หลักการและเหตุผล

     Data Analytics คือ การวิเคราะห์ข้อมูลที่มีอยู่ตั้งแต่อดีตจนถึงปัจจุบัน เพื่อคาดการณ์และพยากรณ์แนวโน้มที่จะเกิดขึ้นในอนาคต ในการวิเคราะห์ข้อมูลนี้สามารถใช้ได้ในหลากหลายประเภทอุตสาหกรรม เช่น การแนะนำโปรโมชั่นในการซื้อสินค้าร่วมให้กับลูกค้า การวิเคราะห์การเบี้ยวหนี้บัตรเครดิต การวิเคราะห์ความเสี่ยงในการเป็นโรคมะเร็ง การทํานายแนวโน้มการลาออกของคนในองค์กร เป็นต้น เครื่องมือในการวิเคราะห์ข้อมูล นั้นมีค่อนข้างหลากหลาย ซึ่งหนึ่งในเครื่องมือที่เป็น Open Source ที่สามารถใช้งานได้ฟรี และมี Library ให้ใช้งานได้หลากหลายคือภาษา Python
 
     หลักสูตร การวิเคราะห์ข้อมูลโดยใช้ภาษาไพธอน (Data Analytics with Python) นี้ผู้เข้าอบรมจะได้เรียนรู้ตั้งแต่พื้นฐานของการวิเคราะห์ข้อมูล ลักษณะของข้อมูล การจัดการข้อมูลเบื้องต้นก่อนที่จะนำไปวิเคราะห์ เช่น การจัดการค่าสูญหาย ข้อมูลที่ไม่สอดคล้อง รวมถึงค่าผิดปกติ เป็นต้น ตลอดจนเรียนรู้ถึงหลักการเรียนรู้ของเครื่อง (Machine Learning) ซึ่งเป็นหัวใจหลักของการทำการวิเคราะห์ข้อมูล นอกจากนั้นยังได้ฝึกปฏิบัติการการวิเคราะห์ข้อมูลด้วย Python เริ่มตั้งแต่การอ่านข้อมูลจากแหล่งข้อมูล วิธีการใช้ Library ที่เกี่ยวข้องกับวิเคราะห์ข้อมูล เช่น Numpy, Pandas, Sci-Kit Learn เป็นต้น รวมถึง Library .oการแสดงข้อมูลด้วยภาพ เช่น Matplotlib และ Seaborn เป็นต้น

วัตถุประสงค์

1. เพื่อให้ผู้เข้าอบรมเข้าใจหลักการเบื้องต้นของการวิเคราะห์ข้อมูล (Data Analytics)
2. เพื่อให้ผู้เข้าอบรมได้ฝึกปฏิบัติและเรียนรู้แนวทางในกาวิเคราะห์ข้อมูลโดยใช้ภาษาไพธอน
3. เพื่อให้ผู้เข้าอบรมได้ทำการวิเคราะห์ข้อมูลและสามารถพยากรณ์ข้อมูลโดยใช้ภาษาไพธอนได้

หัวข้อการฝีกอบรม

1. Introduction to Data Analytics
• ความสำคัญของ Data Analytics
• ลักษณะข้อมูล
• กระบวนการในการวิเคราะห์ข้อมูล
  
• สถิติเบื้องต้นที่เกี่ยวข้องกับการวิเคราะห์ข้อมูล
  
2. Data Cleansing and Data Transformation
• ความสำคัญของ Data Cleansing
• การพิจารณาชุดข้อมูล (Study of Data Set)
• ค่าสูญหาย (Missing Value)
• ข้อมูลไม่สอดคล้อง (Inconsistent Data)
• ค่าผิดปกติ (Outlier)
  
3. Data Visualization
• ความสำคัญของ Data Visualization
• ลักษณะต่าง ๆ ของการแสดงข้อมูลด้วยภาพ
• การแสดงข้อมูลด้วยภาพโดยใช้ภาษา Python
  
4. Basic Data Analytics
• การเรียนรู้ของเครื่อง (Machine Learning)
• การประมาณค่าข้อมูล (Regression)
• การจําแนกประเภทข้อมูล (Classification)
  
5. การวิเคราะห์ข้อมูล โดยใช้การเรียนรู้แบบมีผู้สอน (Supervised Learning)
• Regression
• Linear Regression / Multiple Regression
• Nearest Neighbor Regression
• Support Vector Regression
• Regression ในรูปแบบอื่น ๆ
  
• Classification
• k-Nearest Neighbor (k-NN)
• Naïve Bayes
• Decision Trees
• Support Vector Machine
• Classification ในรูปแบบอื่น ๆ
  
6. การวิเคราะห์ข้อมูล โดยใช้การเรียนรู้แบบไม่มีผู้สอน (Unsupervised Learning)
• k-Means Clustering
• Agglomerative Hierarchical Clustering (AGNES)
  

คุณสมบัติผู้เข้าอบรม

ผู้ที่มีความรู้พื้นฐานในการเขียนโปรแกรมโดยใช้ภาษา Python

รูปแบบการอบรม

บรรยาย และฝึกปฎิบัติ

วันที่รับสมัคร

22/12/2565 - 08/03/2566

ข้อมูลวันที่อบรม

ค่าใช้จ่าย

10,300.00 บาท

โปรโมชั่น

1.ศิษย์เก่า, นักศึกษา และบุคลากรของ ม.เทคโนโลยีมหานคร ลด 20%
2.บุคคลทั่วไป สมัครอบรม ลดทันที 15 %

รหัสกิจกรรม CPD

-

จำนวนหน่วยพัฒนา CPD

-