Page 24 - 6.Machine Learning for Data Science

หลักสูตรการวิเคราะหอินเทอรเน็ตของทุกสรรพสิ่งเบื้องตนดวย Hadoop | 23

บทที่ 4 เทคนิควิธีการเรียนรูของเครื่อง

เครื่อง ENIGMA ดังแสดงในรูปที่ 4.1ที่สรางโดย Alan Turing บิดาแหงวิทยาการคอมพิวเตอรจัดเปนการเรียนรู

โดยเครื่องจักรในยุคแรก โดยเครื่อง Enigma คำนวณหาความสัมพันธของรหัสลับที่ดักจับไดกับขอความแทจริงที่ไดจากสายลับ

เพื่อคนหาวิธีการเขารหัสลับของนาซี เพื่อนำมาใชในการถอดรหัสลับอื่น ๆ ที่ดักจับไดในระหวางสงคราม

รูปที่ 4.1 เครื่อง ENIGMA
[ที่มา. http://ucvijayabharathi-thougths.blogspot.com/2015/01/enigma-machines-alan-turing-imitation.html]

4.1 วัตถุประสงคการเรียนรู

เพื่อใหผูเรียน

1) ทราบถึงความหมายของการเรียนรูของเครื่องจักร
2) เขาใจถึงความแตกตางระหวางการทำงานแบบเดิมกับการเรียนรูของเครื่องจักร

3) ทราบถึงรูปแบบการเรียนรูของเครื่องจักร

4.2 นิยามการเรียนรูของเครื่องจักร

การเรียนรูของเครื่องจักร (Machine Learning ในที่นี้เครื่องจักรหมายถึงโปรแกรมคอมพิวเตอร ดังนั้นหาก

วิเคราะหจากชื่อจะสามารถนิยามไดวาเปนการเรียนรูของโปรแกรมคอมพิวเตอรซึ่งเปนการเปลี่ยนแนวคิดของการเขียน

โปรแกรมซึ่งโดยปกติการเขียนโปรแกรม หรือการออกแบบโปรแกรมจะทำการปอนอินพุตเขาไปยังโปรแกรม เพื่อใหไดผลลัพธ
(Output สำหรับการเรียนรูของเครื่องจักรจะเปนการปอนทั้งอินพุต และผลลัพธเขาไปยังระบบเพื่อใหไดสมการหรือโปรแกรม

ออกมาดังแสดงรูปแบบการทำงานของโปรแกรมคอมพิวเตอร และการเรียนรูของเครื่องจักรในรูปที่ 4.2

การเปรียบเทียบระหวางโปรแกรมคอมพิวเตอรพื้นฐานกับการเรียนรูของเครื่องสามารถยกตัวอยางงาย ๆ ไดดังนี้

จากสมการ y = x + 1

กรณีการเขียนโปรแกรมพื้นฐานจะทำการเขียนโปรแกรมซึ่งประกอบดวยสมการ y= x+1 จากนั้นเพิ่มคา x ใหเปน

อินพุตของโปรแกรม และผลลัพธของโปรแกรมคือ y ซึ่งไดจาก x + 1 ดังเชน

INTRODUCTION TO IOT ANALYTICS USING HADOOP สถาบันสหวิทยาการดิจิทัลและหุนยนต มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร