งานสัมมนา

ระบบปัญญาประดิษฐ์
ร่วมกับ Machine Learning
เเละ Deep Lesrning เพื่อ
การพัฒนาประเทศในยุคดิจิทัล

วันพุ ธทOี่ n12linตeุลผา่าคนมท2า5ง6M5icเrวoลsาof1t5.T0e0am-s 17.00

ประธานเปิดงาน อาจารย์สุนทรี เเก่นเเก้ว
ผู้กล่าวรายงาน อาจารย์กาญจนา ใจบุญ
วิทยากร อาจารย์ธนวัฒน์ ถาวรกูล

งานสัมมนาในครั้งนี้เป็นส่วนหนึ่งของรายวิชา
Seminar for Computer Science
สาขาวิทยาการคอมพิวเตอร์
คณะวิทยาศาสตร์เเละเทคโนโลยี
ภาคเรียนที่1 ปีการศึกษา2565

มหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ

หลักการเเละเหตุผล

AI และ Machine Learning (ML) นั้นเป็นนวัตกรรมที่ถูกพัฒนา
ขึ้นเพื่อให้เป็นโปรแกรมคอมพิวเตอร์ที่เรียนรู้ พัฒนาตัวเอง และคิดเองได้
โดยคุณไพฑูรย์กล่าวว่าคุณสมบัติเหล่านี้ของ AI ทำให้พวกมันสามารถช่วย
ให้มนุษย์ทำงานได้ง่ายขึ้น เข้ามาทำงานแทน หรือลดภาระการทำงานบาง
อย่างไป ซึ่ง AI ในปัจจุบันก็พัฒนาขึ้นมากจนมีประสิทธิภาพและความ
แม่นยำเพียงพอให้ใช้ใช้งานในชีวิตประจำวัน เช่น ระบบรับคำสั่งเสียงใน
โทรศัพท์มือถือที่เข้าใจได้หลายภาษา

ปัญญาประดิษฐ์ หรือ AI สร้างความเป็นไปได้ให้แก่เครื่องจักรใน
การเรียนรู้จากประสบการณ์ในอดีต ปรับแต่งเข้ากับข้อมูลที่ป้อนเข้าไปใหม่
และทำหน้าที่เปรียบเสมือนมนุษย์ ตัวอย่างของ AI ส่วนใหญ่ที่คุณมักจะได้ยิน
ในทุกวันนี้ เริ่มตั้งแต่คอมพิวเตอร์ที่เล่นหมากรุกได้ จนถึงรถยนต์ที่ขับเคลื่อน
ด้วยตัวเอง เหล่านี้ล้วนแต่ต้องพึ่งพาการเรียนรู้เชิงลึก และการประมวล
ผลภาษาธรรมชาติ ด้วยการใช้เทคโนโลยีเหล่านี้ คอมพิวเตอร์จะได้รับการ
ฝึกฝนให้เอาชนะเป้าหมายที่กำหนดโดยการประมวลผลข้อมูลปริมาณ
มหาศาลและจดจำรูปแบบของข้อมูลเหล่านั้นทั้งหมด

วัตถุประสงค์

1. เพื่อเพิ่มพูนความรู้ ความสามารถ และประสบการณ์แก่
ผู้เข้าร่วมสัมมนา

2.เพื่อแลกเปลี่ยนความคิดเห็นซึ่งกันและกัน ระหว่างผู้เข้า
สัมมนาด้วยกัน และผู้เข้าสัมมนากับวิทยากร

3. เพื่อค้นหาวิธีการแก้ปัญหาหรือแนวทางปฏิบัติร่วมกัน
4.เพื่อให้ได้แนวทางประกอบการตัดสินใจหรือกำหนดนโย บาย
ในปัญหาต่างๆ

5. เพื่อกระตุ้นให้ผู้ร่วมเข้าสัมมนานำหลักวิธีการที่ได้เรียนรู้
เกี่ยวกับระบบปัญญาประดิษฐ์ ร่วมกับ Machine Learning และ Deep
Learning เพื่อการพัฒนาประเทศในยุคดิจิทัล ในเรื่องปัญญาประดิษฐ์ใน
การให้บริการของภาครัฐไปใช้ให้เป็นประโยชน์

