關於 algorithm design and analysis ，我們在網路上蒐集到這些相關的討論、資訊與評價

🔥 เตรียมสอบสัมภาษณ์งาน ! มี Coding Interview ด้วย กังวลสุดดดด ๆ !!
.
หายห่วงได้เลย เพราะวันนี้แอดจะมาแนะนำ Coding Interview University หน้าเพจที่ให้เราได้ทบทวนความรู้เรื่อง Code และ Algorithm ตั้งแต่พื้นฐานจนขั้นสูงเลย ไม่ว่าจะเป็นเรื่อง :D
.
- Algorithmic complexity / Big-O / Asymptotic analysis
- Data Structures (Arrays, Linked Lists, Stack, Queue, Hash table)
- Binary search
- Bitwise operations
- Trees (Trees - Notes & Background, Binary search trees: BSTs, Heap / Priority Queue / Binary Heap, balanced search trees, traversals: preorder, inorder, postorder, BFS, DFS)
- Sorting ( selection, insertion, heapsort, quicksort, merge sort )
- Graphs ( directed, undirected, adjacency matrix, adjacency list
, traversals: BFS, DFS)
- Recursion
- Dynamic Programming
- Object-Oriented Programming
- Design Patterns
- Combinatorics (n choose k) & Probability
- NP, NP-Complete and Approximation Algorithms
- Caches
- Processes and Threads
- Testing
- Scheduling
- String searching & manipulations
- Tries
- Floating Point Numbers
- Unicode
- Endianness
- Networking
- System Design, Scalability, Data Handling
- Final Review
- Coding Question Practice
.
ก็มีให้แบบครบ เบิ้ม ๆ ไปเลยจ้าาา เอาเป็นว่า ถ้าใครคิดว่าตัวเรายังไม่พร้อม หรือ อยากฝึกสกิลก่อนสัมภาษณ์งานจริง แอดแนะนำเลยคร้าบบ <3
.
https://github.com/jwasham/coding-interview-university
.
borntoDev - 🦖 สร้างการเรียนรู้ที่ดีสำหรับสายไอทีในทุกวัน

ในวิชา "วิทยาการคำนวณ" ระดับชั้น ม. 5
ได้ดึงวิชา data science (วิทยาศาสตร์ข้อมูล)
มาปูพื้นฐานให้เด็กๆ ได้เรียนกันแล้ว นับว่าเป็นโชคดี
เพราะวิชาพวกนี้เป็นของสูง กว่าจะสัมผัสก็คงตอนป.ตรี โท เอก
...Continue ReadingIn the subject of ′′ Calculation Theology ′′ class. 5
Pulled data science (data science)
Let's master the foundation for kids to learn. It's considered lucky.
Because these subjects are high to touch. It's probably in the middle of the year. Tri To Aek

Which I will review the content to read roughly. The content is divided into 4 chapters.
.
👉 ++++ Chapter 1-Information is valuable +++++
.
Data science in the textbook. Used by Thai name as ′′ Information Science ′′
This chapter will mention Big Data or big data with lots of valuable information.
And so much role in this 4.0 s both public and private sector.
.
If you can't imagine when you played Google search network, you'll find a lot of information that you can use in our business. This is why data science plays a very important role.
.
It's not surprising that it makes the Data Scientist s' career (British name data scientist) play the most important role and charming and interesting profession of the 21th century.
.
Data science, if in the book, he defines it
′′ Study of the process, method or technique to process enormous amounts of data to process to obtain knowledge, understand phenomena, or interpret prediction or prediction, find out patterns or trends from information.
and can be analysed to advise the right choice or take decision for maximum benefit
.
For Data science work, he will have the following steps.
- Questioning my own interest.
- Collect information.
- Data Survey
- Data Analysis (analyze the data)
- Communication and Results Visualization (Communicate and visualize the results)
.
🤔 Also he talks about design thinking... but what is it?
Must say the job of a data scientist
It doesn't end just taking the data we analyzed.
Let's show people how to understand.
.
The application design process is still required.
To use data from our analytics
The word design thinking is the idea. The more good designer it is.
Which Data Scientists Should Have To Design Final Applications
Will meet user demand
.
👉 ++++ Chapter 2 Collection and Exploration +++++
.
This chapter is just going to base.
2.1 Collection of data
In this chapter, I will talk about information that is a virtual thing.
We need to use this internet.

