Sign in Subscribe

Latest

Generative vs Discriminative Models: เมื่อ AI ต้องสร้าง กับ ต้องตัดสิน

Generative vs Discriminative Models: เมื่อ AI ต้องสร้าง กับ ต้องตัดสิน

เปรียบเทียบระหว่าง Generative Models และ Discriminative Models 1. แนวคิด Generative Models * เรียนรู้ distribution joint ของข้อมูล P(x, y) = P(x|y)P(y) * พยายามเข้าใจว่า “ข้อมูลถูกสร้างขึ้นอย่างไร” * สามารถ generate ตัวอย่างใหม่ได้ เช่น ภาพ, ข้อความ,

เมื่อข้อมูลเริ่มเรียนรู้: Deep Learning เบื้องต้น

เมื่อข้อมูลเริ่มเรียนรู้: Deep Learning เบื้องต้น

Deep Learning คือการสอนคอมพิวเตอร์ให้ “คิดและเรียนรู้” คล้ายสมองมนุษย์ โดยใช้โครงสร้างที่เรียกว่า Artificial Neural Network (ANN) ซึ่งเลียนแบบการทำงานของเซลล์ประสาทในสมอง จินตนาการว่า * สมองมนุษย์ มีเซลล์ประสาท (Neuron) เชื่อมต่อกันเป็นเครือข่าย * Deep Learning ก็สร้างเครือข่ายคล้ายกั

จะดึงข้อมูลยังไงดี? Batch, Streaming, Push หรือ Pull

จะดึงข้อมูลยังไงดี? Batch, Streaming, Push หรือ Pull

Data Ingestion คือกระบวนการ “พาข้อมูลจากต้นทาง (Source) เข้าสู่ระบบปลายทาง (Data Platform) เช่น Database, Data Warehouse, Data Lake หรือระบบ Analytics การออกแบบ Ingestion จะคิดจาก 2 เรื่องหลัก * ข้อมูลเข้ามาบ่อยแค่ไหน * ใครเป็นฝ่ายเริ่มส่งข้อมูล 1. Batch Processing แนวคิด:

OVR vs OVO: ศึกสองแนวคิดของ Machine Learning

OVR vs OVO: ศึกสองแนวคิดของ Machine Learning

กลยุทธ์ One-vs-Rest (OvR) และ One-vs-One (OvO) เป็นวิธีการแปลงปัญหา Multi-class Classification ให้เป็นชุดของ Binary Classificationเพื่อใช้กับโมเดลที่รองรับแค่การจำแนก 2 Classes เช่น Logistic Regression, SVM เป็นต้น 1. One-vs-Rest (OvR) แนวคิด: สร้างโมเดลหนึ่งตัวต่อหนึ่งคลาส โดยเปรียบเทียบ

รู้จัก Multi-Label Classification

รู้จัก Multi-Label Classification

Multi-label classification คือ การจำแนกข้อมูลที่หนึ่งตัวอย่างสามารถมีหลายป้ายกำกับ (labels) พร้อมกัน ไม่เหมือนกับ multi-class classification ที่หนึ่งตัวอย่างจะมีแค่หนึ่งคลาสเท่านั้น ลักษณะสำคัญ * Multi-class: เลือก 1 คลาสจากหลายคลาส เช่น วัตถุ →[รถยนต์, คน, ถนน] * Multi-label:

คอมพิวเตอร์มองเห็นเราได้ยังไง

คอมพิวเตอร์มองเห็นเราได้ยังไง

สิ่งที่ทำให้ Computer มองเห็นเราได้ คือ เทคโนโลยีที่เรียกว่า Computer Vision Computer Vision คืออะไร Computer Vision คือสาขาหนึ่งของ AI ที่ทำให้คอมพิวเตอร์ “มองเห็น วิเคราะห์ และเข้าใจภาพหรือวิดีโอได้เหมือนมนุษย์” คอมพิวเตอร์จะรับข้อมูลจาก * รูปภาพ * วิ

แกะกล่อง AI

แกะกล่อง AI

Traditional AI (Discriminative) คือแนวคิดของโมเดล AI แบบดั้งเดิมที่เน้น แยกแยะ / ทำนาย (classification, prediction) จากข้อมูลที่มีอยู่ โดยเรียนรู้ความสัมพันธ์ระหว่าง input (X) → output (Y) โดยตรง อธิบายแบบง่าย ถามว่า “ข้อมูลนี้ เป็นอะไร?” หรือ “ควร เลือกคำตอบไหน?” ไม่สนใจว่