ประโยชน์ที่คาดว่าจะได้รับ

1.ช่วยให้ผู้เข้าร่วมสัมมนามีความรู้ ความคิด และประสบการณ์
เพิ่มขึ้น

2.ช่วยให้ผู้เข้าร่วมสัมมนาได้ข้อเสนอแนะ ในการหารือ และระดม
ความคิดเกี่ยวกับหรือแนวทางในการแก้ปัญหาต่างๆทางด้าน AI

3.ช่วยให้ผู้เข้าร่วมสัมมนาได้มีประสบการณ์ในการใช้ความคิด
เกี่ยวกับ AI ปัญญษประดิษฐ์ในการให้บริการของภาครัฐ์

4.ผู้เข้าร่วมสัมมนาได้แลกเปลี่ยนความคิดเห็นซึ่งกันและกัน
5.ผลของการสัมมนาจะเป็นประโยชน์แก่ผู้เข้าร่วมที่จะได้เรียนรู้
เกี่ยวข้องในเรื่องระบบปัญญาประดิษฐ์ ร่วมกับ Machine Learning และ
Deep Learning เพื่อการพัฒนาประเทศในยุคดิจิทัล

สคริปท์ กล่าวเปิดงาน

สวัสดีอาจารย์ วิทยากร นักศึกษาทุกคนค่ะ ดิฉันมีความยินดี
อย่างยิ่ง ที่ได้มาเป็นประธานในพิธีเปิด โครงการสัมมนา เรื่องระบบ
ปัญญาประดิษฐ์ ร่วมกับ Machine Learning และ Deep Learning เพื่อ
พัฒนาประเทศยุคดิจิทัล

จากการกล่าวรายงาน จะเห็นได้ว่า วัตถุประสงค์ของการ
สัมมนาในวันนี้ เพื่อแลกเปลี่ยนความรู้กัน และการจัดงานในวันนี้นับว่าเป็น
สิ่งที่ดี ที่ทางผู้จัดสัมมานาได้เล็งเห็นถึงความส าคัญของระบบปัญญา
ประดิษฐ์ในยุคปัจจุบัน อีกทั้งยังเป็นการสร้างสัมพันธภาพและแลกเปลี่ยน
เรียนรู้ระหว่าง อาจารย์และนักศึกษา ซึ่งจะก่อให้เกิดประโยชน์ต่อผู้เรียนใน
หลายด้าน

ดิฉันขออวยพรให้การจัดงานในครั้งนี้ บรรลุผลส าเร็จตาม
เป้าหมายตรงตามวัตถุประสงค์ของการจัดงานทุกประการ และขอให้ผู้
เข้าแข่งขันได้เก็บเกี่ยวเอาประสบการณ์ในครั้งนี้ไปต่อยอดในเรื่องของ
การเรียนและสายอาชีพในอนาคตต่อไป

บัดนี้ ได้เวลาอันสมควรแล้ว ฉันขอเปิด “ระบบปัญญา
ประดิษฐ์ ร่วมกับ Machine Learning และ Deep Learning เพื่อพัฒนา
ประเทศยุคดิจิทัล” ณ บัดนี้

สคริปท์ พิธีกร

สวัสดีครับ ผมนายธีรวัฒน์ เกตุชีพ และ นางสาวมลพธณพร
มังกรทอง นักศึกษาชั้นปีที่ 3 หลักสูตรวิทยาศาสตร์บัณฑิต สาขาวิชา
วิทยาการคอมพิวเตอร์ รับหน้าที่เป็นพิธีกรในวันนี้ค่ะ

กราบเรียนท่านประธานและอาจารย์ทุกท่าน ที่ปรึกษาโครงการ/
ท่านวิทยากร และสวัสดีผู้เข้าร่วมสัมมนาทุกคน และขอต้อนรับทุกท่านเข้าสู่
งานสัมมนา ภายใต้ชื่อ ระบบปัญญาประดิษฐ์ ร่วมกับ Machine Learning
และ Deep Learning เพื่อพัฒนาประเทศยุคดิจิทัล โดยในวันนี้เราได้รับ
เกียรติจากอาจารย์ธนวัฒน์ ถาวรกูล มาเป็นวิทยากรบรรยายในครั้งนี้

เรียนเชิญอาจารย์กาญจนา ใจบุญ กล่าววัตถุประสงค์การ
สัมมนาครั้งนี้ลำดับต่อไปขอเรียนเชิญ อาจารย์สุนทรี แก่นแก้ว กล่าวเปิด
งานค่ะ
ขอบคุณอาจารย์กาญจนา ใจบุญ และ อาจารย์สุนทรี แก่นแก้ว ที่ได้ให้
เกียรติมาเปิดงานสัมมนาระบบปัญญาประดิษฐ์ ร่วมกับ Machine Learning
และ Deep Learning เพื่อพัฒนาประเทศยุคดิจิทัล

ต่อไปขออนุญาตให้ผู้เข้าร่วมสัมมนาเปิดกล้องเพื่อบันทึกภาพ
ด้วยครับ ในโอกาสนี้ขอเรียนเชิญ อาจารย์ธนวัฒน์ ถาวรกูล มาบรรยายให้
ความรู้ในหัวข้อระบบปัญญาประดิษฐ์ ขอเรียนเชิญค่ะ

การบรรยายเสร็จ มีข้อสงสัยอะไรสามารถถามได้นะคะ....... ถ้า
ไม่มี ต้องขอขอบคุณ อาจารย์ธนวัฒน์ ถาวรกูล ที่ได้ให้ความรู้กับพวกเรา
ค่ะ หลังจากนี้ขอให้ผู้เข้าร่วมสัมมนาสแกนคิวอาร์โค้ดเพื่อลงทะเบียนและท
าแบบประเมิน เพื่อรับเกียรติบัตรด้วยค่ะหลังจากลงทะเบียนและท าแบบ
ประเมินเรียบร้อยแล้ว สามารถออกจากteamได้เลยค่ะ

สคริปท์ รายงานวัตถุประสงค์

เรียน ประธานในพิธี คณาจารย์ นักศึกษา และผู้เข้าร่วมงานทุก
ท่าน ในนามหลักสูตรวิทยาศาสตร์บัญฑิต ได้จัดสัมมนา ระบบปัญญาประดิษฐ์
ร่วมกับ Machine Learning และ Deep Learning เพื่อพัฒนาประเทศยุค
ดิจิทัล มีความเป็นมาและวัตถุประสงค์ในการจัดงาน ดังนี้

ระบบปัญญาประดิษฐ์ เป็นจุดเริ่มต้นส่วนหนึ่ง ที่จะได้นาความรู้จาก
วิทยากรที่มีความรู้ ความสามารถมาแนะนาระบบปัญญาประดิษฐ์ที่น่าสนใจ
ในปัจจุบัน และแนวโน้มการพัฒนาเทคโนโลยีมัลติมีเดียในอนาคต ซึ่งจะได้
เป็นความรู้ที่สามารถใช้ต่อยอดความคิดของ ผู้ที่ได้เข้าร่วมฟังการสัมมนา
ในครั้งนี้ เพื่อเป็นแนวทางในการพัฒนางานและความคิด เกี่ยวกับระบบ
ปัญญาประดิษฐ์ ในด้านการศึกษาต่อไปในอนาคต

โดยโครงการระบบปัญญาประดิษฐ์ร่วมกับ Machine Learning และ
Deep Learning เพื่อพัฒนาประเทศยุคดิจิทัล มีวัตถุประสงค์ ดังนี้