2.2 Data preparation (data preparation)
Content will be available.
- Data Cleaning (data cleansing)
- Data Transformation (data transformation)
In the university. 5 is not much but if in college level, you will find advanced technique like PCA.
- Info Link (combining data)

2.3 Data Exploration (data exploration)
Speaking of using graphs, let's explore the information e
Histogram graph. Box plot diagram (box plot). Distributed diagram (scatter plot)
With an example of programming, pulls out the plot to graph from csv (or xls) file.

2.4 Personal Information
For this topic, if a data scientist is implementing personal data, it must be kept secret.
.
Where the issues of personal information are now available. Personal Data Protection is Done
.
.
👉 ++++ Chapter 3 Data Analysis ++++
.
Divided into 2 parts:
.
3.1 descriptive analysis (descriptive analytics)
Analyzing using the numbers we've studied since
- Proportion or percentage
- Medium measurement of data, average, popular base.
Correlation (Correlation) relationship with programming is easy.
.
.
3.2 predictive analysis (predictive analytics)
.
- numeric prediction is discussed. (numeric prediction)
- Speaking of technique linear regression, a straight line equation that will predict future information.
Including sum of squared errors
Let's see if the straight line graph is fit with the information. (with programming samples)
- Finally mentioned K-NN (K-Nearest Neighbors: K-NN) is the closest way to finding K-N-Neighborhood for classification (Category)

*** Note *****
linear regression กับ K-NN
This is also an algorithm. One of the machine learning (machine learning, one branch of AI)
Kids in the middle of the day, I get to study.
.
.
👉 +++ Chapter 4 Making information pictured and communicating with information +++
.
This chapter doesn't matter much. Think about the scientist after analyzing what data is done. The end is showing it to other people by doing data visualization. (Better summoning)
.
In contents, it's for example using a stick chart, line chart, circular chart, distribution plan.
.
The last thing I can't do is tell a story from information (data story telling) with a message. Be careful when you present information.
.
.
.
*** this note ***
😗 Program language which textbooks mentioned and for example.
It's also python and R language
.
For R language, many people may not be familiar.
The IT graduate may be more familiar with Python.
But anyone from the record line will surely be familiar.
Because R language is very popular in statistical line
And it can be used in data science. Easy and popular. Python
.
But if people from data science move to another line of AI
It's deep learning (deep learning)
Python will be popular with eating.
.
.
#########
😓 Ending. Even I wrote a review myself, I still feel that.
- The university. 5 is it going to be hard? Can a child imagine? What did she do?
- Or was it right that I packed this course into Big Data era?
You can comment.
.
But for sure, both parents and teachers are tired.
Because it's a new content. It's real.
Keep fighting. Thai kids 4.0
.
Note in the review section of the university's textbook. 4 There will be 3 chapters. Read at.
https://www.facebook.com/programmerthai/photos/a.1406027003020480/2403432436613260/?type=3&theater
.
++++++++++++++++++++
Before leaving, let's ask for publicity.
++++++++++++++++++++
Recommend the book ′′ Artificial Intelligence (AI) is not difficult ′′
It can be understood by the number. End of book 1 (Thai language content)
Best seller ranked
In the MEB computer book category.
.
The contents will describe Artificial Intelligence (A) in view of the number. The end.
Without a code of dizzy
With colorful illustrations to see, easy to read.
.
If you are interested, you can order.
👉 https://www.mebmarket.com/web/index.php?action=BookDetails&data=YToyOntzOjc6InVzZXJfaWQiO3M6NzoiMTcyNTQ4MyI7czo3OiJib29rX2lkIjtzOjY6IjEwODI0NiI7fQ&fbclid=IwAR11zxJea0OnJy5tbfIlSxo4UQmsemh_8TuBF0ddjJQzzliMFFoFz1AtTo4
.
Personal like the book. You can see this link.
👉 https://www.dropbox.com/s/fg8l38hc0k9b0md/chapter_example.pdf?dl=0
.
Sorry, paper book. I don't have it yet. Sorry.
.
✍ Written by Thai programmer thai progammerTranslated

