Pattern Matching คืออะไร โครงสร้างควบคุมแบบกำหนดเงื่อนไขในภาษา Python มีลักษณะการทำงานคล้ายกับคำสั่ง if..else หรือ if..elif…else แต่สามารถทำงานกับชนิดข้อมูลได้หลายค่า ตัวอย่างเช่น List , Tuple , Dictionary , Object (รองรับการทำงานใน Python 3.10 ขึ้นไป) รูปแบบของ Pattern Matching Literal Pattern Wildcard Pattern Capture Pattern OR Pattern Sequence Pattern Mapping Pattern Class Pattern โครงสร้างคำสั่ง

JSON (JavaScript Object Notation) เป็นรูปแบบการแลกเปลี่ยนหรือรับส่งข้อมูล ในระบบคอมพิวเตอร์หรือแอพพลิเคชั่น ในอดีตการแลกเปลี่ยนหรือรับส่งข้อมูลนั้นจะใช้รูปแบบ XML แต่เนื่องจาก XML มีโครงสร้างที่ซับซ้อนและมีขนาดใหญ่จึงมีการเปลี่ยนมาใช้ JSON แทน คุณสมบัติของ JSON เป็นไฟล์ประเภทข้อความ (Text) มีโครงสร้างคำสั่งที่มนุษย์สามารถอ่าน-เขียนแล้วเข้าใจได้เลย อีกทั้งยังมีขนาดเล็ก น้ำหนักเบา เป็นมาตรฐานกลางของทุกภาษา สำหรับการแลกเปลี่ยนข้อมูลข้ามแพลตฟอร์มบนระบบปฏิบัติการที่แตกต่างกัน

JavaScript คือ ภาษาคอมพิวเตอร์ที่ใช้ในการพัฒนาเว็บร่วมกับ HTML เพื่อให้เว็บมีลักษณะแบบไดนามิก หมายถึง เว็บสามารถตอบสนองกับผู้ใช้งานหรือแสดงเนื้อหาที่แตกต่างกันไปโดยจะอ้างอิงตามเว็บบราวเซอร์ที่ผู้เข้าชมเว็บใช้งานอยู่ เป็นภาษาที่ทำงานฝั่งผู้ใช้ (Client Side Script) โดยเว็บเบราว์เซอร์จะทำหน้าที่ประมวลผลคำสั่งที่ถูกเขียนขึ้นมาและตอบสนองต่อผู้ใช้ได้ทันที เช่น การแสดงข้อความแจ้งเตือน (Alert) การตรวจสอบข้อมูลที่ผู้ใช้ป้อน (Validation) เป็นต้น

Blockchain คือ เทคโนโลยีการจัดเก็บข้อมูลแบบ Shared Database หรือ ที่รู้จักกันในชื่อ Distributed Ledger Technology (DLT) เป็นรูปแบบการเก็บข้อมูลที่มีความปลอดภัยสูงซึ่งใช้วิธีการตรวจสอบข้อมูลโดยการเช็คจากข้อมูลที่ถูกจัดเก็บไปก่อนหน้านั้น ข้อมูลดังกล่าวไม่สามารถที่จะเปลี่ยนแปลงหรือแก้ไขได้ซึ่งผู้ใช้ที่อยู่ในเครือข่ายจะเห็นข้อมูลชุดเดียวกันทั้งหมดเป็นและผู้ตรวจสอบข้อมูลโดยใช้หลักการ Cryptography (การเข้ารหัส)

หัวข้อนี้จะเป็นหัวข้อส่งท้ายเนื้อหา Python Machine Learning เบื้องต้น เราจะมาตะลุยการทำระบบจดจำและทำนายผลตัวอักษรโดยใช้ Neural Network แบบ Multi-Layer Perceptron (MLP) เพื่อเรียนรู้และสร้างโมเดลสำหรับทำนายผลตัวอักษร โครงข่ายประสาทเทียม (Neural Network) เป็นสาขาหนึ่งของปัญญาประดิษฐ์ Artificial Intelligence (AI) เป็นแนวคิดที่ออกแบบระบบโครงข่ายคอมพิวเตอร์ ให้เลียนแบบการทำงานของสมองมนุษย์ มนุษย์มีกระบวนการเรียนรู้โดยจดจำรูปแบบ คือ มนุษย์สังเกตุเห็นสิ่งของที่ไม่รู้จักเมื่อเกิดการเห็นบ่อยๆมากขึ้น เห็นในรูปแบบที่แตกต่างมากขึ้นก็จะเกิดการเรียนรู้และจดจำในสิ่งที่คล้ายๆกัน และเมื่อเห็นสิ่งนั้นอีกครั้งก็จะสามารถบอกได้ว่าสิ่งที่เห็นนี้คืออะไร

ในหัวข้อนี้เราจะมาตะลุยการทำระบบจดจำและทำนายผลใบหน้าโดยใช้วิธีการ PCA (Principal Component Analyis) เพื่อลดขนาดของ Feature และนำไปทำงานร่วมกับ SVM (Support Vector Machine) เพื่อเรียนรู้และสร้างโมเดลสำหรับทำนายผลใบหน้า Dataset ที่ใช้ - Labelled Faces in the Wild (LFW) Dataset ข้อมูลพื้นฐาน :

K-means คือ วิธีการสำหรับค้นหาจำนวนของคลัสเตอร์ (Cluster)จากข้อมูลที่ไม่ ปรากฎ Class หรือ ไม่มี Label ซึ่งเรียกว่า Unlabeled Data วิธีนี้เป็นวิธี Unsupervised Learning หรือแปลตรงๆคือการเรียนรู้แบบไม่ต้องสอน โดยหน้าที่หลักของ K-means คือการแบ่งกลุ่มแบบ Clustering การแบ่งกลุ่มในลักษณะนี้จะใช้พื้นฐานทางสถิติประกอบด้วย 2 กลุ่มข้อมูลขึ้นไป การทำงานของ K-Means

การวิเคราะห์องค์ประกอบหลัก (Principal Component Analysis : PCA) เป็นวิธีที่ใช้วิเคราะห์ข้อมูลหลายตัวแปร เพื่อหาความสัมพันธ์ของตัวแปรเหล่านั้นส่งผลทำให้เกิดการลดขนาด Matrix ที่มีความซับซ้อนเล็กลงง่ายต่อการอธิบาย นำมาประยุกต์ลดขนาดของคุณลักษณะ (Features) ให้มีขนาดเล็กลง ซึ่งจะส่งผลทำให้การสร้างโมเดลนั้นใช้เวลาน้อยลง ยกตัวอย่าง สมมุติว่ามีตัวแปรหรือคุณลักษณะประมาณ 50 ตัว แต่อาจจะไม่ได้ใช้งานตัวแปรเหล่านี้ทั้งหมด เราต้องอาศัยการเรียงลำดับความสำคัญของตัวแปร เช่น ตัวแปรใดบ้างส่งผลกระทบก็นำมาใช้งาน ตัวแปรใดแทบไม่มีเกี่ยวข้องเลยก็ไม่ต้องทำมาใช้งานนั่นเอง หลักการง่ายๆนี้แหละเรียกว่า (Principal Component Analysis : PCA)

Naive Bayes Classification เป็นการจัดหมวดหมู่โดยใช้หลักความน่าจะเป็นเข้ามาช่วยคำนวณ อธิบายสมการ แทนตัวแปร 3 ตัว คือ c คือ Class x คือ Attribute P คือ Probability (ความน่าจะเป็น) P(c|x) Posterior probability คือ ความน่าจะเป็นที่ข้อมูลที่มีแอตทริบิวต์เป็น x จะมีคลาส C P(x|c) Likelihood คือ ความน่าจะเป็นที่ข้อมูลที่มีคลาส C และมีแอตทริบิวต์ x P(c) Prior probability คือ จำนวน Classที่อาจจะเกิดขึ้น/จำนวนClass ทั้งหมด หรือความน่าจะเป็นของ Class C P(x) Predictor Prior probability คือ จำนวน Attribute ทั้งหมด…