1. เพื่อแลกเปลี่ยนความรู้ในเรื่องของระบบปัญญาประดิษฐ์
2.เพื่อกระชับความสัมพันธ์ระหว่างนักศึกษาและอาจารย์ภายใน
สาขาวิทยาการคอมพิวเตอร์
ถัดไปขอเรียนเชิญท่านประธานในพิธี อาจารย์สุนทรี แก่นแก้ว
ประธานหลักสูตรวิทยาศาสตร์บัณฑิต สาขาวิทยาการคอมพิวเตอร์ คณะ
วิทยาศาสตร์และเทคโนโลยี.....มหาวิทยาเทคโนโลยีราชมงคลสุวรรณภูมิ
ศูนย์พระนครศรีอยุธยา หันตรา ได้กล่าวเปิดงานและให้ข้อแนะนากับผู้เข้า
ร่วมงานดังกล่าว ขอเรียนเชิญค่ะ

ความสำคัญของ AI ในโลกปัจจุบัน

AI ย่อมาจาก Artificial Intelligence โดยภาษาไทยใช้คำว่า

ปัญญาประดิษฐ์ หมายถึง ระบบประมวลผลของคอมพิวเตอร์ หุ่นยนต์

เครื่องจักร ที่มีการวิเคราะห์เชิงลึกคล้ายมนุษย์ และสามารถก่อให้เกิด

ผลลัพธ์ที่เป็นการกระทำได้

ปัญญาประดิษฐ์ หรือ AI สร้างความเป็นไปได้ให้แก่เครื่องจักร

ในการเรียนรู้จากประสบการณ์ในอดีต ปรับแต่งเข้ากับข้อมูลที่ป้อนเข้าไป

ใหม่และท าหน้าที่เปรียบเสมือนมนุษย์ ตัวอย่างของ AI ส่วนใหญ่ที่คุณมัก

จะได้ยินในทุกวันนี้ เริ่มตั้งแต่คอมพิวเตอร์ที่เล่นหมากรุกได้ จนถึงรถยนต์

ที่ขับเคลื่อนด้วยตัวเอง เหล่านี้ล้วนแต่ต้องพึ่งพาการเรียนรู้เชิงลึก และ

การประมวลผลภาษาธรรมชาติ ด้วยการใช้เทคโนโลยีเหล่านี้

คอมพิวเตอร์จะได้รับการฝึกฝนให้เอาชนะเป้าหมายที่ก าหนดโดยการ

ประมวลผลข้อมูลปริมาณมหาศาลและจดจ ารูปแบบของข้อมูลเหล่านั้น

ทั้งหมด

การทำงานร่วมกันกับ AI

ปัญญาประดิษฐ์ไม่ได้มีไว้เพื่อแทนที่มนุษย์เรา หากแต่ช่วยเพิ่มความ
สามารถและท าให้พวกเราท าสิ่งที่ท าอยู่ได้ดียิ่งขึ้น เนื่องด้วย
algorithmของ AI มีวิธีการเรียนรู้ที่แตกต่างจากมนุษย์ โดย AI จะ
พิจารณาสิ่งต่าง ๆ ในรูปแบบที่แตกต่างออกไป AI จะสามารถมองเห็น
ความสัมพันธ์และรูปแบบที่ไม่เหมือนพวกเรา คู่หู AI จะมอบโอกาสที่
มากมายแก่พวกเรา โดย AI สามารถ:

•มอบการวิเคราะห์ข้อมูลแก่ธุรกิจและหน่วยงาน ที่ซึ่งปัจจุบันยังไม่
สามารถวิเคราะห์ข้อมูลได้อย่างเต็มประสิทธิภาพ

•พัฒนาประสิทธิภาพของเทคโนโลยีการวิเคราะห์ที่มีอยู่ ยกตัวอย่าง
เช่น การประมวลผลภาพและการวิเคราะห์ชุดข้อมูลตามเวลา

•ก้าวข้ามอุปสรรคทางเศรษฐกิจ ซึ่งรวมถึงอุปสรรคทางด้านภาษา
และการแปลความหมาย

•เพิ่มพูนความสามารถที่มีอยู่และทำให้พวกเราทำสิ่งที่ทำอยู่ได้ดียิ่ง
ขึ้น
• มอบวิสัยทัศน์ที่ดีกว่า ความเข้าใจที่ดียิ่งขึ้น ความจ าที่มากกว่าและ
อื่น ๆ อีกมากมาย