อ่านหลักสูตรโท AI ของ Nida น่าสนใจดี
เผื่อใครสนใจเป็น วิศวกรปัญญาประดิษฐ์ ในยุค AI
โดยผู้ที่เขาเรียนเข้าเรียนจบตรีอะไรมาก็ได้ ไม่จำกัดสาขา
แต่ต้องมีพื้นฐานคณิตศาสตร์และมีพื้นฐานการเขียนโปรแกรมที่ดีมาก

วิศวกรปัญญาประดิษฐ์ (Artificial Intelligence Engineer):
อาชีพใหม่ รายได้ดี เป็นที่ต้องการ ที่คนไทยยังไม่รู้จัก

ผู้ช่วยศาสตราจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์
ผู้อำนวยการหลักสูตรปรัชญาดุษฎีบัณฑิตและวิทยาศาสตรมหาบัณฑิต
สาขาวิชาการวิเคราะห์ธุรกิจและวิทยาการข้อมูล
https://www.facebook.com/BusinessAnalyticsNIDA/
คณะสถิติประยุกต์ สถาบันบัณฑิตพัฒนบริหารศาสตร์

โลกก้าวไกลไปด้วยปัญญาประดิษฐ์ (Artificial Intelligence) และการเรียนรู้ด้วยเครื่องจักร (Machine Learning) ของเรียกรวมว่า AIML

คอมพิวเตอร์ในปัจจุบันทำอะไรที่ในอดีตทำแทบไม่ได้เลย และในอนาคตปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่องจักรจะมาทำหน้าที่แทนคนเป็นอันมาก

อุตสาหกรรมที่เอาปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่องจักรมาแทนคนจำนวนมากมายและเริ่มเลย์ออฟพนักงาน คือธนาคาร โดยเฉพาะธนาคารพาณิชย์ไทยขนาดใหญ่จำนวนมาก 5-6 แห่งต่างเลย์ออฟพนักงานที่มีทักษะเก่าที่ธนาคารไม่ได้ต้องการแล้วออกไปเป็นจำนวนมากเช่น teller หน้าเคาเตอร์ ซึ่งผู้บริโภคหันไปใช้ mobile banking และ internet banking กันแทบจะหมดแล้ว สาขาก็เริ่มปิดตัวไป

สมัยก่อนคนที่จบการศึกษาด้านเศรษฐศาสตร์นิยมทำงานด้านธนาคาร และธนาคารก็นิยมรับคนจบเศรษฐศาสตร์ แต่มาวันนี้ธนาคารไม่ได้ต้องการคนจบเศรษฐศาสตร์แล้ว และเศรษฐศาสตร์ก็มีคนเรียนน้อยลงมาก เพราะจบมาแล้วอาจจะหางานทำยากเมื่อเทียบกับในอดีต

แต่ว่าธนาคารต่างๆ ในประเทศไทย เลย์ออฟคนแล้ว กลับรับคนใหม่เข้ามามากมาย เช่น ธนาคารแห่งหนึ่งมีพนักงาน 18,000 คน เลย์ออฟพนักงานจนเหลือ 10,000 คน แล้วรับใหม่เข้ามาจนมีพนักงานอยู่ 21,000 คน แสดงให้เห็นว่าแท้จริงแล้วปริมาณงานไม่ได้ลดลง และกิจการก็ไม่ได้แย่ลง

ธนาคารคงคิดว่าไม่อาจจะเปลี่ยนทักษะ (Re-skill) พนักงานเดิมได้ สู้เลย์ออฟแล้วได้พนักงานใหม่ที่มีทักษะใหม่ที่ธนาคารต้องการจะดีกว่า

ทักษะใหม่ที่ว่าได้แก่ ทักษะด้านวิทยาการคอมพิวเตอร์ การพัฒนาซอฟท์แวร์ วิทยาการข้อมูล Financial Technology ปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่องจักรหรือ AIML ความมั่นคงไซเบอร์ และ Blockchain เป็นอาทิ

