วิชาที่ 1 บทนำการสร้าง AI (Building AI App Introduction)
บทที่ 1: บทนำการสร้าง AI โดยใช้ Python
บทที่ 2: คำสั่ง Python พื้นฐานในการสร้าง AI
บทที่ 3: ประเภทของ AI และการเรียนรู้ของเครื่อง (Machine Learning)
วิชาที่ 2 เทคนิคการค้นหาเส้นทางที่สั้นที่สุดด้วย A* (เอ-สตาร์) (Informed Search Technique: Shortest Path with A* Search)
บทที่ 1: ปริภูมิสถานะ (State Space)
บทที่ 2: การค้นหาแบบบอด (Blind Search)
บทที่ 3 การค้นหาแบบใช้ข้อมูลประกอบ
บทที่ 4: การค้นหาเส้นทางที่สั้นที่สุดด้วย A*
วิชาที่ 3 การจำแนกประเภท: แยกประเภทดอกไอริส (Classification: Classifying Iris flowers)
บทที่ 1: การจำแนกประเภท (Classification)
บทที่ 2: เทคนิคการจำแนกประเภท
บทที่ 3: ตัวอย่างการจำแนกประเภทดอกไอริส
วิชาที่ 4 Regression: การประมาณราคาคอนโดมิเนียม (Regression: Estimating Condomenium Price)
บทที่ 1: Regression
บทที่ 2: Linear Regression และตัวอย่างการประมาณราคาคอนโด
บทที่ 3: Polynomial Regression และตัวอย่างการประมาณราคาคอนโด
วิชาที่ 5 การจัดกลุ่ม: จัดกลุ่มประเภทดอกไอริส (Clustering: Clustering Iris Flowers)
บทที่ 1: การจัดกลุ่ม (Clustering)
บทที่ 2: เทคนิคการจัดกลุ่มโดยใช้ K-means
บทที่ 3: ตัวอย่างการจัดกลุ่มประเภทดอกไอริส
วิชาที่ 6 ขั้นตอนวิธีพันธุการ: 0/1 Knapsack Problem (Genetic Algorithms: 0/1 Knapsack Problem)
บทที่ 1: บทนำขั้นตอนวิธีพันธุการ (Genetic Algorithms: GA)
บทที่ 2: กระบวนการทำงานของขั้นตอนวิธีพันธุการ
บทที่ 3: การทดสอบขั้นตอนวิธีพันธุการโดยใช้ Python สำหรับปัญหาถุงเป้
บทที่ 4: การควบคุมการทํางานของ GA library มากขึ้น
หลักสูตรนี้ สนับสนุนโดยกระทรวงอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม และพัฒนาโดย ภาควิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี (นำเสนอผ่าน Academy.KMUTTWORKS.com)