ข้อมูลความพร้อมของการใช้ AI

จากการศึกษาความพร้อมด้าน AI ของภาครัฐมี 172 ประเทศทั่ว
โลก รัฐบาลส่วนใหญ่ยังอยู่ในระยะเริ่มต้นของการปรับใช้ AI ในการให้
บริการสาธารณะ โดยภูมิภาคที่มีค่าคะแนนเฉลี่ยต่ำสุดคือ แอฟริกาใต้สะ
ฮารา ลาตินอเมริกาและแคริบเบียน และเอเชียกลางและใต้

Machine Learning

ภาษาไทยมีการบัญญัติว่า การเรียนรู้ของเครื่องคือส่วนที่เปรียบ
เสมือนสมองของ AI ซึ่งถือเป็นส่วนสำคัญอย่างมากในการสร้างความ
ฉลาด โดยกลไกการทำงานของ AI จะต้องอาศัย Machine Learning ที่
ประกอบด้วย อัลกอริทึม (Algorithm) หรือ ชุดคำสั่งหรือเงื่อนไขแบบที
ละขั้นตอน ที่จะทำให้คอมพิวเตอร์ หุ่นยนต์ เครื่องจักร หรืออุปกรณ์
อิเล็กทรอนิกส์ต่างการเรียนรู้ด้วยตนเอง โดยการใช้ ข้อมูลขนาดใหญ่
(Big Data) ที่มีอยู่ แล้วประมวลผลออกมาเป็นชุดข้อมูลต่าง ๆ ซึ่งการ
เรียนรู้ของเครื่องแบ่งออกได้ 2 รูปแบบคือ

(1) การเรียนรู้ที่มีคนควบคุม โดยเครื่องจะเรียนรู้และท านายผล
ได้ ด้วยการช่วยเหลือของนักวิทยาศาสตร์ข้อมูล

(2) การเรียนรู้ที่ไม่มีคนควบคุม โดยเครื่องจะเรียนรู้และท านาย
ผลได้ด้วยการจ าแนก แยกแยะ และสร้างรูปแบบจากข้อมูลที่ได้รับอย่าง
อัตโนมัติ เมื่อเครื่องสามารถทำนายผลได้มากขึ้นเท่าไร ยิ่งทำให้มี
สมรรถนะใน การเรียนรู้เชิงลึก (Deep Learning) มากขึ้นเท่านั้น

Big Data

ภาษาไทยมีการบัญญัติไว้ทั้ง ข้อมูลมหัต และ ข้อมูลขนาดใหญ่
ซึ่งคนส่วนใหญ่มักคุ้นเคยกับการใช้คำว่า ข้อมูลขนาดใหญ่ มากกว่า
โดย Big Data นี้หมายถึงชุดข้อมูลที่มีขนาดใหญ่ และเป็นข้อมูลที่เพิ่ม
ขึ้นและเปลี่ยนแปลงอยู่ตลอดเวลาอย่างต่อเนื่อง (Velocity) รวมถึง
เป็นข้อมูลที่มีรูปแบบหลากหลายและซับซ้อน (Variety) โดยอาจเป็น
ข้อมูลที่มีโครงสร้าง ไม่มีโครงสร้าง หรือกึ่งมีโครงสร้างก็ได้

ปัจจุบัน AI และ Machine Learning ได้มีการน าไปใช้งาน
อย่างแพร่หลายในแทบทุกวงการ โดยเฉพาะในภาคธุรกิจที่น า AI
มาใช้ได้อย่างแพร่หลายและโดดเด่น เนื่องจาก AI สามารถตอบโจทย์
ทั้งฝั่งธุรกิจและฝั่งผู้บริโภค โดยสามารถใช้งานได้อย่างง่ายดาย
มากขึ้นเรื่อย ๆ ยกตัวอย่างของการใช้ AI ในภาคธุรกิจ

การใช้ AI ในภาคธุรกิจ

(1) Search Engine การใช้เทคโนโลยีการจดจำใบหน้า การจดจำ
เสียง และการประมวลผลภาษาธรรมชาติ

