README.md

🌐 การสนับสนุนหลายภาษา

สนับสนุนผ่าน GitHub Action (อัตโนมัติและอัปเดตเสมอ)

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

ชอบโคลนแบบออฟไลน์?

ที่เก็บนี้มีการแปลภาษากว่า 50 ภาษา ซึ่งจะเพิ่มขนาดการดาวน์โหลดอย่างมาก หากต้องการโคลนโดยไม่รวมการแปล ให้ใช้ sparse checkout:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

วิธีนี้จะให้ทุกสิ่งที่คุณต้องการเพื่อสำเร็จคอร์สได้โดยดาวน์โหลดเร็วขึ้นมาก

เข้าร่วมชุมชนของเรา

เรามีซีรี่ส์เรียนรู้กับ AI บน Discord กำลังดำเนินอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราได้ที่ Learn with AI Series ตั้งแต่วันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิครับมือกับ GitHub Copilot สำหรับ Data Science

การเรียนรู้เครื่องสำหรับผู้เริ่มต้น - หลักสูตร

🌍 เดินทางรอบโลกพร้อมสำรวจการเรียนรู้ของเครื่องผ่านวัฒนธรรมต่าง ๆ ทั่วโลก 🌍

Cloud Advocates ที่ Microsoft มีความยินดีที่จะนำเสนอหลักสูตร 12 สัปดาห์ 26 บทเรียน เกี่ยวกับ Machine Learning ในหลักสูตรนี้ คุณจะได้เรียนรู้เกี่ยวกับสิ่งที่บางครั้งเรียกว่า machine learning แบบคลาสสิก โดยใช้ Scikit-learn เป็นไลบรารีหลัก และหลีกเลี่ยง deep learning ซึ่งมีสอนใน หลักสูตร AI for Beginners ของเรา จับคู่บทเรียนเหล่านี้กับ หลักสูตร Data Science for Beginners ด้วย!

เดินทางไปกับเราโดยรอบโลกขณะที่เรานำเทคนิคคลาสสิกเหล่านี้ไปใช้กับข้อมูลจากหลายภูมิภาค แต่ละบทเรียนประกอบด้วยแบบทดสอบก่อนและหลังบทเรียน คำแนะนำเป็นลายลักษณ์อักษรเพื่อทำบทเรียนให้เสร็จ โซลูชัน งานมอบหมาย และอื่นๆ การเรียนรู้แบบโครงงานช่วยให้คุณเรียนรู้ขณะที่สร้างผลงาน ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าเหมาะกับการเรียนรู้ทักษะใหม่ๆ

✍️ ขอขอบคุณอย่างจริงใจต่อผู้เขียนของเรา Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu และ Amy Boyd

🎨 ขอบคุณผู้วาดภาพประกอบ Tomomi Imura, Dasani Madipalli และ Jen Looper

🙏 ขอบคุณพิเศษ 🙏 ต่อ Microsoft Student Ambassador ผู้เขียน ผู้ตรวจสอบ และผู้ร่วมผลิตเนื้อหา โดยเฉพาะ Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila และ Snigdha Agarwal

🤩 ขอบคุณพิเศษต่อ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi และ Vidushi Gupta สำหรับบทเรียน R ของเรา!

เริ่มต้น

ทำตามขั้นตอนเหล่านี้:

1. Fork ที่เก็บข้อมูลนี้: คลิกปุ่ม "Fork" ที่มุมบนขวาของหน้านี้
2. โคลนที่เก็บข้อมูล: git clone https://github.com/microsoft/ML-For-Beginners.git

ค้นหาแหล่งข้อมูลเพิ่มเติมทั้งหมดสำหรับคอร์สนี้ในคอลเลกชัน Microsoft Learn ของเรา

🔧 ต้องการความช่วยเหลือ? ตรวจสอบ คู่มือแก้ไขปัญหา สำหรับวิธีแก้ไขปัญหาทั่วไปเกี่ยวกับการติดตั้ง การตั้งค่า และการรันบทเรียน

นักเรียน เพื่อใช้หลักสูตรนี้ ให้คุณ fork รีโปทั้งหมดมายังบัญชี GitHub ของคุณและทำแบบฝึกหัดด้วยตนเองหรือกับกลุ่ม:

• เริ่มด้วยแบบทดสอบก่อนบรรยาย
• อ่านบทเรียนและทำกิจกรรมให้ครบ หยุดคิดและทบทวนที่แต่ละจุดเช็คความรู้
• พยายามสร้างโปรเจกต์โดยเข้าใจบทเรียนแทนการรันโค้ดโซลูชันอย่างเดียว อย่างไรก็ตาม โค้ดนั้นมีให้ในโฟลเดอร์ /solution ในแต่ละบทเรียนที่เน้นโปรเจกต์
• ทำแบบทดสอบหลังบรรยาย
• ทำภารกิจท้าทาย
• ทำงานมอบหมาย
• หลังทำบทเรียนกลุ่มหนึ่งเสร็จเยี่ยมชม บอร์ดสนทนา และ “เรียนรู้แบบเปิดเผย” โดยกรอกแบบประเมิน PAT ที่เหมาะสม 'PAT' คือเครื่องมือประเมินความก้าวหน้าที่คุณกรอกเพื่อเสริมสร้างการเรียนรู้ คุณยังสามารถตอบสนองต่อ PAT ของคนอื่นๆ เพื่อที่เราจะได้เรียนรู้ไปด้วยกัน

สำหรับการศึกษาต่อ เราแนะนำให้ติดตาม Microsoft Learn โมดูลและเส้นทางการเรียนรู้เหล่านี้

ครูผู้สอน เราได้ รวมคำแนะนำบางอย่าง เกี่ยวกับวิธีใช้หลักสูตรนี้

---

วิดีโอแนะนำ

บทเรียนบางบทมีวิดีโอสั้นให้ดู คุณสามารถดูทั้งหมดได้ในบทเรียน หรือที่ เพลย์ลิสต์ ML for Beginners บนช่อง Microsoft Developer YouTube โดยคลิกที่ภาพด้านล่างนี้

---

รู้จักทีมงาน

Gif โดย Mohit Jaisal

🎥 คลิกภาพด้านบนเพื่อดูวิดีโอเกี่ยวกับโปรเจกต์และผู้สร้าง!

---

วิธีการสอน

เราเลือกใช้หลักการสอนสองประการในการสร้างหลักสูตรนี้: ให้เป็นแบบ project-based ลงมือปฏิบัติจริง และมี แบบทดสอบบ่อยๆ นอกจากนี้ หลักสูตรยังมี ธีม ร่วมเพื่อเชื่อมโยงเนื้อหา

การเชื่อมโยงเนื้อหาเข้ากับโปรเจกต์ทำให้กระบวนการน่าสนใจมากขึ้นสำหรับนักเรียนและช่วยให้การจดจำแนวคิดดีขึ้น อีกทั้งแบบทดสอบก่อนเรียนช่วยกำหนดเจตนารมณ์ของนักเรียนในการเรียนรู้ในหัวข้อนั้นๆ ส่วนแบบทดสอบหลังเรียนช่วยเพิ่มการจดจำ หลักสูตรนี้ออกแบบมาให้ยืดหยุ่นและสนุก สามารถเรียนครบทั้งหมดหรือบางส่วนได้ โปรเจกต์จะเริ่มเล็กและซับซ้อนขึ้นเรื่อยๆ จนถึงสิ้นสุดรอบ 12 สัปดาห์ หลักสูตรยังมีบทส่งท้ายเกี่ยวกับการประยุกต์ใช้จริงของ ML ซึ่งใช้เป็นเครดิตเพิ่มเติมหรือตั้งประเด็นสนทนาได้

ดู ข้อบังคับการปฏิบัติตัว, การมีส่วนร่วม, การแปล, และ การแก้ไขปัญหา เรายินดีรับฟังคำติชมของคุณ!

ทุกบทเรียนประกอบด้วย

• สเก็ตช์โน้ต (ถ้ามี)
• วิดีโอเสริม (ถ้ามี)
• วิดีโอแนะนำ (บางบทเรียนเท่านั้น)
• แบบทดสอบวอร์มอัพก่อนบรรยาย
• บทเรียนแบบเขียน
• สำหรับบทเรียนแบบโปรเจกต์ มีคำแนะนำทีละขั้นตอนวิธีสร้างโปรเจกต์
• เช็คความรู้
• ความท้าทาย
• การอ่านเสริม
• งานมอบหมาย
• แบบทดสอบหลังบรรยาย

หมายเหตุเกี่ยวกับภาษา: บทเรียนเหล่านี้ส่วนใหญ่เขียนด้วยภาษา Python แต่หลายบทเรียนก็มีในภาษา R ด้วย หากต้องการทำบทเรียน R ให้ไปที่โฟลเดอร์ /solution และค้นหาบทเรียน R ซึ่งจะมีนามสกุล .rmd ซึ่งหมายถึงไฟล์ R Markdown ซึ่งสามารถนิยามได้ง่ายๆ ว่าเป็นการฝัง code chunks (ของ R หรือภาษาอื่นๆ) และ YAML header (ที่ใช้กำหนดวิธีการจัดรูปแบบผลลัพธ์ เช่น PDF) ใน เอกสาร Markdown ดังนั้นจึงทำหน้าที่เป็นเฟรมเวิร์กการเขียนต้นฉบับที่ดีสำหรับวิทยาการข้อมูล เพราะอนุญาตให้คุณรวมโค้ด ผลลัพธ์ และความคิดของคุณโดยให้คุณเขียนลงใน Markdown นอกจากนี้เอกสาร R Markdown ยังสามารถเรนเดอร์เป็นรูปแบบผลลัพธ์ต่างๆ เช่น PDF, HTML หรือ Word ได้

