DGA306

เทคนิคการวิเคราะห์ข้อมูล

(Data Analytics Techniques)

วัตถุประสงค์

  • เพื่อให้ผู้เข้าอบรมมีพื้นฐานการเขียนโปรแกรมสำหรับงานด้านข้อมูลได้
  • เพื่อให้ผู้เข้าอบรมนำเข้าข้อมูลในฐานข้อมูลได้ เพื่อสร้างคลังข้อมูลที่เหมาะสมได้
  • เพื่อให้ผู้เข้าอบรมสามารถสำรวจและจัดเตรียมข้อมูลได้
  • เพื่อให้ผู้เข้าอบรมนำเสนอข้อมูลในรูปแบบที่หมาะสมและเข้าใจได้ง่าย
  • เพื่อให้ผู้เข้าอบรมสามารถวิเคราะห์ข้อมูล และสร้างโมเดลการทำนายโดยใช้เครื่องมือหรือเทคนิคการ วิเคราะห์ข้อมูลและข้อมูลขนาดใหญ่ได้

คำอธิบายหลักสูตรเพิ่มเติม

หลักสูตรนี้มุ่งเน้นศึกษาเกี่ยวกับการเขียนโปรแกรมเบื้องต้น การรวบรวมและสกัดข้อมูล การสำรวจและ จัดเตรียมข้อมูล การวิเคราะห์และออกแบบคลังข้อมูล การพัฒนาข้อมูลภาพนิทัศน์ การวิเคราะห์ข้อมูลด้วยเทคนิคการเรียนรู้ของเครื่อง การวิเคราะห์ ตีความและแปลผลข้อมูล การนำเสนอข้อมูล การวิเคราะห์ข้อมูลด้วยเครื่องมือสมัยใหม่ การนำไปใช้ประโยชน์การจัดทำโครงการด้านการวิเคราะห์ข้อมูล

รายละเอียดหลักสูตรที่เปิด

ครั้งที่TBA
ผู้สอนดร. อภิรักษ์ หุ่นหล่อ คณะเทคโนโลยีสารสนเทศและการสื่อสาร มหาวิทยาลัยมหิดล
ดร. ศิริเพ็ญ พงษ์ไพเชฐ คณะเทคโนโลยีสารสนเทศและการสื่อสาร มหาวิทยาลัยมหิดล
ดร. ธนพล นรเสฏฐ์ คณะเทคโนโลยีสารสนเทศและการสื่อสาร มหาวิทยาลัยมหิดล
กลุ่มผู้เรียน1. กลุ่มผู้ปฏิบัติงานเฉพาะด้านเทคโนโลยีดิจิทัล (Technologist)
ค่าลงทะเบียน15,000 บาท
หมายเหตุการจัดอบรมจํานวน 1 รุ่น จํานวน 6 วัน (วันละ 6 ชั่วโมง รวม 36 ชั่วโมง)
ติดต่อสอบถามอาจารย์ผกาพร เพ็งศาสตร์
เบอร์โทร   0824981177
ict@mahidol.ac.th
สถานที่มหาวิทยาลัยมหิดล คณะเทคโนโลยีสารสนเทศและการสื่อสาร
ข้อมูลเพิ่มเติมหลักสูตรนี้ได้รับการรับรองหลักสูตรจากสถาบันพัฒนาบุคคลากรภาครัฐด้านดิจิทัล

กำหนดการ

เวลาหัวข้อเนื้อหา
 วันที่ 1
09.00 -12.00ทบทวนความรู้: Review programming with R, Python or others.  – How to use the tool (IDE, compiler, debugger)
– Display command
– Primitive variables
– Collection variables
– Review basic structure programming
– How to use external modules.
13.00-16.00Data Exploration with R, Python or others.  – Data Understanding
– Data Exploration Process
– Data Visualization
– Bart Chart
– Pie Chart
– Boxplot
– Multiple Boxplot
– Histogram
– Multiple Histogram
– Scatter Plot
– Multiple Scatter Plot
– Principle Component Analysis: PCA
– K-Mean Clustering
 วันที่ 2
09.00 -16.00Data warehouse Analysis, Design and Implement– Data Warehouse definition process และ Design Warehouse
– Data Preparation: Data Collection
– การดึงข้อมูล (Data Extraction) จากข้อมูลที่มีโครงสร้างและไม่โครงสร้าง
– ฐานข้อมูล Relational Database
– ฐานข้อมูล noSQL
– text csv json file
– Data Cleansing
– Remove duplicate or irrelevant observations
– Fix structural errors
– Filter unwanted outliers
– Handle missing data
– Validate
– Load Data to Staging Area
– Data Warehousing and Design
– Data Migration โหลดข้อมูลเข้า DW
 วันที่ 3
09.00 -16.00Data Visualization – Data storytelling  – ETL process
– Elements of good data visualization – Visualization for – Comparison
– Distribution
– Correlation Trend Specialized visualization (Map , KPI , …) etc…..
– Deployment
– Consultation from actual problems
 วันที่ 4
09.00 -16.00Data Analytics and Visualization – Machine Learning for Data Analysis– Deploy Machine Learning Model on Production
– Visual Analytics and Data Visualizations
– Final Project
 วันที่ 5
09.00 -16.00Data Analytics and Visualization – Machine Learning for Data Analysis– นำเสนอปัญหาหรือความต้องการขององค์กร- กำหนดแหล่งข้อมูลที่ต้องใช้ในการแก้ปัญหา
 วันที่ 6
09.00 -16.00Data Analytics and Visualization – Machine Learning for Data Analysis– พัฒนา Project โดยประยุกต์จากหัวข้อและเนื้อหาการอบรม
– Final Project Presentation