(2) Smart Home การควบคุมอุปกรณ์ภายในบ้านด้วยคำสั่งเสียง
(3) Health Care การใช้ระบบประมวลหรือชุดข้อมูล ใช้ในการ
ทำงาน ทำให้สามารถสนทนาโต้ตอบกับผู้ป่วยและช่วยวินิจฉัยโรคได้
(4) ความบันเทิง สนับสนุนด้านการแนะนำภาพยนตร์หรือซีรีส์ต่าง
ๆ โดยขึ้นอยู่กับข้อมูลในการเข้าชมของผู้ใช้ที่ผ่านมา
(5) การทำการตลาด โดยใช้การเข้าถึงข้อมูลขนาดใหญ่ แล้ว
ทำการวิเคราะห์ เพื่อประสิทธิภาพในการหาความสัมพันธ์ของลูกค้าหรือ
การโฆษณา
(6) การตรวจจับการฉ้อโกง โดยการวิเคราะห์รูปแบบของข้อมูล
พฤติการณ์การฉ้อโกง เพื่อให้สามารถป้องกันปัญหาดังกล่าวที่อาจจะ
เกิดขึ้นได้
(7) สถาบันการเงินสามารถตรวจสอบงบการเงินและความเสี่ยง
ด้านการชำระเงินของสถานประกอบการที่ยื่นขอสินเชื่อได้
(8) การทำงานอัตโนมัติอื่น ๆ เช่น รถยนต์ไร้คนขับ

Big Data เกิดขึ้นได้อย่างไร?

Big Data เป็นค้าศัพท์ใหม่ที่เพิ่งเริ่มใช้ในช่วงปี 1990 โดยมี John
Mashey ผู้ที่ท้าให้ค้านี้เป็นที่รู้จักขึ้นมา ซึ่งปกติแล้ว Big Data จะเป็นข้อมูล
ที่มีปริมาณที่ใหญ่มากโดยที่ซอฟท์แวร์รุ่นเก่าไม่สามารถประมวลผลได้
หรือสามารถประมวลผลได้แต่ใช้เวลานาน โดย Big Data จะมีทั้งข้อมูลที่มี
โครงสร้าง กึ่งมีโครงสร้าง และไม่มีโครงสร้าง ขนาดของ Big Data ก็จะ
มีการเพิ่มขนาดของข้อมูลขึ้นไปเรื่อยๆ จากปัจจุบันที่มีขนาดข้อมูลหลาย
พัน Terabytes ก็จะมีการเพิ่มขนาดเป็น Zettabytesการท้างานของ Big
Data ต้องอาศัยเทคนิคและเทคโนโลยีสมัยใหม่ที่สามารถรองรับข้อมูลที่มี
ขนาดใหญ่ ซับซ้อน และหลากหลายได้ โดยในปี 2018 ได้มีการนิยาม Big
Data ใหม่ว่า “Big Data คือ เครื่องมือที่ใช้ในการจัดการกับข้อมูล

Big Data เกิดขึ้นได้อย่างไร?

Big Data เป็นค้าศัพท์ใหม่ที่เพิ่งเริ่มใช้ในช่วงปี 1990 โดยมี John
Mashey ผู้ที่ท้าให้ค้านี้เป็นที่รู้จักขึ้นมา ซึ่งปกติแล้ว Big Data จะเป็นข้อมูล
ที่มีปริมาณที่ใหญ่มากโดยที่ซอฟท์แวร์รุ่นเก่าไม่สามารถประมวลผลได้
หรือสามารถประมวลผลได้แต่ใช้เวลานาน โดย Big Data จะมีทั้งข้อมูลที่มี
โครงสร้าง กึ่งมีโครงสร้าง และไม่มีโครงสร้าง ขนาดของ Big Data ก็จะ
มีการเพิ่มขนาดของข้อมูลขึ้นไปเรื่อยๆ จากปัจจุบันที่มีขนาดข้อมูลหลาย
พัน Terabytes ก็จะมีการเพิ่มขนาดเป็น Zettabytesการท้างานของ Big
Data ต้องอาศัยเทคนิคและเทคโนโลยีสมัยใหม่ที่สามารถรองรับข้อมูลที่มี
ขนาดใหญ่ ซับซ้อน และหลากหลายได้ โดยในปี 2018 ได้มีการนิยาม Big
Data ใหม่ว่า “Big Data คือ เครื่องมือที่ใช้ในการจัดการกับข้อมูล

