AWS AI Practitioner· ~6 นาที
ประเภทของ Machine Learning
Supervised, Unsupervised และ Reinforcement Learning
Machine Learning 3 ประเภทหลัก
การให้คอมพิวเตอร์ "เรียนรู้" (Learning) นั้นมีหลายวิธี ขึ้นอยู่กับลักษณะข้อมูลที่เรามี ข้อสอบ AWS มักจะทดสอบความเข้าใจว่าสถานการณ์ไหนควรใช้ ML แบบใด
- Supervised Learning (การเรียนรู้แบบมีผู้สอน): คอมพิวเตอร์เรียนรู้จากข้อมูลที่มี "เฉลย (Label)" มาให้แล้ว เช่น เอารูปหมาพร้อมป้ายบอกว่า "นี่คือหมา" ไปให้คอมพิวเตอร์ดูร้อยๆ รูป เพื่อให้มันจำรูปแบบได้
- Unsupervised Learning (การเรียนรู้แบบไม่มีผู้สอน): คอมพิวเตอร์เรียนรู้จากข้อมูลที่ "ไม่มีเฉลย (Unlabeled Data)" หน้าที่ของมันคือการหาโครงสร้างซ่อนเร้น เช่น เอาข้อมูลลูกค้าทั้งหมดไปให้มันจัดกลุ่ม (Clustering) ว่าใครมีพฤติกรรมซื้อของคล้ายกัน
- Reinforcement Learning (การเรียนรู้แบบเสริมกำลัง): คอมพิวเตอร์เรียนรู้ผ่าน "การลองผิดลองถูก" ในสภาพแวดล้อมจำลอง โดยมีระบบให้คะแนน (Reward) เมื่อทำถูก และหักคะแนน (Penalty) เมื่อทำผิด เหมือนการฝึกสุนัข
Supervised = ฝึกทำโจทย์แบบมีเฉลยท้ายเล่ม Unsupervised = สังเกตและจัดกลุ่มสิ่งของด้วยตัวเอง Reinforcement = ฝึกขี่จักรยาน ล้มก็เจ็บ (โดนหักคะแนน) ขี่ได้ก็ไปต่อ (ได้รางวัล)
สรุป Key Takeaways
- Supervised Learning: มีข้อมูลที่มี Label (เฉลย) เช่น พยากรณ์ราคาบ้าน (Regression), แยกสแปมเมล (Classification)
- Unsupervised Learning: ไม่มี Label เช่น การจัดกลุ่มลูกค้า (Clustering), ตรวจหาความผิดปกติ (Anomaly Detection)
- Reinforcement Learning: เรียนรู้จากการลองผิดลองถูก (Reward/Penalty) เช่น AI เล่นเกม, หุ่นยนต์
ลองทำ Quiz ท้ายบท
คำถามแนวข้อสอบของโมดูลนี้ 1 ข้อ · เฉลยทันที
อ่านจบแล้วอย่าลืมทำเครื่องหมาย