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดจะอยู่ใน โฟลเดอร์ Quiz App รวมทั้งหมด 52 แบบทดสอบ แต่ละแบบมีสามคำถาม ลิงก์อยู่ในบทเรียนแต่แอปแบบทดสอบสามารถรันได้ในเครื่องของคุณโดยทำตามคำแนะนำในโฟลเดอร์ quiz-app เพื่อโฮสต์หรือดีพลอยในเครื่องหรือ Azure

หมายเลขบทเรียน	หัวข้อ	กลุ่มบทเรียน	วัตถุประสงค์การเรียนรู้	บทเรียนที่ลิงก์	ผู้แต่ง
01	แนะนำการเรียนรู้ของเครื่อง	Introduction	เรียนรู้แนวคิดพื้นฐานเบื้องหลังการเรียนรู้ของเครื่อง	บทเรียน	Muhammad
02	ประวัติศาสตร์ของการเรียนรู้ของเครื่อง	Introduction	เรียนรู้ประวัติศาสตร์เบื้องหลังสาขานี้	บทเรียน	Jen and Amy
03	ความยุติธรรมและการเรียนรู้ของเครื่อง	Introduction	ปัญหาทางปรัชญาสำคัญเกี่ยวกับความยุติธรรมที่นักเรียนควรพิจารณาในการสร้างและใช้โมเดล ML	บทเรียน	Tomomi
04	เทคนิคสำหรับการเรียนรู้ของเครื่อง	Introduction	เทคนิคที่นักวิจัย ML ใช้ในการสร้างโมเดล ML มีอะไรบ้าง	บทเรียน	Chris and Jen
05	แนะนำการถดถอย	Regression	เริ่มต้นใช้งาน Python และ Scikit-learn สำหรับโมเดลถดถอย	Python • R	Jen • Eric Wanjau
06	ราคาฟักทองในอเมริกาเหนือ 🎃	Regression	การแสดงภาพและการทำความสะอาดข้อมูลเพื่อเตรียมสำหรับ ML	Python • R	Jen • Eric Wanjau
07	ราคาฟักทองในอเมริกาเหนือ 🎃	Regression	สร้างโมเดลถดถอยเชิงเส้นและถดถอยพหุนาม	Python • R	Jen and Dmitry • Eric Wanjau
08	ราคาฟักทองในอเมริกาเหนือ 🎃	Regression	สร้างโมเดลถดถอยโลจิสติก	Python • R	Jen • Eric Wanjau
09	แอปเว็บ 🔌	Web App	สร้างแอปเว็บเพื่อใช้งานโมเดลที่ผ่านการฝึกฝนมา	Python	Jen
10	แนะนำการจำแนกประเภท	Classification	ทำความสะอาด เตรียมและแสดงภาพข้อมูลของคุณ; แนะนำการจำแนกประเภท	Python • R	Jen and Cassie • Eric Wanjau
11	อาหารเอเชียและอินเดียแสนอร่อย 🍜	Classification	แนะนำตัวจำแนก	Python • R	Jen and Cassie • Eric Wanjau
12	อาหารเอเชียและอินเดียแสนอร่อย 🍜	Classification	ตัวจำแนกเพิ่มขึ้น	Python • R	Jen and Cassie • Eric Wanjau
13	อาหารเอเชียและอินเดียแสนอร่อย 🍜	Classification	สร้างแอปเว็บแนะนำโดยใช้โมเดลของคุณ	Python	Jen
14	แนะนำการจัดกลุ่ม	Clustering	ทำความสะอาด เตรียมและแสดงภาพข้อมูลของคุณ; แนะนำการจัดกลุ่ม	Python • R	Jen • Eric Wanjau
15	สำรวจรสนิยมดนตรีไนจีเรีย 🎧	Clustering	สำรวจวิธีการจัดกลุ่ม K-Means	Python • R	Jen • Eric Wanjau
16	แนะนำการประมวลผลภาษาธรรมชาติ (NLP) ☕️	Natural language processing	เรียนรู้พื้นฐานเกี่ยวกับ NLP โดยการสร้างบอทง่ายๆ	Python	Stephen
17	งาน NLP ที่พบบ่อย ☕️	Natural language processing	เพิ่มความรู้ใน NLP โดยการเข้าใจงานทั่วไปที่จำเป็นเมื่อต้องจัดการกับโครงสร้างภาษา	Python	Stephen
18	การแปลภาษาและการวิเคราะห์อารมณ์ ♥️	Natural language processing	การแปลภาษาและการวิเคราะห์อารมณ์กับ Jane Austen	Python	Stephen
19	โรงแรมโรแมนติกในยุโรป ♥️	Natural language processing	การวิเคราะห์อารมณ์กับรีวิวโรงแรม 1	Python	Stephen
20	โรงแรมโรแมนติกในยุโรป ♥️	Natural language processing	การวิเคราะห์อารมณ์กับรีวิวโรงแรม 2	Python	Stephen
21	แนะนำการพยากรณ์อนุกรมเวลา	Time series	แนะนำการพยากรณ์อนุกรมเวลา	Python	Francesca
22	⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์อนุกรมเวลาด้วย ARIMA	Time series	การพยากรณ์อนุกรมเวลาด้วย ARIMA	Python	Francesca
23	⚡️ การใช้พลังงานโลก ⚡️ - การพยากรณ์อนุกรมเวลาด้วย SVR	Time series	การพยากรณ์อนุกรมเวลาด้วย Support Vector Regressor	Python	Anirban
24	แนะนำการเรียนรู้เสริมแรง	Reinforcement learning	แนะนำการเรียนรู้เสริมแรงด้วย Q-Learning	Python	Dmitry
25	ช่วยปีเตอร์หนีหมาป่า! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
บทส่งท้าย	กรณีศึกษาและการประยุกต์ใช้ ML ในโลกจริง	ML in the Wild	การประยุกต์ใช้จริงที่น่าสนใจและเปิดเผยของ ML คลาสสิก	บทเรียน	ทีม
บทส่งท้าย	การดีบักโมเดล ML ด้วยแดชบอร์ด RAI	ML in the Wild	การดีบักโมเดลการเรียนรู้เครื่องโดยใช้ส่วนประกอบแดชบอร์ด Responsible AI	บทเรียน	Ruth Yakubu