Deep Learning

ซอฟแวร์คอมพิวเตอร์ที่เลียนแบบการท างานของระบบโครงข่าย
ประสาท(neurons )ในสมองมนุษย์ ถือเป็นซับเซ็ตของ machine learning
Algorithm ของ deep learning ถูกสร้างขึ้นจากการน าเอา neural
network หลายๆ layer มาต่อกัน โดย layer แรกสุดจะท าหน้าที่ในการ
รับข้อมูล ( Input layer ) layer สุดท้ายจะท าหน้าที่ส่งผลลัพธ์การ
ประมวลผลออกมา ( Output layer ) ส่วน layer ระว่าง layer แรกสุด
เเละ layer สุดท้าย จะถูกเรียกว่า Hidden layer คำว่า deep learning มี
ที่มาจากการที่ใช้ layer ของ neural network หลายอันๆมาต่อกัน(มี
Hidden layer มากกว่า 2 layer ก็ถือเป็น deep learning แล้ว เนื่องจาก
layer เหล่านี้เป็นโครงสร้างที่ถูกจัดเก็บแบบเป็นกองซ้อน (stack) จึง
เปรียบได้ว่า layer ที่่จะนวนเยอะๆ ก็จะท าให้มีโครงสร้างที่ลึก(deep) ยิ่ง
ขึ้นนั่นเอง

กระบวนการทำงานของ deep learning

model ที่ใช้ deep learning ให้ความแม่นย า (accuracy) ที่สูงใน
หลายๆปัญหา ตั้งเเต่การตรวจจับวัตถุ (object detection) ไปจนถึงการรู้
จ าเสียงพูด (speech recognition) โดยที่เราไม่จ าเป็นต้องให้ความรู้พื้น
ฐานใดๆกับมันใว้ล่วงหน้าเลย เพียงเเค่ให้ข้อมูลตัวอย่าง (input data) มัน
ก็จะท าการเรียนรู้จากข้อมูลและสังเคราะห์เป็นองค์ความรู้ออกมาได้
อย่างอัตโนมัติ อาทิเช่น การใช้ deep learning ในวงการเกม เราไม่จำเป็น
ต้องบอกมันว่าเล่นยังไง เเค่ให้มันเรียนรู้จากผู้เล่นที่เก่งๆเป็นจ านวนมาก
มันก็เรียนรู้วิธีการเล่นเกมได้อย่างอัตโนมัติ
Classification of Neural Networks

1 ) โครงข่ายประสาทแบบตื้น (Shallow neural network) : มี
Hidden layer เเค่ 1 layer (เเต่ยังมี input layer และ output layer
ประกบเหมือนเดิม )

2) โครงข่ายประสาทแบบลึก (Deep neural network) : มี
Hidden layer มากกว่า 1 layer , ยกตัวอย่างเช่น LeNet model ของ
Google ที่ใช้ส้าหรับ การรับรู้ภาพ (image recognition) มี hidden layer
มากถึง 22 layerทุกวันนี้ เราได้น้า deep learning มาประยุกต์ใช้อย่าง
เเพร่หลาย เช่น รถยนต์ไร้คนขับ (driverless car) สมาร์ทโฟน search
engine ของgoogle เครื่องจับเท็จ

ภาคผนวก





ผลประเมินความพึงพอใจ

ตอนที่ 1 ข้อมูลผู้เข้าร่วม
เพศ

สถานะ

ประเภท

ตอนที่ 2 ประเมินความพึงพอใจ
1. ด้านวิทยากร

2. ด้านเนื้อหา
3. ด้านความรู้ที่ได้รับ

4. ด้านรูปเเบบการสัมมนา
ตอนที่3 ข้อเสนอเเนะเพิ่มเติม

ตัวอย่างเกียรติบัตร



ภาพกิจกรรม

ภาพกิจกรรม(ต่อ)