โลกในยุคต่อไป AIML จะเข้ามาแทนมนุษย์ในแทบทุกอุตสาหกรรม ทรัมป์บอกว่าจะตั้งกำแพงภาษีหาก NISSAN ไปตั้งโรงงานรถยนต์ในเม็กซิโก NISSAN มาตั้งโรงงานในสหรัฐอเมริกาทันทีแต่ใช้หุ่นยนต์และ AIML แทน ทำให้ลดคนงานจากหลายพันคนเหลือเพียงไม่กี่สิบคน ผลิตรถยนต์ได้เร็วกว่าโรงงานที่จ้างคนมากๆ

โรงงานผลิตอาหารของเครือเจริญโภคภัณฑ์ที่สร้างใหม่ในประเทศจีนก็ใช้หุ่นยนต์และ AIML แทนคนงานจำนวนมาก ใช้คนคุมเครื่องจักร หุ่นยนต์และ AIML ไม่กี่คนก็สามารถผลิตอาหารเลี้ยงจนจีนวันละเป็นล้านคนได้ในแต่ละวันอย่างง่ายดาย ด้วยต้นทุนที่ถูกกว่ากันมาก

การที่ AIML เติบโตอย่างรวดเร็วและสร้างความได้เปรียบในการแข่งขัน ลดต้นทุน ทำให้เกิดความต้องการผู้ที่มีความเชี่ยวชาญด้าน AIML มากขึ้นเรื่อยๆ และเกิดอาชีพใหม่ที่เรียกว่า วิศวกรปัญญาประดิษฐ์ (Artificial Intelligence Engineer) ซึ่งเป็นผู้เชี่ยวชาญด้าน AIML นั่นเอง

วิศวกรปัญญาประดิษฐ์ ทำหน้าที่อะไร

คำตอบคือ ทำหน้าที่พัฒนาและให้คำปรึกษาในการใช้ปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่องจักรไปประยุกต์ใช้กับข้อมูลประเภทต่างๆ หรือข้อมูลใหม่ๆ ในธุรกิจต่างๆ ซึ่งต้องประยุกต์ให้เหมาะสม การให้คำปรึกษานี้ต้องรวมการพัฒนาไปด้วย เช่นอาจจะมีข้อมูลประเภทใหม่ หรือธุรกิจใหม่ๆ ที่ต้องอาศัยปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่องจักรวิธีใหม่ และ/หรือต้องมีการปรับจูนพารามิเตอร์ในปัญญาประดิษฐ์หรือการเรียนรู้ด้วยเครื่องจักรเดิมให้ทำงานได้ดีเหมาะสมกับข้อมูลใหม่ๆ หรืออุตสาหกรรมที่แตกต่างกันไป

ดังนั้นวิศวกรปัญญาประดิษฐ์จึงต้อง

1. เข้าใจขั้นตอนวิธี (Algorithm) ของปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่องจักร อย่างลึกซึ้งพอที่จะแก้ไขปัญหาและแนะนำให้นักวิทยาการข้อมูล (Data scientist) นักวิเคราะห์ธุรกิจ (Business Analyst) นักวิเคราะห์ข้อมูล (Data Analyst) เลือกใช้ AIML ได้อย่างเหมาะสมกับประเภทและความซับซ้อนของปัญหาและข้อมูลที่ต้องการวิเคราะห์

2. เข้าใจการปรับจูนค่าพารามิเตอร์ใน AIML และเข้าใจวิธีการหาค่าเหมาะสุด (Optimization) ใน AIML ให้ได้ผลลัพธ์ที่ดีที่สุด แก้ไขปัญหาได้เมื่อเกิดปัญหา

3. ต้องมีความเข้าใจข้อมูลที่มีโครงสร้าง โครงสร้างของข้อมูล ข้อมูลที่ไร้โครงสร้าง (Unstructured data) ได้แก่ ข้อมูลจากสื่อสังคม ข้อมูลภาพสอง-สามมิติ วีดีทัศน์สอง-สามมิติ มัลติมีเดีย เสียง ข้อความ คลื่นๆ และอื่นๆ อีกมาก ต้องจัดการข้อมูลได้ เพื่อให้เลือกใช้ AIML ให้เหมาะสมกับข้อมูลแต่ละประเภทและที่มีความซับซ้อน

