1. เข้าใจแนวคิดพื้นฐานของการเรียนรู้แบบมีผู้สอนและชุดข้อมูลที่ติดป้ายกำกับ

2. สามารถแยกแยะระหว่างคุณลักษณะนำเข้าและป้ายกำกับผลลัพธ์ได้

3. รู้จักงานทั่วไปของการเรียนรู้แบบมีผู้สอน เช่น การจำแนกประเภทและการถดถอย

1. สามารถนำอัลกอริทึมการเรียนรู้แบบมีผู้สอน เช่น การถดถอยเชิงเส้น, ต้นไม้ตัดสินใจ, และเครื่องเวกเตอร์สนับสนุน มาใช้ได้

2. เข้าใจเทคนิคการประเมินโมเดล เช่น การตรวจสอบแบบข้าม และตัวชี้วัดประสิทธิภาพ (ความถูกต้อง, ความแม่นยำ, การตรวจจับ)

3. สามารถเตรียมข้อมูลล่วงหน้าและจัดการกับปัญหา เช่น ข้อมูลขาดหายหรือการปรับขนาดคุณลักษณะ

1. ออกแบบและปรับแต่งโมเดลการเรียนรู้แบบมีผู้สอนที่ซับซ้อนเพื่อให้ได้ผลลัพธ์ที่มีประสิทธิภาพสูงในสถานการณ์จริง

2. ประยุกต์ใช้เทคนิคการสร้างและเลือกคุณลักษณะเพื่อเพิ่มประสิทธิภาพของโมเดล

3. สามารถแปลผลลัพธ์ของโมเดลและอธิบายการตัดสินใจโดยใช้วิธีการขั้นสูง เช่น ค่า SHAP หรือ LIME