|
|
|
|
เมนูหลัก
|
|
| เลือก ปีการศึกษา: 1 / 2562 | | รายชื่อ |   (Require login before downloading) |
|
| | บางแสน | | ปริญญาโท เต็มเวลา | | กลุ่ม | วัน | เวลา | ห้อง | อาคาร | เรียน | ที่นั่ง(เปิด-ลง-เหลือ) | หมวด | รายชื่อ | | | 01 | | เสาร์ | 13:00-15:50 | IF-6T04 | IF | C | 2 | 2 | 0 | W |  | | | | | อาจารย์ / ผู้สอน: | ผู้ช่วยศาสตราจารย์ ดร.จักริน สุขสวัสดิ์ชน | | | | สอบกลางภาค: | Lecture : 21 ก.ย. 2562 เวลา 13:00 - 16:00 อาคาร IF ห้อง IF-6T04 | | | | ผู้คุมสอบกลางภาค: | Lecture : ผู้ช่วยศาสตราจารย์ ดร.จักริน สุขสวัสดิ์ชน | | | | สอบปลายภาค: | Lecture : 16 พ.ย. 2562 เวลา 09:00 - 12:00 อาคาร IF ห้อง IF-6T04 | | | | ผู้คุมสอบปลายภาค: | Lecture : ผู้ช่วยศาสตราจารย์ ดร.จักริน สุขสวัสดิ์ชน | |
| Course Description
ขั้นตอนวิธีในการค้นข้อมูล ขั้นตอนวิธีการจัดเรียงข้อมูล ขั้นตอนวิธีการรวมข้อมูล ขั้นตอนวิธีการทำอินเด็กซ์ ขั้นตอนวิธีการเรียนรู้ของเครื่องจักร เช่น การวิเคราะห์เชิงถดถอยเชิงเส้น การถดถอยโลจิสติก ต้นไม้ตัดสินใจ ซัพพอร์ตเวกเตอร์แมชชีน นาอีฟเบย์ เคเนียร์เรสเนเบอร์ เคมีน แรนดอมฟอเรส การเรียนรู้แบบลึก ขั้นตอนวิธีการพยากรณ์ การวิเคราะห์แบบทันที หลักการทำแมพรีดิวส์ เครื่องมือสำหรับการเรียนรู้ของเครื่องจักร การแก้ปัญหาและขั้นตอนวิธีในชุดข้อมูลขนาดใหญ่
Searching algorithms, sorting algorithms, join algorithms, indexing algorithms, machine learning algorithms e.g. linear regression, logistic regression, decision tree, support vector machine, naive Bayes, k-nearest neighbour, k-means, random forest, deep learning, forecasting methods, real-time analytics, map-reduce concept, machine learning tools, problem solving and algorithms in large-scale datasets
หมายเหตุ
เรียน C = Lecture L = Lab R = ประชุม S = Self Study T = ติว
หมวด B = วิชาเสริมพื้นฐาน E = วิชาเลือกเฉพาะสาขา F = วิชาเลือกเสรี G = วิชาศึกษาทั่วไป M = วิชาพื้นฐาน W = วิชาบังคับ X = - ยังไม่กำหนด |
| |
|
|
|
|
|
|
Print Friendly