ค้นหาทรัพยากรเพิ่มเติมสำหรับหลักสูตรนี้ได้ในคอลเลกชัน Microsoft Learn ของเรา

การเข้าถึงแบบออฟไลน์

คุณสามารถเรียกดูเอกสารนี้แบบออฟไลน์ด้วยการใช้ Docsify. ทำการ fork repository นี้, ติดตั้ง Docsify ในเครื่องของคุณ แล้วในโฟลเดอร์รากของ repo นี้ ให้พิมพ์คำสั่ง docsify serve เว็บไซต์จะถูกให้บริการที่พอร์ต 3000 บน localhost ของคุณ: localhost:3000

ไฟล์ PDF

ค้นหาไฟล์ pdf ของหลักสูตรพร้อมลิงก์ ที่นี่.

🎒 หลักสูตรอื่นๆ

ทีมของเราผลิตหลักสูตรอื่นๆ อีก! ลองดู:

LangChain

Azure / Edge / MCP / Agents

---

ชุดการเรียนรู้ Generative AI

---

การเรียนรู้พื้นฐาน

---

ชุด Copilot

ขอความช่วยเหลือ

หากคุณติดขัดหรือมีคำถามเกี่ยวกับการสร้างแอป AI เข้าร่วมกับผู้เรียนและนักพัฒนาที่มีประสบการณ์ในการสนทนาเกี่ยวกับ MCP นี่คือชุมชนที่ให้การสนับสนุนซึ่งยินดีตอบคำถามและแบ่งปันความรู้กันอย่างอิสระ

หากคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดขณะพัฒนาเยี่ยมชมได้ที่:

เคล็ดลับเพิ่มเติมสำหรับการเรียนรู้

• ทบทวนสมุดบันทึกหลังเรียนแต่ละบทเพื่อความเข้าใจที่ดีขึ้น
• ฝึกฝนการนำอัลกอริทึมไปใช้ด้วยตัวเอง
• สำรวจชุดข้อมูลจริงโดยใช้แนวคิดที่เรียนรู้มา

---

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ Co-op Translator แม้ว่าเราจะพยายามให้การแปลถูกต้องที่สุด แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่แม่นยำ เอกสารต้นฉบับในภาษาต้นฉบับถือเป็นแหล่งข้อมูลที่น่าเชื่อถือที่สุด สำหรับข้อมูลที่สำคัญ ควรใช้บริการแปลโดยมืออาชีพเพื่อความถูกต้อง เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใดๆ ที่เกิดขึ้นจากการใช้การแปลนี้