4. มีความคิดสร้างสรรค์และความคิดวิเคราะห์ในการประยุกต์ใช้ AIML หรือพัฒนา AIML ใหม่ๆ มีประสิทธิภาพดีกว่าขั้นตอนวิธีเดิม เพื่อตอบโจทย์ในการเอาไปใช้งานจริง เพิ่มความสามารถในการแข่งขันในอุตสาหกรรม

วิศวกรปัญญาประดิษฐ์ในสหรัฐอเมริกาเป็นอาชีพที่มีรายได้ดีมาก ไม่ว่าจะเป็น Google, Facebook และ Technoprenuership อื่นๆ ต่างก็จ้างวิศวกรปัญญาประดิษฐ์มาช่วยแนะนำและแก้ไขปัญหาการวิเคราะห์ของหน่วยงานตลอดจนพัฒนาระบบการทำงานใหม่ๆ ให้ดีมีประสิทธิภาพมากขึ้น ลดจำนวนพนักงานลงไปได้มาก

คำที่วิศวกรปัญญาประดิษฐ์พูดกันบ่อยๆ มีอยู่หลายคำ ลองไปค้นคำ เช่น Keras, TensorFlow, Deep Learning, Reinforcement Learning, PyTorch, Weka, Apache Spark, Scikit Learn เป็นต้น ซึ่งเป็น software หรือ AIML ตัวใหม่ๆ ที่กำลังแพร่หลายในวงการ AIML ในโลกปัจจุบัน

วิศวกรปัญญาประดิษฐ์ เป็นงานที่ขาดแคลนมากในสหรัฐอเมริกา เป็นงานที่ใช้ความรู้ทั้งด้านคณิตศาสตร์/สถิติศาสตร์/คอมพิวเตอร์/ขั้นตอนวิธี จึงค่อนข้างหายาก ที่สำคัญอย่างยิ่งคือต้องมีความสามารถในการสื่อสารเรื่องยากๆ ทางเทคนิคให้ง่าย ให้คนที่ไม่มีพื้นฐานทางวิทยาการคอมพิวเตอร์ สถิติศาสตร์ หรือคณิตศาสตร์สามารถฟังแล้วเข้าใจได้ง่าย

คนที่จะเรียนทำงานเป็นวิศวกรปัญญาประดิษฐ์ได้ควรจบอย่างน้อยระดับปริญญาโทหรือถ้าจะให้ดีควรจบระดับปริญญาเอก ควรจบปริญญาตรีทางคณิตศาสตร์/วิทยาการคอมพิวเตอร์/วิศวกรรมคอมพิวเตอร์ จะได้เปรียบนิดหน่อยแต่ไม่เสมอไป

คนที่คณิตศาสตร์ดี/เขียนโปรแกรมได้ดี/ตรรกะในการคิดวิเคราะห์ดี ย่อมสามารถเรียน AIML เพื่อให้เป็นวิศวกรรมปัญญาประดิษฐ์ได้ต่อไปในอนาคต

ในอนาคตประเทศไทยก็น่าจะต้องการวิศวกรปัญญาประดิษฐ์เพิ่มมากขึ้น โดยเฉพาะอย่างยิ่งในภาคเอกชนที่มีการนำ AIML มาใช้งานจริงในธุรกิจเพิ่มขึ้นทุกๆ วัน เพื่อเพิ่มความสามารถในการแข่งขันและความยั่งยืนทางธุรกิจ

ยกตัวอย่างเช่น ธนาคารพาณิชย์แห่งหนึ่ง ยกเลิกการจ้างพนักงานประเมินราคาอสังหาริมทรัพย์จาก outsource ภายนอกที่ต้องเสียค่าจ้าง (โดยผู้ขอกู้เงินต้องจ่าย) อย่างน้อยครั้งละ 2500 บาท โดยใช้ปัญญาประดิษฐ์ในการประเมินราคาอสังหาริมทรัพย์แทนคน ผู้กู้ต้องกรอกรายละเอียดของอสังหาริมทรัพย์ให้ครบถ้วนและถ่ายรูปมาแสกนเข้าระบบคอมพิวเตอร์ที่มีปัญญาประดิษฐ์ ทำให้ตีราคาอสังหาริมทรัพย์ได้แม่นยำเกือบเท่ากับการจ้างนักประเมินราคาอสังหาริมทรัพย์ ซึ่งเป็นผู้เชี่ยวชาญได้ไกล้เคียงมาก อีกทั้งการใช้ปัญญาประดิษฐ์ยังเป็นการลดการใช้ดุลพินิจอันเป็นการป้องกันการทุจริตคอร์รัปชั่นไปได้ในตัวเอง

หลักสูตรวิทยาศาสตร์มหาบัณฑิต (การวิเคราะห์ธุรกิจและวิทยาการข้อมูล) คณะสถิติประยุกต์ สถาบันบัณฑิตพัฒนบริหารศาสตร์ เปิดสอนปริญญาโทสองสาขามานานพอสมควรคือสาขาวิชาปัญญาและการวิเคราะห์ธุรกิจ (Business Analytics and Intelligence) และสาขาวิทยาการข้อมูล (Data Science) และการแข่งขันในการเข้าเรียนของทั้งสองสาขาก็สูงมาก

แต่เนื่องจากความจำเป็นของประเทศที่ต้องการวิศวกรปัญญาประดิษฐ์เพื่อตอบสนองความต้องการภาคเอกชนและยุทธศาสตร์ชาติ Thailand 4.0 จึงได้พัฒนาสาขาวิชา ปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่องจักร (Artificial Intelligence and Machine Learning: AIML) ทั้งในภาคปกติและภาคพิเศษ เพื่อผลิตวิศวกรปัญญาประดิษฐ์ให้กับประเทศไทย
ผู้สมัครเข้าเรียนไม่จำกัดสาขาวิชา แต่ต้องมีพื้นฐานคณิตศาสตร์ที่ดีมาก และมีพื้นฐานการเขียนโปรแกรมตลอดจนความคิดวิเคราะห์และตรรกะที่แม่นยำ

ในปีแรกของการศึกษานักศึกษาทั้งหลักสูตรจะเรียนวิชาปรับพื้นฐานและวิชาแกนร่วมกันดังแผนภาพด้านล่างนี้ วิชาที่พื้นหลังเป็นสีเหลืองเป็นวิชาปรับพื้นฐาน ผู้ที่เรียนมาแล้วระดับปริญญาตรีสามารถทดสอบ (Placement test) เพื่อข้ามไปเรียนวิชาอื่นได้เลยหากสอบผ่าน สำหรับวิชาที่เรียนมี

วิชาการจัดการข้อมูลใหญ่ (Managing Big Data) เพื่อให้สามารถจัดการกับข้อมูลใหญ่ในรูปแบบต่างๆ ได้

วิชาการวิเคราะห์ธุรกิจและวิทยาการข้อมูลเบื้องต้น (Introduction to Business Analytics and Data Science) ซึ่งสอนให้นักศึกษาเห็นภาพรวมของทุกสาขาวิชา และเข้าใจการนำไปประยุกต์ใช้ แต่นิสิตจะเรียกว่า วิชา (สาบาน) ว่าอินโทร

วิชาการวิเคราะห์ข้อมูลเชิงบุกเบิกและการวาดภาพนิทัศน์จากข้อมูล (Exploratory Data Analysis and Data Visualization) วิชานี้สอนให้วาดรูปจากข้อมูลทั้งวิชา สอนเรื่องการออกแบบ เป็นวิชาที่ใช้สมองทุกซีกทุกส่วนของมนุษย์ และใช้ความรู้สารพัดสาขาวิชา ตั้งแต่ จิตวิทยา คอมพิวเตอร์ สถิติ ศิลปะ สถิติศาสตร์ คณิตศาสตร์ และการเขียนโปรแกรมคอมพิวเตอร์

วิชาการออกแบบวิจัยและวิธีการแสวงหาความรู้ (Research Design and Inquiry Methods) สอนให้ออกแบบงานวิจัยเป็น ให้แสวงหาความรู้ด้วยตนเองได้ เข้าใจปรัชญาวิทยาศาสตร์และญาณวิทยาแห่งการแสวงหาความรู้ มีความคิดวิจารณญาณ

