ประเภท: หลักสูตรแมคคาทรอนิกส์
ผลการค้นหา: 2875
| ENG51 0801 | DIRECT CURRENT CIRCUIT ANALYSIS | ||
| ENG51 0802 | ALTERNATING CURRENT CIRCUIT ANALYSIS | ||
| ENG51 0803 | BASIC ELETRONIC DEVICES | ||
| ENG51 0804 | ELECTRICAL MACHINE | ||
|
||||
| ENG51 0806 | ELECTRONICS LABORATORY | ||
ENG51 1103 ARTIFICIAL INTELLIGENCE FOR MECHATRONICS ENGINEERING (Assist.Prof.Dr.Suradet Tantrairatn)
ประเภท: หลักสูตรแมคคาทรอนิกส์
ประเภท: หลักสูตรแมคคาทรอนิกส์
ประเภท: หลักสูตรแมคคาทรอนิกส์
เพื่อให้ผู้เรียนมีความรู้ความเข้าใจเกี่ยวกับการประมวลผลภาพเช่นสำรวจการจัดประเภทรูปภาพการแบ่งส่วนรูปภาพการแปลวัตถุและการตรวจจับวัตถุเรียนรู้การใช้สถาปัตยกรรมการเรียนรู้เชิงลึกกับงานการมองเห็นด้วยคอมพิวเตอร์เช่นเรียนรู้ที่จะแยกคุณสมบัติที่สำคัญออกจากข้อมูลรูปภาพและใช้เทคนิคการเรียนรู้เชิงลึกกับงานการจัดหมวดหมู่นอกจากนี้เรียนรู้แบบจำลองการตรวจจับวัตถุเช่นCNN หรือResNet-50 ปรับแต่งแบบจำลองที่มีอยู่หรือการสร้างแบบจำลองด้วยตัวเอง
ประเภท: Miscellaneous
- ENG51 1701 AI Technology
- ENG51 1702 Computer Vision Technology
- ENG51 1703 Machine Learning
- ENG51 1704 Deep learning
- ENG51 1705 AI Project
ประเภท: หลักสูตรแมคคาทรอนิกส์
ประเภท: Miscellaneous
คำอธิบายรายวิชา
พัฒนาทักษะพื้นฐานการเขียนโปรแกรมและการวิเคราะห์ข้อมูลด้วยไพทอนมีความรู้ความเข้าใจเกี่ยวกับ Data Science โดยใช้ Python เข้ามาช่วยในการวิเคราะห์ข้อมูลในรูปแบบต่าง ๆ
ผลสัมฤทธิ์การเรียนรู้
- มีความสามารถด้านการเขียนและออกแบบโปรแกรมคอมพิวเตอร์ด้วยภาษาไพทอน เพื่อการวิเคราะห์ข้อมูลแบบต่าง ๆ
- มีความสามารถการใช้งานชุดคำสั่งต่าง ๆ ในการวิเคราะห์ข้อมูล
ประเภท: หลักสูตรแมคคาทรอนิกส์
รายวิชานี้มุ่งเน้นการประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) ในการวิเคราะห์และพัฒนางานวิศวกรรมโยธา เพื่อเสริมสร้างความสามารถในการออกแบบและแก้ไขปัญหาที่ซับซ้อนของวิศวกร ผู้เรียนจะได้ศึกษาแนวคิดพื้นฐานของปัญญาประดิษฐ์ เช่น การเรียนรู้ของเครื่อง (Machine Learning) ซึ่งประกอบด้วย Supervise Learning, Unsupervised Learning, Reinforcement Learning, และขั้นตอนการดำเนินการการเรียนรู้ของเครื่อง การวิเคราะห์ข้อมูลขนาดใหญ่ (Big Data) และการประมวลผลภาพ (Image Processing) โดยมุ่งเน้นไปทีการศึกษาแบบ Surpervise Learning อาทิ Linear Regression, Logistic Regression, Artificial Neural Network และ Convolutional Neural Network เป็นต้น เพื่อมุ่งนี้ให้สามารถต่อยอดนำไปใช้ในงานด้านวิศวกรรมโยธาและการบริหารงานก่อสร้าง นอกจากนี้ ผู้เรียนจะได้รับการฝึกปฏิบัติในการใช้ซอฟต์แวร์และแพลตฟอร์ม AI ที่เกี่ยวข้อง เพื่อพัฒนาความเข้าใจและสามารถนำไปประยุกต์ใช้ในงานวิศวกรรมโยธาได้อย่างมีประสิทธิภาพ
-
Introduction to Numerical Computation & Basic Python Programming
-
Engineering problem solving using analytical and numerical methods considerations on numerical errors
-
mathematical modelling, series expansion, approximation functions, Roots of single- and multiple-variable functions, root of polynomials
-
Linear and nonlinear regressions, interpolation, and extrapolation, Fourier analysis
-
Direct methods and iterative methods for solving linear and non-linear systems of equations
-
Eigenvalue problems, spectral decomposition, singular value decomposition
-
Numerical differentiation and integration, boundary-value problems, solving ODE: Euler's method, Runge-Kutta method, shooting methods, relaxation methods, finite difference method, finite element method,
-
Introduction to PDE
ประเภท: Miscellaneous