำหนักระหว่างสำรวจกับใช้ประโยชน์ใน Python ทำนายสถานะในอนาคตด้วยห่วงโซ่มาร์คอฟ และสร้างสมดุลระหว่างการสำรวจกับการใช้ประโยชน์ด้วย bandit แบบ epsilon-greedy
14. บทเรียน โจทย์ 2 ข้อ การเรียนรู้แบบเสริมกำลัง: value iteration และ Q-learning ใน Python สอนเอเจนต์ให้ไปถึงเป้าหมาย: คำนวณค่าของแต่ละสถานะด้วย value iteration แล้วเรียนรู้ค่าเหล่านั้นจากการลองผิดลองถูกด้วย Q-learning