วิชาสถิติวิเคราะห์สมัยใหม่ประยุกต์ (Applied Modern Statistical Analysis) เน้นไปที่สถิติอนุมาน การสร้างตัวแบบ และสถิติสมัยใหม่ที่เน้นการคำนวณเข้มข้น (Computationally-intensive statistical methods) อันเป็นพื้นฐานของปัญญาประดิษฐ์ วิทยาการข้อมูล และการเรียนรู้ด้วยเครื่องจักร

วิชาการวิเคราะห์เชิงกำหนดและการหาค่าเหมาะสุดประยุกต์ สอนการจัดการเชิงปริมาณ การหาค่าเหมาะสุดในการจัดการ และเป็นพื้นฐานในการประมาณค่าเหมาะสุดของปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่องจักร

วิชาการเรียนรู้ด้วยเครื่องจักรประยุกต์ (Applied Machine Learning) เป็นวิชาพื้นฐานตัวแรกของ AIML เลยครับ

หลังจากนั้นปีสอง จึงเริ่มเรียนวิชาเอกในสาขาวิชา เป็นวิชาเอกบังคับห้าวิชา คือ

หนึ่ง วิชาปัญญาประดิษฐ์ สองวิชาปัญญาประดิษฐ์ขั้นสูงซึ่งครอบคลุมไปถึง Computer Vision และ Robotics

สาม วิชาการหาค่าเหมาะสุดสำหรับปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่องจักร เรียนเพื่อให้เข้าใจขั้นตอนวิธีและการปรับจูนค่าพารามิเตอร์ของ AIML เพื่อให้สามารถพัฒนา AIML ตัวใหม่ๆ ต่อยอดไปได้ในอนาคต

สี่ วิชาการเรียนรู้เชิงลึก หรือ Deep learning ที่เรากำลังรู้จักกันดี

และ ห้า วิชาการเรียนรู้ด้วยเครื่องจักรขั้นสูง ซึ่งครอบคลุมไปถึงการเรียนรู้แบบรวมกลุ่ม (Ensemble learning) และการเรียนรู้แบบเสริมแรง (Reinforcement learning) ซึ่งนำมาใช้ในการพัฒนาปัญญาประดิษฐ์ให้สามารถเล่นโกะหมากล้อมได้ชนะแชมป์โลกได้

ฟังดูเหมือนจะยากใช่ไหมครับ สาขาวิชาปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่องจักร (AIML) เพื่อสร้างวิศวกรปัญญาประดิษฐ์ อาชีพใหม่ มาแรง มีอนาคตดี รายได้สูงของประเทศไทย ให้ออกไปทำงานรับใช้ชาติ

ถ้าถามว่าเรียนง่ายหรือไม่ คงไม่ใช่อย่างแน่นอน แต่ถ้าถามว่าท้าทาย เป็นประโยชน์ และเป็นโลกของอนาคตหรือไม่ คำตอบคือใช่
เมื่อปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่องจักรจะมาแทนมนุษย์ในการทำงาน

มนุษย์ที่จะมีงานทำต่อไปก็คือคนที่สร้างปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่องจักร เท่านั้น ซึ่งก็คือวิศวกรปัญญาประดิษฐ์นั่นเอง ซึ่งน่าจะอยู่รอดได้อีกนาน

ตราบใดที่ปัญญาประดิษฐ์ไม่คิดฆ่าล้างเผ่าพันธุ์คนที่คิดสร้างปัญญาประดิษฐ์ขึ้นมาไปเสียเอง!!! แต่ช้าก่อนเราจะวางใจได้จริงหรือ???

after my previous video about the skylight computational design, some people asked me about the space frame computational design.
So this algorithm is for space frame skylights and it can create a 3D space frame for Architectural and wireframe for structure analysis in SAP 2000.
Also, this algorithm can create 2D production drawings and also can give categories the Mero and Pipes in spaceframe and then extract it with ID and number of types in a grid.
watch this video and if you like it share it with your Friends

Ehsan